CN100504952C - 使用数字媒体适配器进行语音控制操作的方法 - Google Patents

Abstract

本发明涉及一种具有语音控制功能的数字媒体适配器及方法，其中适配器包括语音输入模块、数模转换模块、语音识别模块、语音提示与语音回放功能模块、用户信息存储库、红外遥控信号输入模块和系统控制模块，该方法包括判断在一定时间内是否有红外遥控信号、用户信息库建立和语音训练、接收选择用户信息库的语音信息、对语音信息进行数模转换处理、判断相应的语音信息是否与所选择的个人信息库相符合、进行相应用户语音命令的识别和处理操作。采用该种具有语音控制功能的数字媒体适配器及其语音控制方法，不需手动便可实现DMA的操作功能，支持多用户、多语言和语音识别训练，扩展性较强，语音识别的准确性高，工作性能稳定可靠，适用面较为广泛。

Description

使用数字媒体适配器进行语音控制操作的方法

技术领域

本发明涉及数字多媒体设备领域，特别涉及数字媒体适配器领域，具体是指一种使用数字媒体适配器进行语音控制操作的方法。

背景技术

现代生活中，各种各样的家用电器为了方便使用，都配备了遥控器，但是由于社会中一些特殊的弱势群体的存在，以及一部分用户对于使用遥控器感到很繁琐，又时常会发生家中遥控器一多，便不知所踪的情况，特别是对于数字多媒体设备领域，其功能非常强大，相应的控制操作也较为复杂，而现有技术中还没有一种可以使用语音进行控制操作的数字多媒体装置，这样就给数字多媒体技术的普及推广带来了一定的不便。

发明内容

本发明的目的是克服了上述现有技术中的缺点，提供一种能够对不同人的语音进行准确识别、可以进行语音识别训练、支持多种语言、使用灵活快捷方便、操作界面友好、工作性能稳定可靠、适用面较为广泛的使用数字媒体适配器进行语音控制操作的方法。

为了实现上述的目的，本发明的使用数字媒体适配器进行语音控制操作的方法如下：

该使用数字媒体适配器进行语音控制操作的方法，所述的数字媒体适配器包括数字媒体适配器内部功能电路、红外遥控信号输入模块、语音输入模块、数模转换模块、语音识别模块、语音提示与语音回放功能模块、用户信息存储库和系统控制模块，该数字媒体适配器与数字媒体设备相连接，所述的语音输入模块依次通过数模转换模块、语音识别模块、语音提示与语音回放功能模块和所述的系统控制模块相连接，所述的红外遥控信号输入模块和所述的系统控制模块相连接，所述的用户信息存储库和所述的语音识别模块相连接，其主要特点是，所述的方法包括以下步骤：

