TWI576823B - A sound transmission system for improving audio recognition rate and its data processing - Google Patents

Description

提升音訊辨識率之聲音傳輸系統及其資料處理方法

本發明係關於一種聲音傳輸系統，尤指一種可提升音訊辨識率之聲音傳輸系統及其資料處理方法。

科技日新月異，將資訊通過行動裝置的3G或者Wi-Fi進行發送、接收的傳輸技術已經相當的常見，而近年來更有利用聲音來傳輸資訊的技術，例如傳輸URL資訊，用戶只要拿著手機靠近電視旁，便可以播放相關的資訊，或者看到演唱會影片就可以收到相關介紹，或者是購買資訊，零售店也可以送出一些電子優惠券等，其應用相當廣泛。目前現有技術中具有一種利用聲音傳輸資料及控制命令之系統，請參閱圖7所示，其包括一播音設備91、一收音設備92，使用者在該播音設備91上操作並輸入字串或指令等，並轉換為可播放的聲音檔，以藉由空氣將聲波傳遞至該收音設備92，而該收音設備92接收聲波後便將聲波進行處理，以取得聲波中之字串或指令，並根據辨識字串或指令的內容而自動執行相對應的動作，讓使用者可以僅利用播音設備91發送聲音，就能控制相對應的收音設備92並取得所需要的服務。

為要說明現有技術中的播音設備91如何將使用者輸入的字串轉換為聲波進行傳送，並由對應的收音設備92接收，如圖8與圖9所示，其中分別由該播音設備91、該收音設備92執行以下步驟：該播音設備91接受一使用者輸入的字串，把使用者輸入的字串轉換成二進制的資料，並將二進制的資料調變為一聲音檔；再由該播音設備91根據系統預設的模式判斷是否壓縮該聲音檔，若是，則進行破壞性／無失真壓縮，並將壓縮後的檔案播放，若否，則直接將該聲音檔播放；當該收音設備92接收到一組聲音訊號，將該組聲音訊號解調變，並轉換為一字串，再根據該字串的內容以決定所採取的後續動作。

由上述的步驟可知，若使用者於該播音設備91輸入一筆字串（如”NB”），該播音設備91係將該筆字串透過ASCII碼轉換為二進制的資料（如”00110101”），並透過一頻率偏移調變（FSK）將二進制的資料調變為一聲音檔，以將該筆字串透過聲波的方式進行傳輸，然而，該頻率偏移調變的技術係透過不同頻率來表示二進制的資料，意即是藉由改變傅立葉變換（Fourier transform）中的頻域（f）來記錄資料，若以頻率為15KHz以及18KHz為例，將字串轉換並得到”00110101”時，便將”0”的資料紀錄於15KHz，而將1的資料紀錄於18KHz，因此，播音設備91將以兩個不同的頻率來分別記錄資料。

進一步的，為了減少資料的傳輸量，在該播音設備91與該收音設備92進行傳輸的時候，該播音設備91會將FSK調變過後的資料進行破壞性壓縮，如圖10所示，其中該播音設備91透過FSK將二進制的資料調變，並以一原始頻譜93的形式呈現資料調變後的聲音訊號及其特徵，當該播音設備91對聲音訊號執行一破壞性壓縮（如HE-AAC 64Kbps壓縮）演算法步驟後，並以一經壓縮之頻譜94的形式呈現，雖然壓縮後確實減少傳輸量，但必須說明的是，由於該破壞性壓縮演算法係利用破壞、刪減或修改部分原始聲音訊號的方式，並以減少資料量為其主要目的，故現有技術中普遍的作法是先將原始聲音訊號進行採樣，再利用人類所具有的聽覺門檻與遮蔽效應，將一般人所無法察覺的部分濾除、整併或削減，但是其結果會造成聲音訊號的模糊、混亂、頻率偏移或能量衰減，如該經壓縮之頻譜94所呈現的聲音訊號及其特徵都模糊、難以分析；再者，破壞性壓縮演算法在調整位元率(bit rate)時，當位元率越低，則被破壞、刪減或修改的資訊越多，雖然對人耳聽覺感受造成的影響微小，但是對於該收音設備92將接收到的聲音訊號進行頻率或波形的分析，以讀取其預藏的資訊而言，在通過破壞性壓縮演算法後，極易造成該收音設備92無法識別聲音訊號內容的情況。

