CN1191566C

CN1191566C - 增大在远程通信终端中语音输入指令的识别率的系统和方法

Info

Publication number: CN1191566C
Application number: CNB008153701A
Authority: CN
Inventors: A·D·希门尼斯·费尔特斯特伦
Original assignee: Telefonaktiebolaget LM Ericsson AB
Current assignee: Telefonaktiebolaget LM Ericsson AB
Priority date: 1999-11-04
Filing date: 2000-10-31
Publication date: 2005-03-02
Anticipated expiration: 2020-10-31
Also published as: CN1387663A; WO2001033553A3; JP2003513341A; EP1226576A2; WO2001033553A2; AU1390501A

Abstract

本发明公开了一个改进在远程通信终端中基于语音拨号的精度的方法，和包括该方法的终端。一个期望的电话号码的模拟语音输入表示被转换为一个数字信号。一个自动语音识别模块识别数位并产生表示这些数位的输出信号。一个判断模块施加一个测试以确定该转换是否未识别出在该电话号码中的一个和多个数位。如果该电话号码包括未识别的数位，则一个搜索模块在一个相关的存储器模块搜索一个具有匹配于使用者所输入的号码的已识别数位的数位的电话号码。存储器中的匹配电话号码被视觉上，和听觉上显示给使用者。如果期望，则远程终端可以建立一个与由存储器模块中选择的电话号码的连接。

Description

增大在远程通信终端中语音输入指令的识别率的系统和方法

技术领域

本发明涉及在通信设备中的语音输入识别，更具体地，涉及用于增强在远程通信终端中语音拨号系统精确度的系统和方法。

背景技术

载入移动电话的远程通信终端在许多现代工业化国家中是很普遍的。大多数远程通信终端使用小键盘作为输入设备。然而，小键盘存在某些缺点。首先，小键盘的使用可能要求使用者将注意力转向该通信设备，只要一段短时刻。在某些情况中，诸如当驾驶时，这是不期望的。此外，市场不断驱使制造商生产更小的远程电话终端设备，该设备也被称为手机。该终端设备尺寸的减小使得更可能产生小键盘的错误，从而降低了作为输入设备的小键盘的精确度。

制造商已经实现了适于接收一个语音输入，识别该输入，并执行一个基于该输入的动作的基于语音的输入设备。举例来说，授予Kuniyoshi的U.S.专利No.4,959,850公开了一个无线电电话装置，它包括用于电话的基于语音拨号的语音识别功能。类似地，授予Sakanishi的U.S.专利No.5,042,063和授予Gerson等人的U.S.专利No.4,870,686公开了一个使用可以进行基于语音拨号的语音识别功能的电话装置。语音识别功能还被公开在下列参考文件中：授予Will的U.S.专利No.5,917,891；授予Maekawa等人的U.S.专利No.5,884,257；授予Eting等人的U.S.专利No.5,651,056；授予Meador的U.S.专利No.5,638,425；授予Peterson的U.S.专利No.5,509,049；授予Jakatdar的U.S.专利No.5,495,533；；和授予Hunt等人的U.S.专利No.5,303,299。

然而，语音识别是一个很困难的任务，尤其是当语音信号与来自周围环境的模糊噪声，例如汽车噪声和街道噪声相结合时。来自模糊噪声的不适当发音和/或干扰可使得使用者的语音不能被设备所识别。在基于语音的拨号应用中，这可导致电话设备拨出一个不正确的号码。可选地，该电话设备会促使使用者重复未被识别的数位，或整个数字序列。取决于语音识别系统的精度，使用者可能被要求相当比例的时间来重复号码，这使得基于语音的拨号特性对于使用者变得较不方便。

发明内容

因此，在本技术领域中，存在对改进的基于语音拨号系统和方法的需要。

本发明致力于通过提供一种用于改进包括移动电话的远程通信终端的基于语音拨号的装置和方法来解决这些和其他问题。根据本发明，一个远程终端适用于使用保存在存储器中的信息来增强语音识别例程精度。优选地，该信息包括一个关于先前由该远程终端所拨的电话号码的信息，该信息会与由基于语音拨号方法所输入的电话号码相匹配以增强语音识别系统的精度。

一个方面，本发明提供一个用于促进通信设备的基于语音拨号的系统。该系统包括一个用于接收一个输入字符序列的语音输入表示并产生在该输入字符序列中的每一个字符的信号表示的转换模块，一个用于确定该输入字符序列是否包括未识别字符的判断模块，一个包括多个响应于网络弟子的字符序列的存储器模块，和一个用于在存储器模块中搜索一个具有对应于在输入字符序列中已识别字符的字符的字符序列的搜索模块。使用中，如果转换模块不能将该输入字符序列中一个和多个字符转换，这搜索模块可在存储器模块中搜索具有与输入字符序列中已识别字符相匹配的字符的一个或多个字符序列。

