導航電子地圖中的語音匹配與模式識別(一)

導航電子地圖中的語音匹配與模式識別
張  翎
（南京師范大學地理科學學院， 南京210046）

摘  要：針對目前在導航電子地圖系統中仍然采用鼠標、鍵盤、觸摸屏等傳統輸入方式的不足，本文研究了語音控制技術在導航系統中的初步應用方法。由于在導航系統應用中存在的噪聲大、孤立詞和模糊語音等問題，本文在采用通用的語音識別模塊的基礎上，首次提出了基于拼音音節字符串有效字符的相近匹配度算法，建立了靈活、可擴充的模糊拼音庫，實驗證明該方法顯著地提高了語音的匹配率；運用人工智能技術和模式識別方法，建立了導航應用的句法—關鍵詞規則庫，基本實現了基于自然語言的人機交互功能，并將該技術實際應用于導航電子地圖系統中，完善了語音的輸入功能，提高了操作效率和系統的智能化程度，為導航電子地圖系統的進一步應用提供了快捷、有效的交互平臺。

關鍵詞：語音 導航 電子地圖 模式識別

Matching and Pattern Recognition of Voice For Electronic Navigation Map System
Zhang Ling
(Nanjing Normal University, Nanjing 210046)
Abstract: This paper probes into a basic application of voice control technology in electronic navigation map system. Because there are some problems in the application of navigation system, such as noise, isolated words and blurry voice, this paper, that is based on a current voice recognition module,   firstly puts forward a method of the similar matching-degree calculation on geographical information which adopts faintness matching on pinyin string to improve their matching rates, sets up a rule database of syntax and keywords, basically realizes the interaction function of person and computer. The method has been successfully applied in navigation electronic atlas, which improves the input function of voice, and increases intelligent extent of electronic map application.
Key words: voice; navigation; electronic map; pattern recognition

目  錄
1 引 言 13
2   研究的理論與技術基礎 14
2.1 導航電子地圖與語音導航 14
2.2 語音應用的分類 14
2.3 語音應用流程 15
2.4 技術基礎 15
2.4.1 語言匹配技術 16
2.4.2 模式識別技術 16
3 若干關鍵技術研究 16
3.1 主要存在的問題 16
3.2 語言類型的選擇 16
3.3 導航句法規則庫的建立 17
3.4 拼音字符串的相近匹配度計算 19
4 實驗與結果分析 錯誤！未定義書簽。
4.1 實驗數據 錯誤！未定義書簽。
4.2 實驗步驟 錯誤！未定義書簽。
4.3 實驗系統的界面 錯誤！未定義書簽。
4.4 實驗結果分析 錯誤！未定義書簽。
5 結論與討論 錯誤！未定義書簽。
6 謝辭 錯誤！未定義書簽。
7 參考文獻 錯誤！未定義書簽。
附錄： 錯誤！未定義書簽。

