DE4103913A1 - Verfahren und einrichtung zur steuerung von geraeten - Google Patents

Description

Die Erfindung betrifft ein Verfahren und eine Einrichtung zur Steuerung von Geräten durch eine Analyse eines gesprochenen Satzes oder Befehls.

Bisher erfolgt die Spracherkennung bzw. Sprachsteuerung von Geräten durch eine Frequenzanalyse oder eine Primitiverken­ nung der Sprache.

Die Spracherkennung durch Frequenzanalyse und Vergleich der analysierten Signale mit Mustersignalen ist aus der DE-A 32 26 929 bekannt. Bei der Frequenzanalyse wird die Sprache zunächst nach ihren Frequenzen analysiert, und anschließend wird das Frequenzspektrum mit Methoden der Mustererkennung ausgewertet. Ein derartiges Verfahren ist zwar verhältnis­ mäßig störsicher, eine Schaltung zur Ausführung dieses Ver­ fahrens erfordert jedoch den Einsatz von leistungsfähigen Mi­ kroprozessoren. Daraus ergeben sich ein hoher Stromverbrauch und hohe Kosten für die Schaltung, so daß der Einsatz derar­ tiger Einrichtungen in batteriebetriebenen Massen­ konsumartikeln problematisch ist.

Bei der Primitiverkennung werden Töne unterhalb einer be­ stimmten Grenzfrequenz als gesprochener Befehl interpretiert. Zur Realisierung dieses Verfahrens ist eine geeignet dimen­ sionierte Standardverstärkerschaltung ausreichend. Während sich dabei eine günstige Realisierungsmöglichkeit ergibt, ist die hohe Störanfälligkeit derartiger Geräte nachteilig. Bei­ spielsweise werden sämtliche auch nicht sprachbezogenen Geräusche, die in das abgefragte Frequenzband fallen als Sprache interpretiert.

Demgegenüber liegt der Erfindung die Aufgabe zugrunde, ein Verfahren und eine Einrichtung zur Sprachsteuerung von Gerä­ ten zu schaffen, wobei eine einerseits ohne hohen technischen Aufwand, d. h. preisgünstige, und andererseits mit geringer Störanfälligkeit, d. h. sichere, Spracherkennung erfolgen soll.

Diese Aufgabe wird erfindungsgemäß durch den ersten Verfah­ rensanspruch bzw. den ersten Vorrichtungsanspruch gelöst.

Die Erfindung basiert auf der Erkenntnis, daß die gesprochene Sprache gekennzeichnet ist durch die Zeitdauer von Tönen (Wörtern) und Pausen (Pausen zwischen den Wörtern). Wie Ver­ suche gezeigt haben, ist ein bestimmter Befehl unabhängig von der sprechenden Person im wesentlichen durch ein bestimmtes Zeitmuster von Ton- und Pausenlängen gekennzeichnet.

Durch Analyse dieser Zeitmuster des gesprochenen Satzes bzw. Befehls bezüglich Tondauer und Pausendauer ist daher eine einfache und sichere Spracherkennung möglich.

Das erfindungsgemäße Verfahren bzw. die erfindungsgemäße Ein­ richtung hat eine Reihe von Vorteilen.

Durch den ähnlichen Sprachrhythmus verschiedener europäischer Sprachen lassen sich mit Hilfe der Erfindung einfache Befehle verschiedener Sprachen, zum Beispiel der deutschen, der eng­ lischen, der französischen und der spanischen Sprache erken­ nen.

Trotz der Einfachheit des erfindungsgemäßen Verfahrens bzw. der erfindungsgemäßen Einrichtung wird eine ausreichend feh­ lerfreie Spracherkennung unabhängig von der sprechenden Per­ son erreicht. Unter Berücksichtigung des hohen identifizier­ baren Informationsgehaltes im gesprochenen Satz bzw. im ge­ sprochenen Befehl und der relativ hohen Fehlersicherheit ist die Erfindung im Vergleich zu der bisher bekannten Spracher­ kennung kostengünstiger zu realisieren.

