周瑞巖

摘要：隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，語音識別、語音翻譯等在生活中普遍應(yīng)用。以現(xiàn)有基于互聯(lián)網(wǎng)構(gòu)建的語音識別技術(shù)為基礎(chǔ)，對其原理進行分析，語音命令轉(zhuǎn)換器利用離線數(shù)據(jù)庫進行語音降噪處理，識別采集的語音信息并轉(zhuǎn)換形成文本信息，與數(shù)據(jù)庫的特定數(shù)據(jù)指令進行匹配，再按照指令格式輸出用于試驗訓練，以提高采集信息的時效性。

關(guān)鍵詞：降噪；音頻采集；語音識別；語義分析；命令翻譯；數(shù)據(jù)庫

中圖分類號：TP274文獻標志碼：A文章編號：1008-1739（2018）23-60-2

0引言

近年來，隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，云技術(shù)和大數(shù)據(jù)技術(shù)構(gòu)建的智慧城市、智慧交通等已經(jīng)惠及生活，較前些年僅可以通過電話、短信方式進行通信，現(xiàn)以互聯(lián)網(wǎng)技術(shù)構(gòu)建的微信語音、微信視頻等通信方式更方便，雖然語音識別、語音翻譯等應(yīng)用APP在生活中隨處可見，但該技術(shù)卻未曾在軍事應(yīng)用中實現(xiàn)，隨著部隊深化改革的推進，以往通過輔助終端發(fā)送命令或裝備信息的方式很難在時域、頻域及可用性上滿足試驗訓練考核的需求，為此借助當前市場上的語音識別、語音翻譯等技術(shù)及實現(xiàn)模式，以試驗訓練需求為根本，進行語音命令轉(zhuǎn)換器的設(shè)計。

該設(shè)備實現(xiàn)中文自然語音命令的識別，并轉(zhuǎn)換成相應(yīng)的設(shè)備控制指定報文。輸入為中文語音命令，內(nèi)部進行識別、語義翻譯及存儲結(jié)果，同時可以實現(xiàn)語音命令翻譯為設(shè)備控制報文。

1系統(tǒng)國內(nèi)外現(xiàn)狀

圍繞著語音識別翻譯，國內(nèi)外有很多圍繞互聯(lián)網(wǎng)開發(fā)的相應(yīng)軟硬件系統(tǒng)。

1.1國外現(xiàn)狀

在國外有Nuance、Google、Apple、MSRA語音等公司進行語音識別的開發(fā)，還有多款開源軟件，如HTK、Kaldi、Speech等。

①HTK[1]：一款語音識別工具包，源碼可免費獲取。識別流程：語音文件---》HMM---》文件信息；訓練流程：訓練語音文件---》HTK---》HMM。

②Kaldi[2]：一款非常強大的語音識別工具庫，主要由Daniel Povey開發(fā)與維護，目前支持GMM-HMM、SGMM-HMM、DNN-HMM等多種語音識別模型的訓練與預測。其中DNN-HMM中的神經(jīng)網(wǎng)絡(luò)還有配置文件自定義，DNN、CNN、TDNN、LSTM及Bidirectional-LSTM等神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)均可支持。

③Speech工具庫：使用Python3依賴Speech模塊，弊端是離線版開發(fā)難度大。

1.2國內(nèi)現(xiàn)狀

國內(nèi)開發(fā)類似軟件的公司有科大訊飛、云知聲及百度語音等，其中科大訊飛的多款產(chǎn)品應(yīng)用廣泛，如訊飛翻譯機2.0、訊飛輸入法、訊飛聽見、阿法爾蛋及叮咚音樂盒，還有支持開發(fā)的語音引擎。

2方案設(shè)計

2.1總體設(shè)計

語音命令轉(zhuǎn)換器采用獨立的系統(tǒng)設(shè)計[1-2]，輸入接口為語音，輸出可以是串口、網(wǎng)口或者其他類型接口。為了保證語音采集的清晰可靠，采集設(shè)備可以采用高性能的降噪麥克風或麥克風陣列，通過音頻接口輸入計算機。命令的報文輸出可以根據(jù)具體的操作設(shè)備輸入不同而采用不同的接口，例如有UART、CAN及以太網(wǎng)等[3-4]。

為了提高識別準確度，命令需要按照預定義的格式提前在系統(tǒng)中存儲。當語音命令轉(zhuǎn)換器收到語音指令后，會根據(jù)在系統(tǒng)中預置的命令去匹配目標設(shè)備和具體的操作指令[5]。

例如：系統(tǒng)提前預定義命令如下：

：（開機）