車載導(dǎo)航中人機語音交互系統(tǒng)的設(shè)計與實現(xiàn)

1、    車載導(dǎo)航中人機語音交互系統(tǒng)的設(shè)計與實現(xiàn)語音作為自然的人機接口，可以使車載導(dǎo)航系統(tǒng)實現(xiàn)更安全、更人性化的操作。通過國內(nèi)外車載導(dǎo)航系統(tǒng)的功能對比可知，支持語音交互是車載導(dǎo)航系統(tǒng)的一個發(fā)展趨勢。另外，市場信息服務(wù)公司J.DPowerandAssociates的調(diào)研數(shù)據(jù)也表明，56的消費者更傾向于選擇聲控的導(dǎo)航系統(tǒng)。因此，開發(fā)車載語音導(dǎo)航系統(tǒng)是很有意義的。目前，國內(nèi)已經(jīng)具備開發(fā)車載語音導(dǎo)航系統(tǒng)的技術(shù)基礎(chǔ)，特別是文語轉(zhuǎn)換TTS技術(shù)和基于中小詞匯量的語音命令識別技術(shù)已經(jīng)語音作為自然的人機接口，可以使車載導(dǎo)航系統(tǒng)實現(xiàn)更安全、更人性化的操作。通過國內(nèi)外車載導(dǎo)航系

2、統(tǒng)的功能對比可知，支持語音交互是車載導(dǎo)航系統(tǒng)的一個發(fā)展趨勢。另外，市場信息服務(wù)公司J.D Power and Associates的調(diào)研數(shù)據(jù)也表明，56的消費者更傾向于選擇聲控的導(dǎo)航系統(tǒng)。因此，開發(fā)車載語音導(dǎo)航系統(tǒng)是很有意義的。目前，國內(nèi)已經(jīng)具備開發(fā)車載語音導(dǎo)航系統(tǒng)的技術(shù)基礎(chǔ)，特別是文語轉(zhuǎn)換TTS技術(shù)和基于中小詞匯量的語音命令識別技術(shù)已經(jīng)達(dá)到比較實用的程度。本文在課題組的車載導(dǎo)航系統(tǒng)和國內(nèi)兩款語音引擎的基礎(chǔ)上，開發(fā)了一套支持語音交互的車載導(dǎo)航系統(tǒng)。車載語音導(dǎo)航系統(tǒng)結(jié)構(gòu)車載語音導(dǎo)航系統(tǒng)從功能上分為車載導(dǎo)航和導(dǎo)航語音交互兩方面。其中車載導(dǎo)航功能包括GPS衛(wèi)星導(dǎo)航定位、電子地圖瀏覽查詢、智能的路徑規(guī)

3、劃、車輛地理位置和速度等導(dǎo)航信息的實時顯示；導(dǎo)航語音交互功能分為語音操作和語音提示兩部分。在系統(tǒng)的設(shè)計中，根據(jù)人機交互的需求，設(shè)計語音導(dǎo)航系統(tǒng)的硬件框架如圖 1所示。語音導(dǎo)航系統(tǒng)和用戶之間的人機交互接口由觸摸屏、按鈕、話筒、顯示屏和擴音器等五個交互設(shè)備組成。該硬件框架可實現(xiàn)常規(guī)的手動交互方式，也可以實現(xiàn)語音交互方式。整個系統(tǒng)劃分為三個子系統(tǒng)：導(dǎo)航子系統(tǒng)、語音識別子系統(tǒng)和語音合成子系統(tǒng)，各子系統(tǒng)間通過接口進(jìn)行通信，協(xié)調(diào)完成語音導(dǎo)航任務(wù)。車載導(dǎo)航人機語音交互系統(tǒng)對話模式設(shè)計導(dǎo)航系統(tǒng)的狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)整個導(dǎo)航系統(tǒng)是一個復(fù)雜的人機交互系統(tǒng)，為便于語音交互對話模式的設(shè)計，首先對系統(tǒng)作狀態(tài)劃分，然后從人機交互