Die Erfindung kann überall dort eingesetzt werden, wo eine kostengünstige Spracherkennung bzw. Sprachsteuerung mit hoher Störsicherheit benötigt wird. Anwendungsfälle sind sprachge­ steuerte Konsumgeräte, beispielsweise elektronische Wecker und Uhren und die Steuerung von Zusatzfunktionen in Kraft­ fahrzeugen. Bei den Uhren kann die Spracherkennung zur Steue­ rung der Weckwiederholungsfunktion, der Zifferblattbeleuch­ tung und ähnlicher Funktionen dienen. In Kraftfahrzeugen kön­ nen Zusatzfunktionen, beispielsweise elektrische Fensterhe­ ber, Radio, Gebläse, Heckscheibenheizung und dgl. sprachge­ steuert werden. Weitere Anwendungsfälle im Bereich der Unter­ haltungselektronik, wobei durch Spracherkennung beispiels­ weise bei Videorecordern und Fernsehempfängern die Funktionen dieser Geräte gesteuert werden können.

Vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den Unteransprüchen.

Ein Ausführungsbeispiel der Erfindung wird nun noch an der beiliegenden Zeichnung beschrieben. Es zeigen:

Fig. 1 ein Blockschaltbild zur Realisierung eines Aus­ führungsbeispieles der erfindungsgemäßen Einrich­ tung;

Fig. 2 eine Einrichtung zur Realisierung des Block­ schaltbildes von Fig. 1;

Fig. 3 eine graphische Darstellung zur Erläuterung der verwendeten Zeitfenster;

Fig. 4 ein Flußdiagramm für den Vergleich eines zu ana­ lysierenden Befehls mit einem einem bestimmten Befehl entsprechenden Mustersignal; und

Fig. 5 ein Flußdiagramm einer Spracherkennung für die Erkennung meherer Befehlssignale.

Die Sprachsteuerung wird im folgenden am Beispiel der sprach­ gesteuerten Aktivierung der Zifferblattbeleuchtung eines Wec­ kers beschrieben. Über den Befehl "Licht an" kann die Ziffer­ blattbeleuchtung für einige Sekunden eingeschaltet werden.

Das Blockschaltbild nach Fig. 1 zeigt eine Einrichtung mit einem Mikrofon 2, das ein Elektretmikrofon sein kann, durch das das Sprachsignal aufgenommen und in ein elektrisches Si­ gnal umgewandelt wird. Das Ausgangssignal des Mikrofons 2 wird zunächst in einem Verstärker 4 um etwa 60 dB verstärkt. Das Ausgangssignal des Verstärkers 4 wird in einem Tiefpaß­ filter gesiebt und gleichgerichtet und dem Eingang eines Mi­ kroprozessors 8 zugeführt. Durch ein am Ausgang 10 des Mikro­ prozessors anstehendes Signal wird die Zifferblattbeleuchtung des Weckers eingeschaltet. Für den Mikroprozessor eignet sich der Prozessor SMC 6281 von Seiko Epson. Da es sich bei diesem Mikroprozessor um eine Ausführung mit Komparatoreingang han­ delt, ist eine Aufbereitung des NF-Signals auf die jeweiligen Logikpegel nicht erforderlich.

Fig. 2 zeigt einen Schaltplan für eine Einrichtung nach dem Blockschaltbild von Fig. 1. Die Versorgungsspannung der Schaltung wird von zwei 1,5 Volt Batterien geliefert, wobei der Stromverbrauch der Schaltung mit den verwendeten Bau­ teilen kleiner als 30 µA ist. Bei dem Mikrofon 2 handelt es sich um ein Elektretmikrofon mit eingebautem FET-Vorverstär­ ker. Die an das Mikrofon 2 anschließende Verstärkerstufe ist eine Standardoperationsverstärkerschaltung. Die Verstärker­ stufe 4 ist so ausgelegt, daß hohe Frequenzen, wie sie im Sprachspektrum nicht vorkommen, ausgefiltert werden, um die Störsicherheit weiter zu erhöhen. Dazu ist ein Kondensator 20 vorgesehen, der für hohe Frequenzen näherungsweise zum Kurz­ schluß wird, so daß zwischen einem Plus- und einem Minus-An­ schluß eines Operationsverstärkers 22 keine Spannung abfällt. Zum anderen wird diese Filtercharakteristik durch die Wahl des Verstärkungsfaktors des Operationsverstärkers 22 be­ stimmt. Dieser ist so gewählt, daß die Grenzfrequenz des Operationsverstärkers 22 bei etwa 1900 Hz liegt, so daß die Verstärkung für höhere Frequenzen sehr stark abfällt.