另一方面，本发明提供一个促进在通信设备中基于语音呼叫的方法。该方法包括以下步骤：接收所期望字符序列的语音输入表示，产生该字符序列中每一个字符的一个信号表示，确定该输入字符序列是否包括未识别字符，和如果有未识别字符，则搜索一个具有对应于在输入字符序列中已识别字符的字符的匹配字符序列，并产生一个匹配字符序列的信号表示。

附图说明

本发明的这些和其他目的、特征和优点将通过本说明书的描述并结合附图变得更清楚。

图1为一个适于实现本发明的示例性GSM通信的框图；

图2显示根据本发明的一个实施例的，用于改进在一个通信设备中的基于语音的呼叫的方法流程图；和

图3为根据本发明的一个实施例的远程通信终端的原理图。

具体实施方式

今天所使用的许多数字式无线系统使用时隙式接入系统。使用者信息(例如语音)被分段，压缩，分组和在预分配的时隙中传输。时隙可被分配给不同的使用者，通常被称为时分多路访问(TDMA)机制。时分多路访问(TDMA)通信系统，诸如在欧洲的全球移动通信系统(GSM)，在北美的数字式先进移动电话系统(D-AMPS)，或在日本的个人数字式蜂窝(PDC)系统，允许在多远程终端之间分享单个无线电频率信道，从而增加了通信系统的容量。

随后的示例性实施例被提供于时分多路访问(TDMA)无线电通信系统的环境中。然而，本领域技术人员应认识到TDMA方法论仅仅是为示例性的目的而被描述，而本发明很容易适用于包括频分多路访问(FDMA)，TDMA，码分多路访问(CDMA)和/和它们的混合的所有类型的访问技术中。

在欧洲电信标准协会(ETSI)文件ETS 300 573，ETS 300 574和ETS 300 578中描述了根据GSM标准的蜂窝通信系统的运作过程，这些文件在此被引用作为参考。因此，再次仅简要描述一个示例性GSM系统的运作。虽然本名以在GSM系统中的示例性实施例来描述，但是本领域的技术人员应可认识到本发明还可被用于其他的通信系统中。

参照图1，描绘了一个其中可实施本发明的通信系统10。该系统10为一个具有用于管理呼叫的多层的分层网络。使用一组上行链路和下行链路的无线频率，在系统10中工作的远程通信终端12使用在这些频率上分配给它们的时隙来参加呼叫。在一个上部的分层中，一组移动交换中心(MSCs)14将来自始发者的呼叫选择路由发送给收信方。具体地，这些实体负责呼叫的设置，控制和终止。一个MSCs14，通常称为一个网关MSC，与公用交换电话网络(PSTN)18，和其他公用和私用网络一起来处理通信。

MSCs14中的每一个被连接到一个和多个基站控制器(BSCs)16。根据GSM标准，BSC16通过被称为A-接口的标准接口来与一个MSC14相通信，该接口是基于CCITT信令系统No.7的移动应用部分。

BSCs16中的每一个控制一个和多个基收发站(BTSs)20。每一个BTS20包括一个或多个使用上行和下行链路无线电频率(RF频率)以为一个具体地理区域，诸如一个和多个通信小区21提供服务的收发器(TRXs)(未示出)。BTSs20主要提供用于发射数据猝发(burst)到在它们各自小区中的远端站12和接收来自这些远端站的数据猝发的RF链路。在一个示例性实施例中，多个BTSs20被包括在一个无线电基站(RBS)22中。RBS 22，例如，可以根据一族RBS 200产品族来构造，这些产品由Telefonaktiebolaget LM Ericsson公司，本发明的受让人所提供。对于与示例性远端站12和RBS22的实现的更多细节，有兴趣的读者可以参看授予Frodigh等人的U.S.专利No.5,909,469，该文件的公开在此被引用作为参考。

图2表示了一个适于根据本发明的使用中的远程终端200的示意图。远程终端200优选地是一个用于数字式TDMA蜂窝式通信系统，诸如GSM系统，PDC系统，或D-AMPS系统中的移动电话。然而，如上所述的，本发明可以应用于所有类型的接入系统中，并且可容易地应用于TDMA或CDMA系统，或它们的混合系统中。远程终端是公知的并且是市场上可以获得的。因此，下面仅详细描述远程终端200的那些与本发明有关的方面。对于涉及远程终端的其他信息，有兴趣的读者可以参看授予Dent等人的U.S.专利No.5,745,523，该文件在此被引用作为参考。