4、的角度描述整個系統(tǒng)的狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)。將系統(tǒng)劃分為地圖瀏覽、功能選擇等六個功能狀態(tài)和一個退出狀態(tài)。圖2描述了這些狀態(tài)之間的狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)。圖中的節(jié)點代表系統(tǒng)的各個狀態(tài)，帶箭頭的連線代表從源狀態(tài)到目標(biāo)狀態(tài)的轉(zhuǎn)換。狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)接收用戶的操作作為驅(qū)動事件，完成從一個狀態(tài)到另一狀態(tài)的轉(zhuǎn)換，網(wǎng)絡(luò)中的一條路徑便代表著特定的交互過程。導(dǎo)航系統(tǒng)各狀態(tài)節(jié)點對話模式設(shè)計為便于描述各狀態(tài)節(jié)點內(nèi)部的對話模式，將狀態(tài)節(jié)點按圖2所示編號為S1S7，用Tmn表示狀態(tài)節(jié)點Sm到狀態(tài)節(jié)點Sn的轉(zhuǎn)換。另外，借鑒狀態(tài)流 stateflow模型的表示方法，提出用于描述車載導(dǎo)航人機語音交互系統(tǒng)中的對話模型。重新定義轉(zhuǎn)換的描述方式，用四個屬性

5、來描述狀態(tài)節(jié)點內(nèi)的一次轉(zhuǎn)換：T=P1,P2,P3,P4 (1)其中，t用于表示一個轉(zhuǎn)換，P1P4為轉(zhuǎn)換的屬性：P1為語音事件；P2為語音輸出；P3為附加條件；P4為轉(zhuǎn)換動作。這樣，一個轉(zhuǎn)換t便描述了一次對話中用戶的語音輸入、系統(tǒng)的語音輸出、對話受到的限制條件以及系統(tǒng)執(zhí)行的動作。以地圖瀏覽狀態(tài)為例，說明對話模式設(shè)計的過程。地圖瀏覽狀態(tài)由兩個互斥的子狀態(tài)組成：地圖漫游狀態(tài)和車輛引導(dǎo)狀態(tài)(參見圖2)。這兩種子狀態(tài)的人機交互大部分相同，所以將二者統(tǒng)一劃分在地圖瀏覽狀態(tài)下。對于區(qū)分對待這兩個子狀態(tài)的交互過程，可以通過附加條件來判斷當(dāng)前子狀態(tài)，再作不同的處理。地圖瀏覽狀態(tài)節(jié)點的對話模式設(shè)計如圖3所示。語音

6、控制命令的實現(xiàn)語音控制命令的實現(xiàn)方案如圖4所示。圖中左邊方框代表整個語音導(dǎo)航系統(tǒng)對話模式的狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)STN。根據(jù)對話模式的設(shè)計，將系統(tǒng)分為地圖瀏覽狀態(tài)、功能選擇狀態(tài)、路徑規(guī)劃狀態(tài)等7個狀態(tài)節(jié)點，每個狀態(tài)節(jié)點內(nèi)部均存在各自的語音對話模式，對話模式由若干內(nèi)部轉(zhuǎn)換組成。因此，整個語音導(dǎo)航系統(tǒng)是一個兩層結(jié)構(gòu)的狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)，其內(nèi)部轉(zhuǎn)換由語音事件驅(qū)動。語音事件由導(dǎo)航子系統(tǒng)的接口模塊根據(jù)語音識別子系統(tǒng)發(fā)送的用戶意圖而產(chǎn)生。語音控制命令的實現(xiàn)過程分為以下四個步驟：語音識別引擎根據(jù)當(dāng)前命令詞表識別用戶語音，得到識別結(jié)果。管理窗口獲取到識別結(jié)果，通過查詢“識別詞控制命令”映射，得到識別結(jié)果對應(yīng)的控制命令，并將控

7、制命令作為用戶意圖發(fā)送至導(dǎo)航子系統(tǒng)的接口模塊。接口模塊響應(yīng)用戶意圖，通過語音事件改變語音導(dǎo)航系統(tǒng)的狀態(tài)。接口模塊根據(jù)語音導(dǎo)航系統(tǒng)的狀態(tài)判斷是否需要更改當(dāng)前命令詞表，若需要則通過管理窗口更改當(dāng)前命令詞表。.POI名稱的識別方法識別子系統(tǒng)除了要識別控制命令以外，還需要識別POI(興趣點、標(biāo)志點)名稱。POI名稱識別與控制命令識別最大的區(qū)別在于其候選集合在規(guī)模上的差異。在本系統(tǒng)中，進(jìn)行控制命令識別時候選集合的規(guī)模最大約為30個，但進(jìn)行POI名稱識別時，以所用的北京電子地圖為例，其POI點的個數(shù)為 20,172 個，此時其候選集合的規(guī)模比控制命令識別時大幾個數(shù)量級。利用命令詞識別引擎進(jìn)行識別時，必須為