An den Operationsverstärker 22 schließt sich eine Transistor­ stufe mit Widerständen 24, 26, 28, 30, einem Transistor 32 und einem Kondensator 34 an. In dieser Transistorstufe wird das NF-Signal noch einmal verstärkt. Die Notwendigkeit der Transistorstufe hängt von dem verwendeten Mikrofon und dem verwendeten Operationsverstärker ab.

Der Wechselanteil des NF-Signals wird von der Transistorstufe über einen Kondensator 36 an zwei Gleichrichterdioden 38, 40 zugeführt. Die gleichgerichtete Spannung erzeugt einen Span­ nungsabfall an einem RC-Glied bestehend aus einem Widerstand 42 und einem Kondensator 44, wobei der Spannungsabfall von der Amplitude des elektrischen Signals und damit von der Lautstärke des erfaßten NF-Signals abhängig ist.

Die über dem Kondensator 44 liegende Spannung wird dem Plus- Komparatoreingang des Mikroprozessors 8 zugeführt, während der Minus-Eingang des Mikroprozessors 8 über einen Spannungs­ teiler bestehend aus Widerständen 46, 48 an einer Referenz­ spannung liegt, die mit dem Widerstand 48 so eingestellt ist, daß bei einer bestimmten Lautstärke, beispielsweise 40 dB, die über dem Kondensator 44 und dem Widerstand 42 abfallende Spannung größer wird als die Referenzspannung, so daß der Ausgang des Komparators den Zustand logisch 1 einnimmt.

An den entsprechenden Anschluß des Mikroprozessors 8 ist ein Spannungsteiler 50 angeschlossen, der einen Widerstand 52 und einen lichtempfindlichen Widerstand 54 aufweist und an Plus bzw. Minus der Versorgungsspannung liegt. In Abhängigkeit von dem Lichteinfall auf den lichtempfindlichen Widerstand 54 kann die gesamte Einrichtung abgeschaltet werden, um während des Tages Strom zu sparen.

Die restliche Beschaltung des Mikroprozessors entspricht dem Applikationsvorschlag des Herstellers, wobei die Zifferblatt­ beleuchtung direkt an dem dafür speziell vorgesehenen An­ schluß des Operationsverstärkers angeschlossen werden kann.

Im folgenden wird der Ablauf der Sprachsteuerung beschrieben. Dabei wird zunächst das Zeitmuster des gesprochenen Satzes bzw. Befehls bezüglich Tondauer und Pausendauer analysiert. Danach werden die ermittelten Tondauern und Pausendauern der analysierten Tonfolge mit den für die zu erkennenden Befehle charakteristischen, in der gesprochenen Sprache immer wieder­ kehrenden, entsprechenden Zeitmustern verglichen. Wenn die analysierte Tonfolge eine ausreichende Übereinstimmung mit einem zu erkennenden Befehl aufweist, wird das gewünschte Steuersignal ausgelöst. "Ausreichend" bedeutet in diesem Zusammenhang, daß die Abweichung des Zeitmusters der analy­ sierten Tonfolge von dem bekannten Zeitmuster des zu erfas­ senden Befehls innerhalb bestimmter Toleranzbereiche liegt. Das Zeitmuster des Befehls sowie die optimalen Toleranzberei­ che werden in Versuchen ermittelt. "Optimal" bedeutet hier, daß ein sicheres Erkennen des Befehls bei ausreichender Störsicherheit gewährleistet ist.

Im folgenden wird die Spracherkennung bzw. Sprachsteuerung am Beispiel des Zeitmusters des Befehls "Licht an" beschrieben. Das Zeitmuster einer analysierten Tonfolge muß daher folgen­ den Verlauf aufweisen, um als Befehl "Licht an" interpretiert zu werden (Fig. 3):
Während einer Probephase T1, die mindestens 3 sec beträgt, darf kein Ton erkannt werden, dann erfolgt eine aktive Phase T2, die zwischen 0,2 und 0,7 sec liegt, so daß das Wort "Licht" in dieser Phase liegt. Darauf folgt eine Pausenphase T3, die eine Länge von mindestens 2 sec hat, worauf eine Ak­ tivphase T4 von 0,2 bis 0,5 sec folgt, in der das Wort "an" liegt. Anschließend muß eine Pausenphase T5 folgen, die min­ destens eine Länge von 4 sec hat.