参照图2，远程终端200包括，在相关部分中，一个用于接收来自电话使用者的语音的麦克风210。麦克风210被连接到转换模块220。转换模块220可包括一个用于将模拟语音输入转换为数字信号的模数(A/D)转换器224。转换模块220还可以包括一个用于识别使用者的语音的自动语音识别(ASR)模块228。远程终端200还包括一个用于确定ASR模块228是否以所期望的精度识别出一个由使用者所说的字符的判断模块230。远程终端200还包括一个用于保存表示有效电话号码的字符序列的存储器模块250，和一个用于搜索存储器模块250的搜索模块240。远程终端200还包括一个用于建立与诸如如图1所示的GSM网络的通信网络的通信连接的连接模块260。远程终端200还包括一个用于将信息显示给使用者的适合的显示器270(例如，一个LED和LCD显示器)。一个具有适合的语音识别模块的终端为由Ericsson所提供的市场上可获得的T28。

我们希望的是将模块220-260中的一些或所有模块嵌入一个合适的专用集成电路(ASIC)或一个可编程数字信号处理器(DSP)，或为一组包括多个ASIC的芯片组。在各个模块200-260和远程终端的其他部件之间形成有电连接。例如，判断模块230和搜索模块240电连接到显示器270，到扬声器280，和到连接模块260。

另外，在一个优选实施例中，在存储器模块250和连接模块260之间的电连接使得存储器模块250可以保存与远程终端200所建立的连接有关的电话号码。例如，每次使用者将一个电话号码输入远程终端200中，该号码可被保存在存储器模块250中。以此方式，存储器模块250可以保持一个先前拨号的电话号码列表，这些电话号码可被用作增强基于语音拨号的精度的先前信息，如下所述。

图2示出了一种根据本发明的一个实施例的基于语音拨号的方法。简而言之，参照图3，该方法包括接收一个由使用者所说的字符，将该字符转换为一个阻止信号，并确定该字符序列是否完整。如果该字符序列不完整，则该系统重复地接收另外的字符并将这些字符转换为数字信号。在已接收一个完整的字符序列之后，系统判断该字符序列是否包括一个和多个未识别的字符。如果该字符序列不包括未识别的字符，则该字符序列的被发送给用于使电话拨出响应于已识别字符序列的号码的模块(例如一个连接模块)。如果该字符序列包括一个和多个未识别字符，则调用一个搜索模块。该搜索模块将在该字符序列中的已识别字符与在相关存储器中的字符序列中对应的数位相比较以确定是否在存储器中的一个字符序列可能匹配于使用者输入的字符序列。当检测到一个可能的匹配时，该字符序列可被发送到一个用于使得该电话拨出响应于已识别字符序列相应的号码的模块。可选地，字符序列可被显示和听觉上表现给电话的使用者，该使用者可以指示该字符序列实际上是否匹配于所期望的字符序列。下面将更详细地解释该过程。

在一个示例性实施例中，图3中的过程可被实现在一个具有基于语音拨号特性的远程通信终端，例如移动电话中。参考图3，在步骤310中，基于语音的拨号特性被激活而远程终端接收在一个字符序列中第一字符的语音输入表示。在美国，该字符优选地代表公知的十位拨号格式(例如，xxx-xxx-xxxx)中的一位。然而，我们期望该字符序列可以是适用于不同地理区域的拨号系统的格式，或在一种数字应用中可以代表在一个数据网络中的网络地址(例如，一个URL或一个IP地址)。可选地，该字符序列可表示指向一个远程终端的指令，或包括一个用于快速拨号的号码的存储器地址。

在步骤320中，已接收的字符被转换为一个表示由该用户所说的字符的数字信号。该转换可以使用一个模拟-数字(A/D)转换器结合适当的ASR模块来实现。许多ASR模块实现用于报告为一个特定字符所做的判决的可靠性量度的统计例程。所期望的可靠率可被编程入ASR模块的逻辑电路中，或可以由用户所选择并输入到系统中作为一个参量。ASR模块是本领域所公知的，而ASR模块的具体细节与本发明无关。

在步骤330中，执行一个测试以确定该字符序列的输入是否完成。例如，在美国电话系统中，它使用一个十个字符的格式，当输入第十个字符时就认为该字符序列的输入完成。在另一个实施例中，判断步骤可使用超时例程，即当一个预定时间在一个特定字符输入后被耗尽，则假设该字符序列被完成。在另一个可选实施例中，一个使用者可以通过按一个指定按键或通过说出一个特定码来主动地指示该字符序列完成。本领域的技术人员将认识到许多种可以检测出一个输入字符序列的终结的其他方式。如果该字符序列未完成，则步骤310到330可重复直至该字符序列完成，或使用者指示希望取消该语音输入过程。