由上述可知，現有技術中利用聲音傳輸隱藏資訊的技術，其存在有通過破壞性壓縮演算法後，極易造成該收音設備92無法識別聲音訊號內容的問題，而且現有技術中其他的超音波傳訊技術也都是採用調頻方式，即利用頻率的高低表示位元值的”0”或”1”，也有少數是使用一相位偏移調變（PSK）的技術，其主要是利用波形的相位角來表示不同的位元值以對資料進行調變，但是現有技術中無論是透過FSK或PSK甚至是ASK進行調變，在通過破壞性壓縮編碼後，皆會使得原始聲音訊號之波形或頻率遭到破壞，亦經常造成該收音設備92無法讀取正確的位元值而產生錯誤，更導致資料傳輸經常有失敗、不穩定的問題，因此，以上述現有技術而言，確實有待提出更理想解決方案之必要性。

有鑑於上述現有技術之不足，本發明主要目的係提供一種提升音訊辨識率之聲音傳輸系統及其資料處理方法，其透過一用於發送聲音的裝置及相對應一用於接收聲音的裝置進行聲音傳輸，將所要傳輸的資訊經過處理、調變後，使多數脈衝訊號能被隱含在傳輸的聲波之中，故在連續時間中能夠提升裝置對音訊的辨識率，並增加系統精確度以及穩定性。

欲達上述目的所採取的主要技術手段係令前述提升音訊辨識率之聲音傳輸系統的資料處理方法，主要係由一第一裝置向相匹配的一第二裝置傳遞聲波，並由該第一裝置執行下列步驟： 接受一資訊； 將該資訊轉換為一數位資料，並對該數位資料執行一資料狀態變換運算，以產生一具有時間狀態特性的字元序列資料； 將該字元序列資料加入一校驗碼及一標頭資訊，以構成一位元排列； 讀取該位元排列，並將其調變為一組聲波； 將該組聲波播放以供該第二裝置接收。

上述步驟主要係由該第一裝置向該第二裝置播放聲音，當該第一裝置接受到該資訊，並將該資訊轉換為該數位資料，該第一裝置再對該數位資料執行資料狀態變換運算，以產生具有時間狀態特性的字元序列資料，使得該字元序列資料能夠在連續時間中以多數脈衝訊號供第二裝置判讀資料內容，而該第一裝置將該字元序列資料加入該校驗碼及該標頭資訊以構成新的位元排列，再將其調變為一組聲波以供該第二裝置接收，當該第二裝置收到該組聲波後，只需將其進行濾波、解調變並取得該具有時間狀態特性的字元序列資料，以將該字元序列資料轉換回一可讀資訊，並根據該可讀資訊進一步取得資訊內容，由於該字元序列資料具有時間狀態特性，能夠在連續時間中快速又精準的讓第二裝置判讀多數脈衝訊號而取得資訊內容，不僅提升音訊辨識率，更能夠達到增加系統精確度及穩定性的目的。

欲達上述目的所採取的又一主要技術手段係令前述提升音訊辨識率之聲音傳輸系統包括： 一第一裝置，其包括一第一處理器、一音訊輸出單元，該第一處理器係與該音訊輸出單元連接，並透過該音訊輸出單元將音訊輸出； 一第二裝置，其包括一第二處理器、一音訊接收單元，該第二處理器係與該音訊接收單元連接，該音訊接收單元係用以接收音訊，並傳送至該第二處理器，由該第二處理器執行音訊處理或資料辨識； 其中，當該第一裝置的第一處理器讀取一資訊，則使該資訊轉換為一數位資料，並對該數位資料執行一資料狀態變換運算以產生一具有時間狀態特性的字元序列資料，該第一處理器再將該字元序列資料加入一校驗碼及一標頭資訊以構成一位元排列，當該第一處理器讀取該位元排列後便將其調變為一組聲波，並播放該組聲波供第二裝置接收。