Durch dieses Zeitmuster des Befehls "Licht an" läßt sich der Befehl mit großer Sicherheit feststellen.

Der Vergleich eines von dem Mikrofon empfangenen und in der beschriebenen Schaltung zu einem Meßsignal verarbeiteten Signals mit einem Mustersignal, das dem Zeitmuster des Be­ fehls "Licht an" entspricht, wird im folgenden anhand des Flußdiagramms von Fig. 4 beschrieben. Nach jedem Zeitab­ schnitt T1 bis T5 wird überprüft, ob das Meßsignal innerhalb des vorgegebenen Toleranzbereichs in das entsprechende Zeit­ fenster des Mustersignals paßt. Ist dies der Fall, so wird der anschließende Abschnitt des Meßsignals auf seine Überein­ stimmung mit dem folgenden Zeitfenster geprüft.

Wie aus Fig. 4 zu ersehen ist, werden nach der Initialisie­ rung des Vergleichs Tonpausen darauf überprüft, ob eine Ton- oder Signalpause A größer als die Probephase T1 ist. Wenn diese Bedingung nicht erfüllt ist (nein) wird zum Vergleich des Meßsignals mit dem nächsten Mustersignal übergegangen. Wenn die Bedingung erfüllt ist, wird der daran anschließende Ton daraufhin überprüft, ob er innerhalb des Toleranzbereichs des Signals A liegt. Liegt die Tonlänge innerhalb des Tole­ ranzbereiches von T2, d. h., wenn 0,2 sec < = t < = 0,7 sec ist, wird die daran anschließende Signalpause B daraufhin über­ prüft, ob sie länger als T3 ist, d. h., ob t < = 2 sec ist. Ist diese Bedingung erfüllt, wird das als nächstes auftretende Signal B daraufhin überprüft, ob seine Länge innerhalb des Toleranzbereiches von T4 liegt, d. h., ob 0,2 sec < = t < = 0,5 sec ist. Ist diese Bedingung erfüllt, wird überprüft, ob die anschließende Signalpause C größer als die Pausenphase T5 ist. Ist auch diese Bedingung erfüllt, so ist der Befehl "Licht an" identifiziert, und das Steuersignal "Licht" wird abgegeben, um die Zifferblattbeleuchtung aufleuchten zu las­ sen. Wenn eine eine Signalpause oder ein Signal in Meßsignal außerhalb des entsprechenden Zeitfensters liegt, wird zum Vergleich des Meßsignals mit dem nächsten Mustersignal über­ gegangen.

Für den Fall, daß mit der Sprachsteuerung bzw. Erkennungen nicht nur besprochener Befehl sondern mehrere Befehle erkannt und in Steuersignale umgesetzt werden sollen, müssen die ge­ sprochenen Befehle mit entsprechenden Mustersignalen vergli­ chen werden können. Beispielsweise werden die Mustersignale für die Befehle "Stop Wecken" im Falle von Weckern, "Aufnahme ein", "Aufnahme beenden" im Falle von Videorecordern oder "Fenster herunterfahren", "Radio einschalten" bei der Anwen­ dung in Kraftfahrzeugen in einem Speicher abgelegt und je­ weils mit den gemessenen Befehlssignalen verglichen. Diese Vorgehensweise wird im folgenden anhand von Fig. 5 beschrie­ ben.

Nach dem Einschalten der Spracherkennungs- bzw. Steuerein­ richtung bei START wird damit begonnen, die an dem Micropro­ zessor 8 anstehenden Eingangs- oder Meßsignale abzutasten. Als nächstes werden die logischen Werte der Meßsignale daraufhin überprüft,

• a) ob der logische Zustand des Meßsignals bei der gegenwär­ tigen Abtastung ebenso auf logisch 1 ist wie bei der vorher­ gehenden Abtastung
• b) ob der logische Zustand des Meßsignals bei der gegenwär­ tigen Abtastung wie bei der vorhergehenden Abtastung auf logisch 0 ist,
• c) ob der logische Zustand des Meßsignals bei der vorher­ gehenden Abtastung logisch 0 und bei der gegenwärtigen Abta­ stung logisch 1 ist, und schließlich
• d) ob der logische Zustand des Meßsignals bei der vorherge­ henden Abtastung logisch 1 und bei der gegenwärtigen Abtas­ tung logisch 0 ist.