在确定该字符序列完成之后，在步骤340，执行一个测试以确定该字符序列是否包括一个或多个未识别字符。在此，术语“未识别字符”应指该字符序列中未由ASR模块确认的字符。在一个实施例中，该系统可以测试以确定与字符序列中的一个或多个字符有关的可靠性量度是否小于一个预定阈值(例如95％，或90％)，若是，则该字符序列可被确定为具有未识别字符。还可采用另外的测试。例如，如果与两个字符有关的可靠性量度小于一个预定阈值，则该字符序列可被确定为具有未识别字符。

如果该字符序列不包括未识别字符，则在步骤380，该字符序列被拨号而远程终端200试图建立一个与网络的连接。

如果该字符序列包括未识别字符，则在步骤350，一个与远程终端有关的存储器模块被搜索以确定是否在该存储器模块中的一个字符序列匹配于在使用者输入的字符序列中的已识别字符。如果在步骤360中，发现一个匹配，则由该存储器中搜索该字符序列并且在步骤370中可选地表现给使用者。在一个实施例，该字符序列，例如通过一个LCD显示器或其他合适的显示器来可视地表现给使用者。在另一个实施例中，用一个语音合成器将该字符序列在听觉上表现给使用者。在接收到来自使用者的同意的指示后，在步骤380拨叫该字符序列。

将认识到的是步骤310-380中的一些或所有步骤可由一个合适的ASIC，DSP，或一芯片组，或通过在一个通用处理器上的逻辑指令操作来实施。

虽然本发明已参照几个示例性实施例进行了详细描述，本领域的技术人员应认识到可以做各种改型而不背离本发明。因此，本发明仅由随后的权利要求来限定，该权利要求意欲包含本发明的所有等价物。

Claims

1.用于改进通信设备的语音拨号的系统，包括：

一个用于接收一个输入字符序列的语音输入表示并产生在该输入字符序列中的每一个字符的信号表示的转换模块，该转换模块产生用于表示与转换精度有关的信任级别的信号；

一个用于确定该输入字符序列是否包括未识别字符的判断模块，该判断模块产生一个表示该信任级别是否高于一个预定阈值的信号；

一个包括多个响应于网络地址的字符序列的存储器模块；

和一个用于在存储器模块中搜索一个具有对应于在输入字符序列中已识别字符的字符的字符序列的搜索模块；

这样，如果转换模块不能将该输入字符序列中一个和多个字符转换，该搜索模块可在存储器模块中搜索具有与输入字符序列中已识别字符相匹配的字符的一个或多个字符序列。

2.权利要求1的系统，其中该转换模块包括：

一个用于将所接收的语音输入信号数字化的A/D转换器。

3.权利要求1的系统，其中该转换模块包括：

一个用于分析该数字信号并产生由该数字信号所表示的字符序列的信号指示的语音识别模块。

4.权利要求1的系统，其中：

该转换模块和判断模块被嵌入一个数字信号处理器中。

5.权利要求1的系统，还包括：

一个用于产生表示在存储器中的一个字符序列的信号。

6.权利要求5的系统，还包括：

用于显示由该输出模块所产生的信号所表示的字符序列的显示器模块。

7.权利要求5的系统，还包括：

用于用声音通告由输出模块所产生的信号所表示的字符序列的模块。

8.权利要求1的系统，还包括：

一个用于建立与由输出模块所产生的信号表示的字符序列的连接的连接模块。

9.一个促进在通信设备中基于语音呼叫的方法

包括以下步骤：

接收所期望字符序列的语音输入表示，

产生该字符序列中每一个字符的一个信号表示，

确定该输入字符序列是否包括未识别字符，和如果有未识别字符，则搜索一个具有对应于在输入字符序列中已识别字符的字符的匹配字符序列，和

产生一个匹配字符序列的信号表示，

其中用于产生该字符序列中每一个字符的一个信号表示的步骤产生用于表示与转换精度有关的信任级别的第一信号

其中用于确定该输入字符序列是否包括未识别字符的步骤包括比较该信任级别与一个预定阈值并产生一个表示该信任级别是否高于一个预定阈值的第二信号。

10.权利要求9的方法，其中用于产生该字符序列中每一个字符的一个信号表示的步骤包括将所接收的语音输入信号数字化。

11.权利要求10的方法，其中用于产生该字符序列中每一个字符的一个信号表示的步骤包括分析该数字信号并产生由该数字信号所表示的字符序列的信号指示。

12.权利要求9的方法，还包括显示由输出模块所产生的信号表示的字符序列。

13.权利要求9的方法，还包括用声音通告由输出模块所产生的信号所表示的字符序列。