[发明专利]用于自动语音识别系统的共同讲话者调零

说明书

本申请提供了用于自动语音识别系统的共同讲话者调零。使用两个或更多麦克风定向地选择车辆中来自驾驶员的语音和来自乘客的语音。延迟来自驾驶员并由第一麦克风拾取的语音的样本，直到由第二麦克风拾取的语音的样本与由第一麦克风拾取的语音同相。延迟乘客的语音并由第二麦克风拾取的样本，直到由第一麦克风拾取的乘客的语音的样本和由第二麦克风拾取的语音异相。

相关申请的交叉引用

本申请与下列申请相关：Co-Talker Nulling Based on Multi SuperDirectional Beamformer，由Jianming Song和Mike Reuter发明，和本申请同日提交，并由代理人案号2013P03179US标识。

技术领域

本申请涉及语音识别领域，更具体地，涉及用于自动语音识别系统的共同讲话者调零。

背景技术

在最近几年中，通过计算机精确识别人类语音有所改善，但尚未百分之百地精确。语音识别系统的一个已知问题是排除从除了其语音旨在被识别的人以外的某个人发出的声音或语音，即共同讲话者（co-talker）的语音可能使语音识别系统混乱。能够定位并抑制来自共同讲话者声音将是优于现有技术的改善。

发明内容

本申请涉及一种在车辆中用于选择性地检测来自驾驶员的声音并抑制来自乘客的声音的方法，所述车辆具有驾驶员和乘客以及第一和第二麦克风，第一和第二麦克风在空间上彼此分离至少12英寸的距离，两个麦克风都能够检测来自乘客和驾驶员二者的声音，所述方法包括：在第一麦克风处选择性地检测来自驾驶员的声音的第一样本，来自驾驶员的声音的第一样本包括第一频率分量，来自驾驶员的声音的第一样本是处于第一相位角的第一频率分量的样本；在第二麦克风处选择性地检测来自驾驶员的声音的第二样本，来自驾驶员的声音的第二样本包括第一频率分量，所述第二样本是处于第二相位角的第一频率分量的样本；存储第一样本达第一预定时间长度，以提供延迟的第一样本，第一预定时间长度被选择为使得延迟的第一样本的相位角和第二相位角基本上彼此相等；以及组合延迟的第一样本和第二样本。

另外，本申请还涉及一种用于具有驾驶员和乘客以及第一和第二麦克风的车辆的装置，第一和第二麦克风在空间上彼此分离至少十二英寸的距离，两个麦克风都能够检测来自乘客和驾驶员二者的声音，该装置被配置成选择性地检测来自驾驶员的声音并抑制来自乘客的声音，该装置包括：数字信号处理器；耦合到数字信号处理器并存储程序指令的非临时性存储器设备，当程序指令被执行时，使得数字信号处理器：在第一麦克风处选择性地检测来自驾驶员的声音的第一样本，来自驾驶员的声音的第一样本包括第一频率分量，来自驾驶员的声音的第一样本是处于第一相位角的第一频率分量的样本；在第二麦克风处选择性地检测来自驾驶员的声音的第二样本，来自驾驶员的声音的第二样本包括第一频率分量，所述第二样本是处于第二相位角的第一频率分量的样本；存储第一样本达第一预定时间长度，以提供延迟的第一样本，第一预定时间长度被选择为使得延迟的第一样本的相位角和第二相位角基本上彼此相等；以及组合延迟的第一样本和第二样本。

附图说明

图1是车辆乘客室的平面图的示意性描绘；

图2是一对空间选择性麦克风检测波束的示意性表示；

图3描绘定向波瓣（lobe）对，表示空间选择性虚拟麦克风；

图4是音频系统的框图；

图5描绘由单个“波束”对上的话音样本处理器执行的方法的步骤，该方法实现从驾驶员选择性捕获或音频；

图6是话音样本处理器的框图；

图7是车辆乘客室的平面图的示意性描绘；

图8示出响应于来自驾驶员的语音信号的波形，该波形表示从图7所描绘的车辆乘客室中的麦克风输出的电信号；