Im Fall (a) wird der Abtastung des Meßsignals neu begonnen.

Im Fall (b) wird als nächstes überprüft, ob die Zeitdauer seit dem letzten Tonsignal größer als ein vorgegebener, mini­ maler Grenzwert t₀ ist. Dabei wird davon ausgegangen, daß zwischen zwei gesprochenen Befehlen eine Mindestpause von der Dauer t₀ vorhanden ist. Ist diese Bedingung nicht erfüllt, wird wieder mit der Abtastung des Meßsignals begonnen. Trifft diese Bedingung zu, wird der Vergleich des Zeitmusters des Meßsignals mit dem Zeitmuster des des ersten abgespeicherten Mustersignals durchgeführt nach der Vorgehensweise gemäß Fig. 4. Wenn dieser erste Vergleich dazu führt, daß eine Überein­ stimmung des Meßsignals mit dem Mustersignal festgestellt wird, wird die entsprechende Aktion, beispielsweise "Licht an" oder "Radio aus" durchgeführt. Führt der Vergleich des Meßsignals mit dem gespeicherten Mustersignal zu einem nega­ tiven Ergebnis, wird das Meßsignal mit dem nächsten abgespei­ cherten Mustersignal verglichen. Diese Vorgehensweise wird fortgesetzt, bis das Meßsignal mit allen abgespeicherten Mu­ stersignalen verglichen ist, und dann wird wieder mit der Ab­ tastung des Meßsignals begonnen. Die Vorgehensweise nach Fig. 4 liegt demnach zwischen den Punkten x, y und z von Fig. 5, wie durch die entsprechenden Bezugszeichen in Fig. 4 angedeu­ tet ist.

Im Falle (c) wird die Zeitdauer von dem letzten Übergang des Meßsignals von logisch 1 auf logisch 0 bis zu dem bei der ge­ genwärtigen Abtastung festgestellten Übergang von logisch 0 auf logisch 1 festgestellt und abgespeichert. Der entspre­ chende Zähler für diese Zeitdauer wird auf Null gesetzt. Nach diesem Schritt wird wieder mit der Abtastung des Meßsignals begonnen.

Im Falle (d) wird die Zeitdauer zwischen einem Übergang von logisch 0 auf logisch 1 und einem Übergang von logisch 1 auf logisch 0 als Tondauer ausgelesen und abgespeichert. Der ent­ sprechende Zähler wird dann auf Null gesetzt. Als nächstes wird auf den nächsthöheren Speicherplatz in dem Speicher wei­ tergeschaltet. Für den Fall, daß der gesprochene Befehl bis zu 4 Worte enthält, stehen die Speierplätze 0, 1, 2, 3 zur Verfügung, in denen jeweils durch Indizes der Zustand logisch 0 oder logisch 1 addressiert werden kann. Die zu dem indi­ zierten Zuständen gehörenden Zeitdauern werden an entspre­ chenden Plätzen des Speichers abgespeichert. Damit ist das gesamte erkannte Signal in dem Speicher festgehalten und kann, wie oben beschrieben, mit den ebenfalls abgespeicherten Mustersignalen verglichen werden. Danach kann mit der Abtas­ tung des nächsten Befehls begonnen werden.

Claims (13)

1. Verfahren zur Sprachsteuerung von Geräten, bei dem aus dem gesprochenen Satz oder Befehl ein elektrisches Si­ gnal erzeugt wird, das elektrische Signal analysiert und mit einem Mustersignal für den Satz oder Befehl verglichen wird und bei Übereinstimmung des analysier­ ten Satzes oder Befehls mit dem Mustersignal ein Steu­ ersignal abgegeben wird, dadurch gekennzeichnet, daß aus dem gesprochenen Satz oder dem gesprochenen Befehl ein durch ein Zeitmuster betreffend Tondauer und Pau­ sendauer charakterisiertes Meßsignal erzeugt wird, daß das Zeitmuster des Meßsignals mit dem Zeitmuster eines Mustersignals verglichen wird, und daß bei Übereinstim­ mung der Zeitmuster das Steuersignal erzeugt wird.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß das Zeitmuster des Meßsignals durch Zeitfenster aufge­ baut ist, und daß die Zeitfenster betreffend die Tondauer Toleranzbereiche aufweisen.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeich­ net, daß das Zeitmuster des Meßsignals durch Zeitfen­ ster aufgebaut ist, und daß die Zeitfenster betreffend die Pausendauer Toleranzbereiche aufweisen.

