[发明专利]在语音识别后处理过程中使用音调来改进识别精度

说明书

技术领域

本发明总体涉及语音信号处理，更具体地涉及自动语音识别(ASR)。

背景技术

ASR技术使得配备有麦克风的计算设备能够理解语音，从而提供一种不同于传统的人-计算机输入设备(诸如键盘或小键盘)的替代方案。典型的ASR系统包括若干基本元件。麦克风和声学接口接收来自用户的字的发音，并将发音数字化为声学数据。声学预处理器将声学数据解析为包含信息的声学特征。解码器使用声学模型来将声学特征解码为发音假设。解码器为每个假设产生一个置信值，以反映每个假设在发音上匹配每个发音的子字的程度，并选择对于每个子字的最佳假设。使用语言模型，解码器将子字结合为对应于用户所发音的字的输出字。

在使用ASR的车辆中遇到的一个问题是ASR系统可能将车辆道路噪声误认为是语音。ASR系统接收到这种道路噪声可能导致插入不期望的声学数据，其导致语音的误识别。一些ASR系统试图使用前端信号处理或识别引擎算法来防止这种道路噪声插入。但这种技术涉及复杂的和资源密集的过程，其在很多情况下可能不能够真正地改善语音识别精确度。

发明内容

根据本发明的一个方面，提供了一种在车辆中进行自动语音识别的方法。该方法包括以下步骤：(a)在车辆中接收音频；(b)对所接收的音频进行预处理以产生声学特征向量；(c)对所产生的声学特征向量进行解码以产生语音假设；和(d)使用音调对至少一个语音假设进行后处理以改进语音识别精度。

根据本发明的另一个方面，提供了一种在车辆中进行自动语音识别的方法。该方法包括以下步骤：(a)在车辆中接收音频；(b)对所接收的音频进行预处理以产生声学特征向量；(c)对所产生的声学特征向量进行解码以产生语音假设；和(d)如果所接收的音频中存在音调，则在后处理过程中将语音假设接受作为识别出的语音，否则忽略该语音假设。

根据本发明的又一方面，提供了另一种在车辆中进行自动语音识别的方法。该方法包括以下步骤：(a)在车辆中接收音频；(b)对所接收的音频进行预处理以产生声学特征向量；(c)对所产生的声学特征向量进行处理以产生N最佳语音假设和相关联的置信分数和音节计数；(d)确定所接收的音频的音调计数；(e)通过将与语音假设相关联的音节计数与音调计数进行比较而对N最佳语音假设进行后处理；以及(f)将N最佳语音假设中的音节计数等于音调计数的语音假设接受作为识别出的语音。

附图说明

以下将结合附图说明本发明的一个或多个优选的示例性实施例，其中相似的标记表示相似的元件，其中：

图1是描述能够利用本文所公开的方法的通信系统的示例性实施例的框图。

图2是说明可用于图1的系统并用于实现语音识别的示例性方法的自动语音识别(ASR)系统的示例性实施例的框图。

图3是说明ASR方法的示例性实施例的流程图；

图4是在车辆ASR系统中所接收的语音音频的频率对时间的图；以及

图5是在车辆ASR系统中所接收的语音和道路噪声音频的频率对时间的图。

具体实施方式

以下描述的方法可以由车辆远程信息单元(VTU)使用作为识别由VTU的用户发出的语音的一部分。尽管以下描述的方法可以为VTU所实现，但应该懂得，它们可以用于任何类型的车辆语音识别系统以及其它类型的语音识别系统。

通信系统

参照图1，示出了一个示例性的操作环境，该操作环境包括移动车辆通信系统10并可以用于实现本文公开的方法。通信系统10通常包括车辆12、一个或多个无线载波系统14、陆地通信网络16、计算机18和呼叫中心20。应当理解，所公开的方法可以与任意多个不同的系统一起使用，而不是特别限制于本文示出的操作环境。同时，系统10的结构、构造、设置和操作以及其各个部件都是本领域所熟知的。由此，以下段落简单地提供了一个这种示例性系统10的简要概述；然而，本文未示出的其它系统也可以使用所公开的方法。