(1)系统进行初始化操作；

(2)系统判断在预设的超时时间内是否通过红外遥控信号输入模块接收到红外遥控信号；

(3)如果收到，则系统进入红外遥控控制状态，并进行后续处理；

(4)如果未收到，则系统进入语音控制状态；

(5)系统判断用户信息存储库中是否为空；

(6)如果是空，则系统进行用户个人信息库的建立和语音训练的操作处理；

(7)如果不是空，则系统等待通过语音输入模块接收用户选择个人信息库的语音信息；

(8)系统通过数模转换模块对所接收到的用户的语音信息进行数模转换处理操作；

(9)系统通过语音识别模块判断相应的用户的语音信息是否与所选择的个人信息库相符合；

(10)如果否，则系统进行用户个人信息库的建立和语音训练的操作处理；

(11)如果是，则装载相应的用户个人信息库；

(12)系统通过语音输入模块接收用户的语音命令；

(13)系统通过数模转换模块对所接收到的用户的语音信息进行数模转换处理操作；

(14)系统通过语音识别模块、语音提示与语音回放功能模块和系统控制模块进行相应用户语音命令的识别和处理操作。

该进行数字媒体适配器的语音控制操作的方法的预设的超时时间为30秒。

该进行数字媒体适配器的语音控制操作的方法的进行用户个人信息库的建立和语音训练的操作处理包括以下步骤：

(1)系统在用户信息存储库中创建相应用户个人信息库；

(2)在该信息库中存入该用户的相关信息；

(3)系统判断用户是否要进行语音训练；

(4)如果否，则将默认语音库中的语音信息作为该用户的个人信息库中的语音信息；

(5)如果是，则系统通过语音输入模块接收用户的语音信息；

(6)系统通过数模转换模块对所接收到的用户的语音信息进行数模转换处理操作；

(7)系统通过语音识别模块对语音信息进行噪音过滤和扩音处理，并进行优化算法处理；

(8)对语音信息进行模式匹配算法处理；

(9)将经过处理后的语音信息存入该用户的个人信息库中。

该进行数字媒体适配器的语音控制操作的方法的用户的相关信息包括用户名称、性别、语种。

该进行数字媒体适配器的语音控制操作的方法的模式匹配算法为双模板算法或者两级端点检测算法。

该进行数字媒体适配器的语音控制操作的方法的数模转换处理操作包括以下步骤：

(1)将用户的语音信号转化成数字采样信号；

(2)将上述数字采样信号转换为音频模拟信号并输出。

该进行数字媒体适配器的语音控制操作的方法的判断相应的用户的语音信息是否与所选择的个人信息库相符合包括以下步骤：

(1)对该用户的语音信息进行噪音过滤和扩音处理，并进行优化算法处理；

(2)结合相应的个人信息库中存储的对应语音信息，对用户的语音信息进行模式匹配算法处理；

(3)如果模式匹配结果正常，则返回语音信息相符合的结果；否则，返回语音信息不相符合的结果。

该进行数字媒体适配器的语音控制操作的方法的相应用户语音命令的识别和处理操作包括以下步骤：

(1)系统通过语音识别模块对该用户的语音信息进行噪音过滤和扩音处理，并进行优化算法处理；

(2)系统通过语音识别模块结合相应的个人信息库，对用户的语音命令信号进行分析并识别出所代表的相应命令；

(3)系统通过语音提示与语音回放功能模块提示用户进行操作并对所识别语音进行响应；

(4)系统通过系统控制模块将识别出的命令转换成相应的控制操作信号，通过操作对应的数字媒体设备而完成具体功能。

采用了该发明的具有语音控制功能的数字媒体适配器及其语音控制方法，由于在数字媒体适配器DMA的主机中加入有语音接受控制装置，并且能够将用户的各种语音命令进行准确识别并转换为系统操作指令，从而实现了对数字媒体设备的相应操作，不仅免除了复杂的遥控器操作，而且方便了许多肢体上有残疾的残障人士，使他们不需手动便可以实现DMA中的各项操作功能；同时还可以根据不同的用户建立不同的记录有语音信息的用户个人信息库，并可以在用户首次使用系统的时候进行语音识别训练，不仅系统扩展性较强，而且增加了语音识别的准确性，同时支持多种语言，使用方式灵活快捷方便，操作界面友好，系统扩展性较强；不仅如此，本发明的数字媒体适配器及其方法的工作性能稳定可靠，适用面较为广泛，为数字多媒体技术的推广应用带来了很大的便利。

附图说明

图1为本发明的具有语音控制功能的数字媒体适配器的硬件模块图。

图2为本发明的进行数字媒体适配器的语音控制操作的方法的工作流程图。

图3为本发明的进行数字媒体适配器的语音控制操作的方法的语音识别处理过程示意图。

具体实施方式

为了能够更清楚地理解本发明的技术内容，特举以下实施例详细说明。

请参阅图1所示，该具有语音控制功能的数字媒体适配器，包括数字媒体适配器内部功能电路和红外遥控信号输入模块10，该数字媒体适配器1与数字媒体设备2相连接，其种，所述的数字媒体适配器1中还包括语音输入模块11、数模转换模块12、语音识别模块13、语音提示与语音回放功能模块14、用户信息存储库15和系统控制模块16，所述的语音输入模块11为具有前置放大器的驻极体麦克风，且该驻极体麦克风的背面还安设有隔音装置；所述的语音输入模块11依次通过数模转换模块12、语音识别模块13、语音提示与语音回放功能模块14和所述的系统控制模块16相连接，所述的红外遥控信号输入模块10和所述的系统控制模块16相连接，所述的用户信息存储库15和所述的语音识别模块13相连接。