由上述構造可知，本發明提升音訊辨識率之聲音傳輸系統主要是由該第一裝置的第一處理器將處理後的音訊透過其音訊輸出單元播放一組含有資訊的聲波，並由該第二裝置的音訊接收單元接收該組聲波，再將該組聲波轉換成音訊傳送至該第二處理器，經由該第二處理器執行後續所需的音訊處理或資料辨識；其中該第一裝置處理音訊的方式，是透過第一處理器讀取該資訊，使該資訊轉換為一數位資料，並對該數位資料執行資料狀態變換運算以產生具有時間狀態特性的字元序列資料，該第一處理器再將該字元序列資料加入校驗碼及標頭資訊以構成該位元排列，再將該位元排列調變為該組聲波並播放給該第二裝置；當該第二裝置收到該組含有資訊的聲波後，即透過該第二處理器執行音訊處理或資料辨識，該第二處理器對該組聲波進行濾波、解調變並取得前述具有時間狀態特性的字元序列資料，以將該字元序列資料轉換回一可讀資訊，並根據該可讀資訊取得資訊內容，由於該字元序列資料具有時間狀態特性，令該第二處理器能夠快速又精準的判讀多數脈衝訊號，以進一步的取得隱含的資訊內容，因此能夠提升音訊辨識率，而達到增加系統精確度及穩定性的目的。

關於本發明提升音訊辨識率之聲音傳輸系統的較佳實施例，請參閱圖1所示，其主要係由一第一裝置10在一介質（如空氣）中向一第二裝置20傳遞一組聲波，該聲波（聲音）是在空氣中一連續不斷的訊號，可稱為聲音訊號（Audio Signal, 音訊），亦泛指由人耳聽到的各種聲音的訊號。本實施例中，該第一裝置10、該第二裝置20可分別為一行動裝置、一智慧裝置或一電腦設備等電子裝置。

該第一裝置10包括一第一處理器11、一音訊輸出單元12以及一輸入單元（圖中未示），該第一處理器11係分別與該音訊輸出單元12、該輸入單元連接，該第一處理器11可內建／預設資訊，或透過該輸入單元輸入資訊，藉由該第一裝置10的第一處理器11讀取一資訊，並對該資訊進行資訊轉換，並對轉換結果執行一資料狀態變換運算以產生一具有時間狀態特性的字元序列資料，該第一處理器11再將該字元序列資料加入一校驗碼及一標頭資訊以構成一位元排列，當該第一處理器11讀取該位元排列後便將其調變為一組聲波，並透過該音訊輸出單元12播放該組聲波並於空氣中傳遞，以將一含有資訊的聲波輸出供該第二裝置20接收。

本實施例中，該第一處理器11對該資訊進行資訊轉換，係使該資訊轉換為一數位資料，並對該數位資料執行該資料狀態變換運算以產生具有時間狀態特性的字元序列資料。

該第二裝置20係包括一第二處理器21、一音訊接收單元22，該第二處理器21係分別與該音訊接收單元22連接，該音訊接收單元22係用以接收該第一裝置10所播放出來的聲音，並將接收的該組聲波傳送至該第二處理器21，由該第二處理器21執行音訊處理或資料辨識；當該第二裝置20收到該組含有資訊的聲波後，即透過第二處理器21對該組聲波進行濾波、解調變並取得前述具有時間狀態特性的字元序列資料，以將該字元序列資料轉換回一可讀資訊，並根據該可讀資訊中具有前述標頭資訊、校驗碼，而能夠正確取得該資訊，由於該字元序列資料具有時間狀態特性，令該第二處理器21能夠快速又精準的判讀出多數脈衝訊號，以進一步取得隱含的資訊內容，不僅能提升音訊辨識率，更能夠增加系統的精確度及穩定性。

本實施例中，該第二處理器21對該組聲波進行濾波、解調變並取得前述具有時間狀態特性的字元序列資料，其中該第二處理器21係進一步透過一帶通濾波器、一快速傅立葉轉換（Fast Fourier Transform, FFT）以分別對該組聲波進行濾波、解調變。