8、引擎提供一個當(dāng)前詞表，需要先將候選集合中的詞條轉(zhuǎn)化為詞表，才能真正地進(jìn)行識別。同時，基于中小詞表的ASR 識別引擎不能生成規(guī)模達(dá)2萬多的詞表，所以對于POI名稱識別，采取了不同于控制命令識別的方案。在對控制命令進(jìn)行識別時，因為候選集合可以用一個詞表來表示，采取了在線識別的方法。而對POI名稱進(jìn)行識別時，單個詞表無法容納所有的POI名稱，由此提出了利用識別引擎離線識別功能的離線遍歷識別方案。該方案利用多個詞表來描述整個候選集合。實現(xiàn)的具體流程如圖5所示。該方案將候選POI集合劃分為n個子集，并生成各子集的詞表，然后以各詞表為當(dāng)前詞表進(jìn)行離線識別，并將這些局部的識別結(jié)果匯總形成一個臨時詞表，最后在

9、這個臨時詞表中進(jìn)行識別，得出全局的最優(yōu)識別結(jié)果。該過程遍歷了各個子集，相當(dāng)于在整個候選集合中匹配出最優(yōu)識別結(jié)果，所以識別正確率得到了保證。同時由于識別次數(shù)的增加，導(dǎo)致識別時間相應(yīng)地變長。導(dǎo)航系統(tǒng)語音提示的實現(xiàn)方案導(dǎo)航系統(tǒng)的語音提示由專門的語音合成子系統(tǒng)完成。將語音提示的實現(xiàn)過程分為提出請求和執(zhí)行請求兩步。請求的提出方和執(zhí)行方構(gòu)成客戶/服務(wù)器(C /S) 模型，其中，語音合成子系統(tǒng)充當(dāng)服務(wù)器。由于語音合成引擎通常不能同時輸出多線合成的語音，所以會遇到請求沖突的情況。發(fā)生請求沖突時，最直接的處理策略是：中止正在進(jìn)行的合成轉(zhuǎn)而進(jìn)行下一個合成，或者維持正在進(jìn)行的合成而忽略新的合成請求。為此在語音合成子

10、系統(tǒng)中設(shè)計了管理模塊用于決定發(fā)生合成沖突時的處理方式。對于語音合成子系統(tǒng)，合成請求的提出是一個隨機事件，將這類隨機事件記為Qi。每個合成請求Qi都具有優(yōu)先級的屬性，其優(yōu)先級的高低取決于請求的提示信息的重要程度，見表1。管理模塊的處理流程見圖6。如果下一請求Qi+1的優(yōu)先級高于當(dāng)前請求Qi，則優(yōu)先合成Qi+1。車載語音導(dǎo)航系統(tǒng)的試驗驗證圖7為本文的車載語音導(dǎo)航系統(tǒng)的實物照片。對本系統(tǒng)進(jìn)行了語音導(dǎo)航的驗證試驗，通過語音交互完成了表2中所示的車載導(dǎo)航功能。試驗表明，系統(tǒng)的狀態(tài)能夠完全正確地按照設(shè)計的對話模式進(jìn)行轉(zhuǎn)換，并能正確完成各種導(dǎo)航功能的人機對話過程；同時，系統(tǒng)的語音提示也能正確工作。另外測試了

11、系統(tǒng)正確響應(yīng)語音控制命令的能力。測試中，用清晰平穩(wěn)的語音，對地圖瀏覽狀態(tài)所有語音控制命令的49個識別詞進(jìn)行了測試，共測試49×3=147次，成功132次，失敗15次，成功率為89.8%。可見，系統(tǒng)語音控制命令的有效性較好。在海量POI名稱識別的試驗中，對字?jǐn)?shù)為2至10的POI名稱進(jìn)行了測試。對于每一長度的POI名稱，分別取10個進(jìn)行測試。其中每個POI名稱最多做兩次測試，當(dāng)且僅當(dāng)?shù)谝淮螠y試失敗才繼續(xù)第二次測試。試驗結(jié)果如表3所示。結(jié)語本文主要完成了車載導(dǎo)航人機語音交互系統(tǒng)的設(shè)計和實現(xiàn)，并在實驗室環(huán)境中對系統(tǒng)進(jìn)行了實驗驗證。證明利用合成的語音，可以實現(xiàn)豐富靈活的語音提示，使用戶可以在不分散過多精力的