在实际应用当中，本发明的数字媒体适配器上的语音处理功能硬件主要由四个部分组成。第一部分为模/数转换部分，其输入端接收输入的语音信号，并将其转化成数字芯片可处理的数字采样信号；在输出端将解码后的语音数字信号转换为音频模拟信号。第二部分为语音识别部分，它的作用是对输入的数字语音词条信号进行分析，识别出词条信号所代表的命令，一般由DSP芯片完成。第三部分为语音提示和语音回放部分，它一般也是在DSP中完成的，其核心是对语音信号进行数字压缩编码和解码，目的是提示用户操作并对识别语音的响应，完成人机的语音交互。第四部分是系统控制部分，它将语音识别结果转换成相应的控制信号，并将其输出转换成操作，完成具体功能。语音识别与系统控制的有机结合是完成声控交互的关键。

同时，对于其中的语音信号处理模块，可以采用具有语音处理能力的芯片作为主控芯片，例如：SPCE061A等，其具体技术细节描述请参见网页：

http://www.unsp.com.cn/app/html/20036293035.shtml

不仅如此，对于语音输入模块11可以采用具有前置放大器的驻极体麦克风，由于其具有高增益，高噪声抑制能力，低输出阻抗等特点。对于模式匹配算法，可以使用双模板和两级端点检测方法，能有效地提高识别率和稳健性。

再请参阅图2和图3所示，该使用上述的数字媒体适配器进行语音控制操作的方法，包括以下步骤：

(1)系统进行初始化操作；

(2)系统判断在预设的超时时间内是否通过红外遥控信号输入模块接收到红外遥控信号，该预设的超时时间为30秒；

(3)如果收到，则系统进入红外遥控控制状态，并进行后续处理；

(4)如果未收到，则系统进入语音控制状态；

(5)系统判断用户信息存储库中是否为空；

(6)如果是空，则系统进行用户个人信息库的建立和语音训练的操作处理，该操作处理包括以下步骤：

(a)系统在用户信息存储库中创建相应用户个人信息库；

(b)在该信息库中存入该用户的相关信息，包括用户名称、性别、语种；

(c)系统判断用户是否要进行语音训练；

(d)如果否，则将默认语音库中的语音信息作为该用户的个人信息库中的语音信息；

(e)如果是，则系统通过语音输入模块接收用户的语音信息；

(f)系统通过数模转换模块对所接收到的用户的语音信息进行数模转换处理操作；

(g)系统通过语音识别模块对语音信息进行噪音过滤和扩音处理，并进行优化算法处理；

(h)对语音信息进行模式匹配算法处理，该模式匹配算法为双模板算法或者两级端点检测算法；

(i)将经过上述处理后的语音信息存入该用户的个人信息库中；

(7)如果不是空，则系统等待通过语音输入模块接收用户选择个人信息库的语音信息；

(8)系统通过数模转换模块对所接收到的用户的语音信息进行数模转换处理操作，该处理操作包括以下步骤：

(a)将用户的语音信号转化成数字采样信号；

(b)将上述数字采样信号转换为音频模拟信号并输出；

(9)系统通过语音识别模块判断相应的语音信息是否与所选择的个人信息库相符合，该判断操作包括以下步骤：

(a)对该语音信息进行噪音过滤和扩音处理，并进行优化算法处理；

(b)结合相应的个人信息库中存储的对应语音信息，对上述语音信息进行模式匹配算法处理；

(c)如果模式匹配结果正常，则返回语音信息相符合的结果；否则，返回语音信息不相符合的结果；

(10)如果否，则系统进行用户个人信息库的建立和语音训练的操作处理，其操作处理过程与上述相同；

(11)如果是，则装载相应的用户个人信息库；

(12)系统通过语音输入模块接收用户的语音命令；

(13)系统通过数模转换模块对所接收到的用户的语音信息进行数模转换处理操作；

(14)系统通过语音识别模块、语音提示与语音回放功能模块和系统控制模块进行相应用户语音命令的识别和处理操作，该识别和处理操作包括以下步骤：

(a)系统通过语音识别模块对该语音信息进行噪音过滤和扩音处理，并进行优化算法处理；

(b)系统通过语音识别模块结合相应的个人信息库，对用户的语音命令信号进行分析并识别出所代表的相应命令；

(c)系统通过语音提示与语音回放功能模块提示用户进行操作并对所识别语音进行响应；

(d)系统通过系统控制模块将识别出的命令转换成相应的控制操作信号，通过操作对应的数字媒体设备而完成该功能。

在实际应用当中，当系统进行上电工作时，首先进入系统初期，会出现遥控选择等待界面，如果用户此时按下遥控器的任意键，即进入遥控器控制状态，若等待时间内不做任何遥控器操作，30秒后超时，则自动进入声音控制界面，并等待用户选择用户信息库，或者使用默认信息库。若系统内无任何保留的用户信息，则直接提示用户建立新的用户数据库，若系统内已有用户信息，则语音提示用户选择相对应的用户数据库