為說明本發明較佳實施例中該第一裝置10於資訊轉換之資料結構的處理方式，請參閱圖2所示，其中由該第一裝置10的第一處理器11讀取該資訊，本實施例中，該資訊可為一輸入字串（如”0xD6”），在進行資訊轉換時，係先將該輸入字串對應ASCII碼而產生該數位資料，該數位資料可為一組二進制資料（如”11010110”），並對該組二進制資料執行該資料狀態變換運算，以產生一具有時間狀態特性的字元序列資料，本實施例中，該資料狀態變換運算係由該第一處理器11依序判斷該二進制資料的位元資料，當讀取到第一個位元資料為”1”時，透過一調變程序在一時域（t）的一時間點被呈現為一有脈衝訊號狀態，當接收到第二個位元資料亦為”1”時，該調變程序在2倍時域（t+t）的時間點又被呈現為一有脈衝訊號狀態，若繼續接收到第三個位元資料為”0”時，該調變程序在3倍時域（t+t+t）的時間點被呈現為一無脈衝訊號狀態，依此類推，即產生具有時間狀態特性的字元序列資料，之後再加入一校驗碼及一標頭資訊以構成該位元排列30，並由該第一裝置10將該位元排列30調變為聲波；本實施例中，該調變程序可為一數學公式Asin（2Πft+θ），其中A為振幅、f為頻率、t為時間、θ為相位。

為進一步說明本實施例中的位元排列30即使經調變、壓縮仍具有高度的可判讀性，請參閱圖3所示，當上述聲波以一頻譜31的形式呈現該位元排列30經調變後的聲音訊號及其聲音特徵，該頻譜31的一垂直軸代表一頻率（HZ）、一水平軸代表一時間（T）；當該第一處理器11對聲音訊號及其聲音特徵執行一破壞性壓縮（如HE-AAC 64Kbps壓縮）演算法進行測試，並以一破壞性壓縮之頻譜32的形式呈現，由此可知，雖然訊號經過壓縮後仍舊會模糊，但是透過資料排列方式的處理，將使資料間不會相互影響，而且壓縮後還能大幅度的減少傳輸量，因此當該第二裝置20讀取、辨識「有／無脈衝訊號」之狀態時，仍能快速、精確的解讀資訊內容，即使聲音訊號更加模糊仍可以透過調整傅立葉變換的時域間距，使其依然能夠快速區分「有／無脈衝訊號」之狀態，使得該第二裝置20接收到聲音訊號時，可成功傳遞訊息並正確的解調變出原來的資訊內容。

另外，於本實施例中當該第一裝置10的第一處理器11將該位元排列30調變為聲波後，可進一步的由該第一處理器11執行一資料比對程序，該資料比對程序係於第一處理器11預先測試否能將聲波中的資訊正確判讀，若無法將資訊完整判讀，則將進一步回到進行資訊轉換前，並將該資料狀態變換運算的一時間參數（T）放大，該時間參數可為傅立葉變換的時域（t）間距。

由上述本發明之較佳實施例的說明，可歸納出提升音訊辨識率之聲音傳輸系統的資料處理方法，其主要係由該第一裝置10向相匹配的該第二裝置20傳遞聲波，如圖4所示，並由該第一裝置10執行下列步驟： 接受一資訊（S41）； 將該資訊轉換為一數位資料，並對該數位資料執行一資料狀態變換運算（S42），以產生一具有時間狀態特性的字元序列資料；本實施例中，當進行資訊轉換時，係使該資訊轉換為該數位資料（如二進制資料），並對該數位資料執行該資料狀態變換運算；進一步的，該資訊亦可為一字串； 將該字元序列資料加入一校驗碼及一標頭資訊，以構成一位元排列（S43）； 讀取該位元排列，並將其調變為一組聲波（S44）； 將該組聲波播放以供該第二裝置20接收，或儲存該組聲波（S45）；於本實施例中，進一步對該組聲波進行壓縮，並執行一資料比對程序，係預先測試能否將聲波中的資訊正確判讀，若無法將資訊完整判讀，則將進一步回到進行資訊轉換步驟，並調整該資料狀態變換運算的參數； 判斷是否需產生下一組聲波（S46），若是，則回到前述「接受一資訊（S41）」步驟。

