[发明专利]一种提高远场语音识别率的方法、系统及可读存储介质

说明书

本发明提供了一种提高远场语音识别率的方法、系统及存储介质。智能电视通过雷达实时扫描智能电视前方，获取前方物体的位置、移动及特征信息，通过波达方向定位技术检测和定位发出“激活词”的声源的方位，并通过雷达获取的特征信息判定声源是否为人，如果声源是人，则通过MIC阵列形成一个指向声源方向的窄的拾音波束进行拾音，通过雷达实时定位声源，拾音波束根据雷达提供的声源的位置参数实时调整角度跟踪声源，保证了拾音的稳定性。与现有技术干扰源和目标声源区分难，定位不精确，无法在目标声源移动时拾音相比较，本发明可以精准定位以及区分干扰源与目标声源，并能对目标声源进行跟踪，提高了远场语音识别率。

技术领域

本发明涉及一种智能电视技术，尤其涉及一种提高远场语音识别率的方法、系统及可读存储介质。

背景技术

随着智能电视技术的发展，AI逐渐成为电视产品的标配，实现语音交互也就成为AI智能电视发展的方向。目前市场上的AI智能电视，很多都支持语音交互功能。所谓远场语音，顾名思义就是在较远的地方（比如5米以外），AI智能电视等智能设备也可以听得清、听得懂用户的语音指令，是融合了AI语音搜索的一项改变用户体验的创新性交互功能，在远场语音交互中，如何在复杂的客厅环境中，用语音轻松唤醒操控智能电视设备成为极为重要的用户体验。远场语音识别需要前后端结合去完成：在前端，使用麦克风阵列，通过声源定位及自适应波束形成做语音增强，完成远场拾音，并解决噪声、混响、回声等带来的影响；在后端，也就是后台识别引擎，通过软硬件的复杂结合，让远场语音实现人机交互，让用户远距离实现与智能电视的“对话”。目前智能电视远场语音技术中，在多声源的情况下要有效拾取目标声音的声音，同时避免其他声源的声音干扰，通常采用的技术有：声源定位技术、波束成形技术、盲源分离技术等等。而这些技术，目前都存在着一些局限性：比如声源定位技术，当干扰源和目标声源在同一方向发声时，系统无法区分干扰源和目标声源；另外声源定位到某一方位后，波束成形的角度是固定的，如果目标声源发生移动，目标声源就可能会移出原本定位到的区域，从而导致无法有效拾音；再如盲源分离技术主要是通过声压大小来判定目标声源和干扰源，但目标声源的声音可能比干扰源的声音大，也有可能是比干扰源的声音小，所以无法很准确的区分目标声源和干扰源。综上所述，由于目前已有的技术的局限性，远场语音在某些条件下的效果并不是很理想，用户体验差。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足之处，本发明为解决现有技术缺陷和不足，提出了一种提高远场语音识别率的方法，通过在智能电视上融合雷达的定位技术和波达方向定位技术（DOA），对各个声源信息进行收集、处理及判断，精准定位和区分干扰源与目标声源，结合内置远场语音波束成形功能，形成一个角度较小的拾音波束，只指向目标声源并拾取目标声源的声音，达到精准拾音的目的，由于雷达定位的实时性，进而实时调整波束的角度来跟踪和拾取目标声源的声音，解决了目标声源位置发生移动时无法拾音问题。

本发明解决技术问题所采用的技术方案如下：

一种提高远场语音识别率的方法，用于实现对目标声源的精准定位和有效拾音，提高在复杂坏境下的远场语音识别率，包括如下步骤：

A、通过雷达实时扫描智能电视正前方，获取前方物体的位置、移动及特征信息；

B、通过波达方向定位技术检测和定位发出“激活词”的声源的方位，通过雷达获取的所述特征信息判定所述声源是否为人；

C、如判断所述声源为人，则形成一个指向所述声源方向的窄拾音波束进行拾音；

D、通过雷达实时定位，拾音波束跟踪所述声源拾音。

作为进一步的改进技术方案，上述步骤A是通过雷达定位功能实时扫描智能电视正前方所有物体，利用不同的物体所具有的特征不一样的特性，以获取所述智能电视正前方所有物体的位置、移动及特征信息。

作为进一步的改进技术方案，上述步骤B具体包括如下步骤：