[發明專利]對具有聲音輸出裝置的設備進行控制的方法

無效

• 申請號: 01804219.8
• 申請日: 2001-11-19
• 公開（公告）號: CN1397063A
• 公開（公告）日: 2003-02-12
• 發明（設計）人: V·斯塔爾
• 申請（專利權）人: 皇家菲利浦電子有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26
• 代理公司: 中國專利代理(香港)有限公司
• 代理人: 程天正,陳霽

本發明涉及一種借助聲音指令信號對具有聲音輸出裝置的設備進行控制的方法。此外，本發明還涉及一種具有聲音輸出裝置的設備，它具有一種用于接收聲音指令信號的接收裝置、一種用于識別該指令信號的識別裝置、以及一種用于根據被識別的指令信號控制所述的設備的控制裝置。

為了提高設備-尤其是消費電子產品范圍內的設備-對用戶的友好性和使用可能性和由此使所述的設備更具吸引力，越來越多的設備被如此地裝備，使得可以借助聲音指令來控制該設備。于是，長期以來已經在市場上提供了諸如警鈴或光源等可控設備，它們譬如可以借助非常簡單的聲音指令信號-譬如噪聲和拍擊或干擾聲-被接通或關斷，或者在不同的模式之間來回地切換。此外，隨著語音識別系統的不斷發展，還有一些可以識別和接受指令信號形式的不同語音指令的設備，使得可以對這種設備進行更復雜的控制。這種語音控制設備非常舒適，因為操作者可以不用手來操作該設備。因此，當操作者需要其手用于其它活動時，該控制方法將具有非常大的優點，譬如在控制汽車收音機時，操作者無需把手從方向盤上挪開來改變音量和調定新的頻道。然而，該方法另外還對操作設備是非常有吸引力的，因為通過這種語音控制，位于人和機器之間的接口(MMI，人機接口)從迄今普通的機器通信層-也即通過電鈕和調節器的操作-被轉移到人自身的通信層上，也即通過語音進行信息傳輸。但是，對具有聲音輸出裝置和按照功能自動產生聲音信號的設備而言-也即譬如所有的音頻設備或音頻視頻設備(收音機，CD播放機，電視，視頻播放設備，計算機等等)-，在控制這些設備時會產生困難。在這類具有音頻功能的設備中，可以識別指令信號的識別裝置不僅接收指令信號，而且還以聲音回波的形式接收由設備本身所產生的聲音輸出信號(譬如在CD播放機中所播放的音樂)。因此，該自身的輸出信號象背景噪聲那樣與指令信號相抵觸。根據指令信號或所述自身輸出信號的音量，這可能在識別指令信號時產生較大的問題。

通常，為改善識別能力而在這種設備中采用了所謂的“AEC(聲音回波抑制)方法”。在這種措施中，由設備自身產生的輸出信號被用來估測一個空間脈沖-應答信號，也即估測在所述設備所在的房間內因所述輸出信號的反射而由接收裝置再次測得的信號。這是以所謂的“自適應濾波方法”來實現的，其中迭代地求出一個傳遞函數，利用該傳遞函數首先變換原始的輸出信號，然后把如此變換的輸出信號在濾波器內從接收的總輸入信號中去除。該方法只是在持久地繼續所述的迭代方法方面是自適應的，并因此測定房間內隨所述傳遞函數的變化而產生的變化。譬如當在房間內拉開或拉攏窗簾、開門或者房間內的人離開時，可能在聲音回波中產生變化。該方法通常是卓有成效的。但需注意的是，當設備的輸出信號音量自動上升時，語音識別系統的準確度會大大降低。其原因在于，所述的自適應AEC濾波器不能最佳地模擬所述的房間特性，所以在濾除聲音回波之后，所述信號的干擾是大致與設備的音量自身成正比。

本發明的任務在于創造一種對設備進行聲音控制的簡單而又對用戶友好的方法，其中所述的設備自身產生聲音輸出信號，此外，本發明的任務還在于創造一種相應的設備，其中可以相對于當前現有技術改善指令信號的識別精度。

該任務通過權利要求1的方法和權利要求10的設備來解決。

根據本發明，一旦所述的設備識別出可能向該設備傳輸聲音指令信號，則由該設備自己立即降低所述的音量。通過自動地降低所述設備的音量，由于更小的聲音回波，所以可以更容易和可靠地識別所述設備的指令信號。此外，當音頻設備不是太大的聲音時，用戶通常能更加舒適地發出語音指令。另外，通過減小音量還能減小所謂的“倫巴德(Lombard)效應”，該效應意味著，當人必須相對于背景噪聲說話時，他會自動地用另一種方式、譬如大聲地和用重音來說話，這勢必會對語音識別系統的識別能力造成影響。

本發明的相應設備首先必須具有一種聲音輸出裝置、一種用于接收聲音指令信號的接收裝置-譬如普通的傳聲器-、一種用于識別該指令信號的識別裝置、以及一種用于根據被識別的指令信號控制所述的設備的控制裝置。此外，所述的設備還必須具有一種用于對接收裝置可能接收所述設備的指令信號進行識別的合適裝置，以及一種在識別出可能接收所述設備的指令信號的情況下用于降低所述從聲音輸出裝置輸出的輸出信號音量的合適裝置。

這種對指向該設備的指令信號的識別可以用不同方式來實現。譬如可以如此地裝配和調整所述的設備，使得可以把由某個用戶以預定的音量和/或音高和/或說話方向所說出的詞識別為可能的指令信號，并據此降低所述的音量。