藉由上述步驟，以該第一裝置10向該第二裝置20播放聲音，當該第一裝置10接受到資訊後再將其轉換為數位資料，並於執行該資料狀態變換運算後產生具有時間狀態特性的字元序列資料，使得該字元序列資料能夠在連續時間中只以有／無脈衝訊號的狀態供第二裝置判讀出資料內容，於本實施例中，當該第一裝置10將該組聲波播放並供該第二裝置20接收時，如圖5所示，並由該第二裝置20執行下列步驟： 接受一組聲波（S51）； 將該組聲波進行轉換（S52），本實施例中亦可進一步將該組聲波進行濾波並轉換，該第二裝置20係進一步透過一帶通濾波器、一快速傅立葉轉換（Fast Fourier Transform, FFT）以分別對該組聲波進行濾波、解調變； 將轉換後的聲音特徵解調變為一數位資料，並將該數位資料轉換為一可讀資訊，並根據該可讀資訊取得資訊內容（S53）；本實施例中，該可讀資訊可為一字串。 將該可讀資訊回傳至近／遠端（S54），判斷是否繼續接收下一組聲波（S55），若是，則回到前述「接受一組聲波（S51）」步驟。

由上述步驟可知，當該第二裝置20收到該組聲波後便將其進行濾波、解調變並取得該具有時間狀態特性的字元序列資料，以將該字元序列資料轉換回一可讀資訊，並根據該可讀資訊取得資訊內容，當上述步驟執行至「將轉換後的聲音特徵解調變為一數位資料，並將該數位資料轉換為一可讀資訊，並根據該可讀資訊取得資訊內容（S53）」步驟，如圖6所示，並由該第二裝置20進一步執行下列步驟： 讀取該組聲波經轉換後的聲音特徵（S531）； 將該聲音特徵進行解調變（S532），以產生該數位資料； 根據該數位資料判斷是否有讀取到其中一標頭資訊（S533）； 若是，則根據一校驗碼判斷其中的資訊是否正確（S534）； 若是，則將解調變後的數位資料轉換為一資訊（S535）； 將該資訊回傳至近／遠端（S536）； 當執行前述「判斷其中的資訊是否正確（S534）」步驟，若否，則改變讀取該組聲波的範圍（S537），並回到「讀取該組聲波經轉換後的聲音特徵（S531）」步驟； 當執行前述「根據該數位資料判斷是否有讀取到其中一標頭資訊（S533）」步驟，若否，則改變讀取該組聲波的範圍（S537），並回到「讀取該組聲波經轉換後的聲音特徵（S531）」步驟。

本發明透過上述具有時間狀態特性的字元序列資料，採用僅讀取「有／無脈衝訊號」（即聲音脈衝的狀態），所以即使經過破壞性壓縮編碼後只要仍然有脈衝訊號，該第二裝置20還是可以判讀訊息內容，確實能夠解決現有技術中聲音訊號通過破壞性壓縮編碼後，皆會使得原始聲音訊號之波形或頻率遭到破壞，亦經常造成無法讀取到正確的資料而產生錯誤，以及資料傳輸經常有失敗、不穩定的問題。

10‧‧‧第一裝置
11‧‧‧第一處理器
12‧‧‧音訊輸出單元
20‧‧‧第二裝置
21‧‧‧第二處理器
22‧‧‧音訊接收單元
91‧‧‧播音設備
92‧‧‧收音設備
93‧‧‧原始頻譜
94‧‧‧經壓縮之頻譜

圖1 係本發明一較佳實施例的聲音傳輸系統示意圖。 圖2 係本發明一較佳實施例的資訊轉換之資料結構示意圖。 圖3 係本發明一較佳實施例的調變頻譜與壓縮之測試結果示意圖。 圖4 係本發明一較佳實施例的第一裝置資料處理方法流程圖。 圖5 係本發明一較佳實施例的第二裝置資料處理方法流程圖。 圖6 係本發明一較佳實施例的第二裝置解調變與資料轉換流程圖。 圖7 係一已知的聲音傳輸系統方塊圖。 圖8 係一已知的播音設備之播放聲音流程圖。 圖9 係一已知的收音設備之接收聲音流程圖。 圖10 係一已知將FSK調變資料進行壓縮的應用狀態示意圖。

10‧‧‧第一裝置

11‧‧‧第一處理器

12‧‧‧音訊輸出單元

20‧‧‧第二裝置

21‧‧‧第二處理器

22‧‧‧音訊接收單元

Claims (10)