对于初次使用的用户，DMA将为其建立一个个人语音信息库，其中储存着该用户的一些相关信息(性别，语音信息等)。用户可以选择进行语音训练或者跳过，虽然系统也会有一套默认的语音数据库，但是系统仍将推荐初次使用的用户使用语音训练系统，这样可以使DMA获得更好的语音识别能力，使用户更好地对DMA进行语音控制。

对于语音训练系统，用户可以在任何开机的时候进行。由于DMA主要为无线连接，故DMA可任意放置。声控DMA内有内置麦克风，需要对DMA录音。而克服环境干扰主要通过硬件与软件共同实现，硬件采用的是具有前置放大器的驻极体麦克风，由于其具有高增益，高噪声抑制能力，低输出阻抗等特点；另外为了避免在录音的时候，用户的声音与电视中发出的声音产生相互的干扰，可以使DMA具备集中针对某个方向的声音做出处理的功能，由于用户发出的声音是具有一定的方向性的，于是可以在内置驻极体麦克风的背面添置隔音装置，这样DMA就可以对来自电视机，也就是DMA背面的声音做出隔离，减少声音训练误差的发生。对于软件部分也就是模式匹配算法，可以使用双模板和两级端点检测方法，能有效地提高识别率和稳健性。

选择用户信息库的形式：用户信息库以任意英文字符来命名。如Jack，Mike等。由于系统能够接受的仅为单个的英文字符，因此用户选择信息库的时候应该将组成该英文名称的单个英文字母逐一读出，例如：对于Jack，用户读出时应为：J、A、C、K；当用户发出语音指令如”语音输入结束”，或当用户15秒内无任何语音操作，则声控系统自动进入休眠状态。当用户需要再次输入语音指令时，只需再次说出特定命名，如”语音输入开始”则系统将会自动恢复语音输入状态，并且此时播放的节目将会被静音，此时用户可以再次输入语音指令。

声音控制DMA支持多语言版本的语音控制系统。目前主要的中英文命令有：play(播放)、stop(停止)、pause(暂停)、main menu(主菜单)、video(视频)、audio(音频)、photo(图片)、enter(进入)、back(退出)、up(向上)、down(向下)、left(向左)、right(向右)、播放模式、(repeat one、repeat all、normal等)、乱序播放(shuffle)、上下翻页(page up、pagedown)、快进X倍速(fast-forward)、慢进X倍速(slow-motion)、快退X倍速(rewind)、0～9数字(数字用来输入IP地址、网关等，例如：192.168.1.22，255.255.255.0等)、26个字母等，这里就不再详细列举出来了。根据具有不同功能的DMA，语音指令也会有所不同。

采用了上述的具有语音控制功能的数字媒体适配器及其语音控制方法，由于在数字媒体适配器DMA的主机中加入有语音接受控制装置，并且能够将用户的各种语音命令进行准确识别并转换为系统操作指令，从而实现了对数字媒体设备的相应操作，不仅免除了复杂的遥控器操作，而且方便了许多肢体上有残疾的残障人士，使他们不需手动便可以实现DMA中的各项操作功能；同时还可以根据不同的用户建立不同的记录有语音信息的用户个人信息库，并可以在用户首次使用系统的时候进行语音识别训练，不仅系统扩展性较强，而且增加了语音识别的准确性，同时支持多种语言，使用方式灵活快捷方便，操作界面友好，系统扩展性较强；不仅如此，本发明的数字媒体适配器及其方法的工作性能稳定可靠，适用面较为广泛，为数字多媒体技术的推广应用带来了很大的便利。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (8)