4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch ge­ kennzeichnet, daß mehrere Mustersignale mit ihren Zeit­ mustern abgespeichert werden, und daß das Zeitmuster des Meßsignals nacheinander mit den Zeitmustern der Mustersignale verglichen wird, wobei bei Übereinstim­ mung der Zeitmuster jeweils das dem Mustersignal ent­ sprechende Steuersignal erzeugt wird.

5. Anwendung des Verfahrens nach einem der Ansprüche 1 bis 4 auf die Steuerung von Weckern und Uhren.

6. Einrichtungen zur Durchführung des Verfahrens nach ei­ nem der Ansprüche 1 bis 4, die ein Mikrofon zur Umset­ zung des gesprochenen Satzes oder Befehls in elek­ trische Signale, eine Verarbeitungsschaltung für die Erzeugung von Meßsignalen aus den elektrischen Signalen und einen Mikroprozessor zur Analyse der Meßsignale und zum Vergleich der Meßsignale mit Mustersignalen vorge­ sehen ist, wobei der Mikroprozessor an einem Ausgang ein Steuersignal abgibt, gekennzeichnet durch, eine Vergleicherschaltung, in der die Amplitude des Meßsig­ nals mit einer Referenzspannung verglichen wird, wobei am Ausgang der Vergleicherschaltung ein Zustand logisch 1 ansteht, wenn das Meßsignal die Referenzspannung übersteigt, und ein Zustand logisch 0 ansteht, wenn die Amplitude des Meßsignals unter der Referenzspannung liegt, durch einen Mikroprozessor (8), in dem das Zeit­ muster des am Ausgang der Vergleicherschaltung anste­ henden Meßsignals mit dem Zeitmuster eines gespeicher­ ten Mustersignals verglichen wird, wobei der Mikropro­ zessor (8) an einem Ausgang (10) ein Steuersignal ab­ gibt, wenn eine Übereinstimmung der Zeitmuster der bei­ den Signale festgestellt ist.

7. Einrichtung nach Anspruch 6, dadurch gekennzeichnet, daß die Vergleicherschaltung im Mikroprozessor (8) ent­ halten ist.

8. Einrichtung nach Anspruch 6 oder 7, dadurch gekenn­ zeichnet, daß vor der Vergleicherschaltung ein Tief­ paßfilter (6) angeordnet ist.

9. Einrichtung nach einem der Ansprüche 6 bis 8, dadurch gekennzeichnet, daß vor der Vergleicherschaltung eine Gleichrichterstufe (38, 40) vorgesehen ist.

10. Einrichtungen nach einem der Ansprüche 6 bis 9, dadurch gekennzeichnet, daß das Ausgangssignal des Mikrofons in einem Operationsverstärker (22) verstärkt wird, zwi­ schen dessen Eingängen ein Kondensator (20) geschaltet ist, um hohe Frequenzen auszufiltern.

11. Einrichtung nach Anspruch 10, dadurch gekennzeichnet, daß der Verstärkungsfaktor des Operationsverstärkers (22) so gewählt ist, daß die Grenzfrequenz des Operati­ onsverstärkers bei etwa 1900 Hz liegt.

12. Einrichtung nach einem der Ansprüche 6 bis 11, gekenn­ zeichnet durch eine an den Mikroprozessor (8) ange­ schlossene Schaltung, die einen Spannungsteiler mit we­ nigstens einem lichtempfindlichen Widerstand (54) auf­ weist und den Mikroprozessor bei Tag abschaltet.

13. Anwendung der Einrichtung nach einem der Ansprüche 6 bis 12 zur Steuerung von Weckern und Uhren.