1. 一種提升音訊辨識率之聲音傳輸系統的資料處理方法，主要係由一第一裝置向相匹配的一第二裝置傳遞聲波，並由該第一裝置執行下列步驟：接受一資訊；將該資訊轉換為一數位資料，並對該數位資料執行一資料狀態變換運算，以產生一具有時間狀態特性的字元序列資料；將該字元序列資料加入一標頭資訊，以構成一位元排列；讀取該位元排列，並將其調變為一組聲波；將該組聲波播放以供該第二裝置接收；其中，當上述步驟執行至將該組聲波播放以供該第二裝置接收步驟，該方法進一步包括下列步驟：該第一裝置對該組聲波進行壓縮，並執行一資料比對程序，係預先測試否能將聲波中的資訊正確判讀，若無法將資訊完整判讀，則將進一步回到進行資訊轉換步驟，並調整該資料狀態變換運算的參數。
2. 如請求項1所述之提升音訊辨識率之聲音傳輸系統的資料處理方法，當上述步驟執行至將該字元序列資料加入一標頭資訊，以構成一位元排列步驟，進一步執行下列步驟：將該字元序列資料加入一校驗碼及該標頭資訊，以構成該位元排列。
3. 如請求項1所述之提升音訊辨識率之聲音傳輸系統的資料處理方法，其中該資訊可為一輸入字串，進行資訊轉換而產生該數位資料，並對該數位資料執行該資料狀態變換運算。
4. 如請求項1所述之提升音訊辨識率之聲音傳輸系統的資料處理方法，其中該資料狀態變換運算係依序判斷資料，將讀取到的資料透過一調變程序，在一時域的一時間點，以有/無脈衝訊號來表示。
5. 如請求項1至4中任一項所述之提升音訊辨識率之聲音傳輸系統的資料處理方法，當該第一裝置將該組聲波播放並供該第二裝置接收，並進一步由該第二裝置執行下列步驟：接受該組聲波；將該組聲波進行轉換；將轉換後的聲音特徵解調變，並轉換為一可讀資訊，再根據該可讀資訊取得前述資訊；將該資訊回傳。
6. 如請求項5所述之提升音訊辨識率之聲音傳輸系統的資料處理方法，當上述步驟執行至將該組聲波進行轉換步驟，進一步執行下列步驟：將該組聲波進行濾波並轉換。
7. 如請求項5所述之提升音訊辨識率之聲音傳輸系統的資料處理方法，當上述步驟執行至將轉換後的聲音特徵解調變，並轉換為該可讀資訊，再根據該可讀資訊取得前述資訊，更包括下列步驟：讀取該組聲波經轉換後的聲音特徵；將該聲音特徵進行解調變；判斷是否有讀取到其中一標頭資訊；若是，則判斷其中的資訊是否正確；若是，則將解調變後的資料轉換為該資訊；將該資訊回傳。
8. 如請求項7所述之提升音訊辨識率之聲音傳輸系統的資料處理方法，當執行前述判斷是否有讀取到其中該標頭資訊步驟，若否，則改變讀取該組聲波的範圍，並回到讀取該組聲波經轉換後的聲音特徵步驟。
9. 如請求項7所述之提升音訊辨識率之聲音傳輸系統的資料處理方法，當執行前述判斷其中的資訊是否正確，若否，則改變讀取該組聲波的範圍，並回到讀取該組聲波經轉換後的聲音特徵步驟。
10. 一種前述提升音訊辨識率之聲音傳輸系統，其包括：一第一裝置，其包括一第一處理器、一音訊輸出單元，該第一處理器係與該音訊輸出單元連接，並透過該音訊輸出單元將音訊輸出；一第二裝置，其包括一第二處理器、一音訊接收單元，該第二處理器係與該音訊接收單元連接，該音訊接收單元係用以接收音訊，並傳送至該第二處理器，由該第二處理器執行音訊處理或資料辨識；其中，該第一裝置的該第一處理器係執行如請求項1至9中任一項所述之提升音訊辨識率之聲音傳輸系統的資料處理方法中所述的步驟；該第二裝置的該第二處理器係執行如請求項4至9中任一項所述之提升音訊辨識率之聲音傳輸系統的資料處理方法中所述的步驟。