1、一种使用数字媒体适配器进行语音控制操作的方法，所述的数字媒体适配器包括数字媒体适配器内部功能电路、红外遥控信号输入模块、语音输入模块、数模转换模块、语音识别模块、语音提示与语音回放功能模块、用户信息存储库和系统控制模块，该数字媒体适配器与数字媒体设备相连接，所述的语音输入模块依次通过数模转换模块、语音识别模块、语音提示与语音回放功能模块和所述的系统控制模块相连接，所述的红外遥控信号输入模块和所述的系统控制模块相连接，所述的用户信息存储库和所述的语音识别模块相连接，其特征在于，所述的方法包括以下步骤：

(1)系统进行初始化操作；

(2)系统判断在预设的超时时间内是否通过红外遥控信号输入模块接收到红外遥控信号；

(3)如果收到，则系统进入红外遥控控制状态，并进行后续处理；

(4)如果未收到，则系统进入语音控制状态；

(5)系统判断用户信息存储库中是否为空；

(6)如果是空，则系统进行用户个人信息库的建立和语音训练的操作处理；

(7)如果不是空，则系统等待通过语音输入模块接收用户选择个人信息库的语音信息；

(8)系统通过数模转换模块对所接收到的用户的语音信息进行数模转换处理操作；

(9)系统通过语音识别模块判断相应的用户的语音信息是否与所选择的个人信息库相符合；

(10)如果否，则系统进行用户个人信息库的建立和语音训练的操作处理；

(11)如果是，则装载相应的用户个人信息库；

(12)系统通过语音输入模块接收用户的语音命令；

(13)系统通过数模转换模块对所接收到的用户的语音信息进行数模转换处理操作；

(14)系统通过语音识别模块、语音提示与语音回放功能模块和系统控制模块进行相应用户语音命令的识别和处理操作。

2、根据权利要求1所述的进行数字媒体适配器的语音控制操作的方法，其特征在于，所述的预设的超时时间为30秒。

3、根据权利要求1所述的进行数字媒体适配器的语音控制操作的方法，其特征在于，所述的进行用户个人信息库的建立和语音训练的操作处理包括以下步骤：

(1)系统在用户信息存储库中创建相应用户个人信息库；

(2)在该信息库中存入该用户的相关信息；

(3)系统判断用户是否要进行语音训练；

(4)如果否，则将默认语音库中的语音信息作为该用户的个人信息库中的语音信息；

(5)如果是，则系统通过语音输入模块接收用户的语音信息；

(6)系统通过数模转换模块对所接收到的用户的语音信息进行数模转换处理操作；

(7)系统通过语音识别模块对语音信息进行噪音过滤和扩音处理，并进行优化算法处理；

(8)对语音信息进行模式匹配算法处理；

(9)将经过处理后的语音信息存入该用户的个人信息库中。

4、根据权利要求3所述的进行数字媒体适配器的语音控制操作的方法，其特征在于，所述的用户的相关信息包括用户名称、性别、语种。

5、根据权利要求3所述的进行数字媒体适配器的语音控制操作的方法，其特征在于，所述的模式匹配算法为双模板算法或者两级端点检测算法。

6、根据权利要求1至5中任一项所述的进行数字媒体适配器的语音控制操作的方法，其特征在于，所述的数模转换处理操作包括以下步骤：

(1)将用户的语音信号转化成数字采样信号；

(2)将上述数字采样信号转换为音频模拟信号并输出。

7、根据权利要求1至5中任一项所述的进行数字媒体适配器的语音控制操作的方法，其特征在于，所述的判断相应的用户的语音信息是否与所选择的个人信息库相符合包括以下步骤：

(1)对该用户的语音信息进行噪音过滤和扩音处理，并进行优化算法处理；

(2)结合相应的个人信息库中存储的对应语音信息，对用户的语音信息进行模式匹配算法处理；

(3)如果模式匹配结果正常，则返回语音信息相符合的结果；否则，返回语音信息不相符合的结果。

8、根据权利要求1至5中任一项所述的进行数字媒体适配器的语音控制操作的方法，其特征在于，所述的相应用户语音命令的识别和处理操作包括以下步骤：

(1)系统通过语音识别模块对该用户的语音信息进行噪音过滤和扩音处理，并进行优化算法处理；

(2)系统通过语音识别模块结合相应的个人信息库，对用户的语音命令信号进行分析并识别出所代表的相应命令；

(3)系统通过语音提示与语音回放功能模块提示用户进行操作并对所识别语音进行响应；

(4)系统通过系统控制模块将识别出的命令转换成相应的控制操作信号，通过操作对应的数字媒体设备而完成具体功能。

Images