引 言
 現代社會的發展，已經進入了高信息化時代。信息成為推動人類社會發展的強大動力，而詳實、準確的地理信息對人類社會發展產生的巨大推動作用更加毋庸置疑。電子地圖的出現使得地理信息的顯示更加方便、直觀，并且將地圖的應用擴展到了更廣闊的領域。
 隨著計算機科學與技術的發展，我國已經公開出版了不少電子地圖產品，如《武漢百事通》、《中國電子地圖》、《中國深圳》等，國外也有很多內容豐富、功能強大的電子地圖產品，如微軟公司出品的《Encarta 97 World Atlas》等。這些產品通過人機交互，可以實現查詢、統計、分析、量算、決策和定位導航等功能，一定程度上顯示了電子地圖反應地理信息的優越性。
 電子地圖問世的目的是為人類服務的，隨著國家道路建設的日益完善、人民生活水平的提高，車輛將進入普通家庭，現有道路設施的合理利用將為建設一個安全、可靠、高效快捷的交通運輸系統做出貢獻。導航電子地圖系統的使用，不但使交通管制游刃有余，對個人而言，出行將更加方便、快捷。但是，現有的導航電子地圖在人機交互方面還有一定的欠缺，如沒有實現人與計算機之間直接用自然語言進行交流等，還沒有使電子地圖真正實現人工智能（Artificial Intelligence）。
 展望其今后的發展，無論是三維電子地圖，網絡電子地圖，還是智能導航電子地圖，以及智能交通系統（Intelligent Transportation System，簡稱ITS）[9]的實現，都要求以人為本，實現人性化的人機交互。語音在導航電子地圖系統中應用的目的是為了使計算機能夠模擬人的語言交流過程，并且能夠理解和運用人的自然語言，提高交通導航系統的智能化程度，以最終實現人與計算機系統的自然交互。
 在語音導航研究方面，目前許多國家、機構都制定了專門的實施計劃，如美國DARPA的Communication計劃、歐洲的ARISE計劃、REWARD計劃和VERBMOBIL計劃，同時許多著名的學府和研究機構都正在從事這方面的研究，如MIT的SLS實驗室、CMU的ISL實驗室、Lucent-Bell實驗室、日本的ATR實驗室、OGI的CSLU中心和Philips公司等。在我國，中科院自動化所、清華大學、武漢大學、北京航空航天大學等都投入了很大的精力開展這項研究，但目前漢語語音導航仍然以導航信息的語音提示為主，尚處于起步階段，還沒有實用性的語音輸入與控制的導航系統產品。
 本論文的目的是將自然語言交流方法運用于導航系統中，使語音、電子地圖和交通導航真正有機地結合起來。本文在現有商品化的語音識別模塊基礎上，針對噪聲環境下中文文字識別率較低的情況下，考慮到導航系統所特有的語言特點，運用模式識別技術和自然語言匹配方法，建立面向導航應用的句法規則，在傳統鼠標、鍵盤、觸摸屏等輸入方式的基礎上增加語音的輸入功能，實現語音導航的語義理解和自動操作，并將其實際應用到南京師范大學導航電子地圖系統中，以簡化系統的命令操作流程，提高應用中的安全性，最終為提高交通導航系統的智能化程度，實現人與計算機系統的自然交互服務，為智能交通系統（ITS）的建立奠定基礎。
2 研究的理論與技術基礎
導航電子地圖與語音導航
 導航電子地圖將GPS定位系統與電子地圖結合起來，在不斷發展的計算機軟硬件技術支持下，以電子地圖數據庫為數據基礎，充分利用GPS的高精度定位能力、電子地圖的空間分析和直觀表達能力，實現地圖顯示、目標查詢、距離量算、路徑分析等眾多功能，并在實時、有效地獲取移動目標（如車輛）所在位置的基礎上，進一步實現定位、導航和相關信息服務[1]。
 目前，提高導航電子地圖的智能化程度是導航系統普遍的研究重點，它包括兩層含義，一是導航路徑分析、目標搜索、查詢方法的智能化，適應各種復雜分析條件和用戶要求，以建立有效正確的導航應用，在這一方面已經取得了大量的研究成果；二是系統界面和交互環境的智能化，這是提供系統應用的靈活性，因為導航電子地圖系統的應用通常是在動態移動環境下，需要快速、方便和安全的用戶輸入和實時的結果信息反饋。針對這一要求，傳統的鼠標、鍵盤模式存在嚴重的缺陷，如輸入速度慢、不能在目標動態移動過程中實時進行。
 語音技術是人工智能技術的重要組成部分，隨著語音識別技術的發展，應用語音提高導航系統的智能化程度已具有一定的研究基礎。目前，已有一些商品化的語音軟件在國內得到較好的應用，如IBM的ViaVoice、Microsoft的Speech SDK等。語音導航必然成為導航系統的一個新的研究領域。
語音應用的分類
 導航電子地圖中的語音所研究的并非完全的自然語言，而是結合導航應用的語音信息，具有專業領域的語言特點和語法規則。從應用的角度出發，可分為以下幾類：
 （1）輸出型語音
 輸出型語音的應用是根據使用電子地圖的目的，在顯示地圖圖形的同時，將與主題有關的內容用聲音播報出來，使電子地圖具有語言表達的功能。該類型的語音通常是系統發送給用戶的信息，一般為固定的內容播報，也有系統通過分析生成的內容，如在導航系統中有類似“前方100米向從左邊數第3個路口轉”的信息反饋，其中的“100”和“3”是由系統分析所得。輸出型語音的只能單向的由系統向用戶發送語音信息，不能夠使用語音輸入，還沒有實現智能化的人機交互。
 （2）輸入型語音
 輸入行語音是指用戶通過話筒等聲音采集設備將命令或者要執行的操作等語句以語音的方式輸入計算機，讓計算機系統識別語音以及理解語義來執行命令。它包括非理解型語音和理解型語音兩種形式。
 非理解型語音是用戶向計算機系統發出語音指令來控制導航電子地圖系統以達到語音管理的目的。此類輸入的語句結構比較簡單，一般為一個固定的簡短語句組成，如“啟動”、“結束”、“放大”、“縮小”等。該類型的語音輸入通常是系統規定的關鍵詞，計算機系統無需對輸入語句的語法、語義進行理解，只要進行關鍵詞的匹配就可以達到執行相關命令的目的。
 理解型語音則是在一定的語法規則的限定下，給用戶最大限度的自由，讓用戶可以自由的說話，通過計算機來理解語音并且執行相關的命令。在面向導航應用的語音輸入時，如“南師大在哪里”、“我要到南師大”、“從南師大到南大怎么走”、“離南師大最近的超市在哪里”等這些都屬于理解型語音。此類輸入的語句比理解型語音輸入的語句更為復雜，但是具有更大的靈活性。在處理這種類型的輸入型語音時，計算機系統根據導航領域的語法規則來進行語義的理解，再執行相關的操作。
 考慮到導航系統應用的實際需要，本文研究將主要集中在理解型輸入語音方面。
 （3）輸入輸出型語音
 這是將上面兩種方式結合起來的一種形式，同時兼顧語音輸入和語音輸出功能，在一定程度上具有真正意義的人機語音交互能力，也是導航系統語音應用的更高目標。

首頁 上一頁 1 2 下一頁 尾頁 1/2/2