語音作為自然的人機接口，可以使車載導(dǎo)航系統(tǒng)實現(xiàn)更安全、更人性化的操作。通過國內(nèi)外車載導(dǎo)航系統(tǒng)的功能對比可知，支持語音交互是車載導(dǎo)航系統(tǒng)的一個發(fā)展趨勢。另外，市場信息服務(wù)公司j.d power and associates的調(diào)研數(shù)據(jù)也表明，56%的消費者更傾向于選擇聲控的導(dǎo)航系統(tǒng)。因此，開發(fā)車載語音導(dǎo)航系統(tǒng)是很有意義的。目前，國內(nèi)已經(jīng)具備開發(fā)車載語音導(dǎo)航系統(tǒng)的技術(shù)基礎(chǔ)，特別是文語轉(zhuǎn)換tts技術(shù)和基于中小詞匯量的語音命令識別技術(shù)已經(jīng)達到比較實用的程度。本文在課題組的車載導(dǎo)航系統(tǒng)和國內(nèi)兩款語音引擎的基礎(chǔ)上，開發(fā)了一套支持語音交互的車載導(dǎo)航系統(tǒng)。

車載語音導(dǎo)航系統(tǒng)結(jié)構(gòu)

車載語音導(dǎo)航系統(tǒng)從功能上分為車載導(dǎo)航和導(dǎo)航語音交互兩方面。其中車載導(dǎo)航功能包括gps衛(wèi)星導(dǎo)航定位、電子地圖瀏覽查詢、智能的路徑規(guī)劃、車輛地理位置和速度等導(dǎo)航信息的實時顯示；導(dǎo)航語音交互功能分為語音操作和語音提示兩部分。在系統(tǒng)的設(shè)計中，根據(jù)人機交互的需求，設(shè)計語音導(dǎo)航系統(tǒng)的硬件框架如圖1所示。

語音導(dǎo)航系統(tǒng)和用戶之間的人機交互接口由觸摸屏、按鈕、話筒、顯示屏和擴音器等五個交互設(shè)備組成。該硬件框架可實現(xiàn)常規(guī)的手動交互方式，也可以實現(xiàn)語音交互方式。整個系統(tǒng)劃分為三個子系統(tǒng)：導(dǎo)航子系統(tǒng)、語音識別子系統(tǒng)和語音合成子系統(tǒng)，各予系統(tǒng)間通過接口進行通信，協(xié)調(diào)完成語音導(dǎo)航任務(wù)。

車載導(dǎo)航人機語音交互系統(tǒng)對話模式設(shè)計

導(dǎo)航系統(tǒng)的狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)

整個導(dǎo)航系統(tǒng)是一個復(fù)雜的人機交互系 統(tǒng)，為便于語音交互對話模式的設(shè)計，首先對系統(tǒng)作狀態(tài)劃分，然后從人機交互的角度描述整個系統(tǒng)的狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)。將系統(tǒng)劃分為地圖瀏覽、功能選擇等六個功能狀態(tài)和一個退出狀態(tài)。圖2描述了這些狀態(tài)之間的狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)。

圖中的節(jié)點代表系統(tǒng)的各個狀態(tài)，帶箭頭的連線代表從源狀態(tài)到目標狀態(tài)的轉(zhuǎn)換。狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)接收用戶的操作作為驅(qū)動事件，完成從一個狀態(tài)到另一狀念的轉(zhuǎn)換，網(wǎng)絡(luò)中的一條路徑便代表著特定的交互過程。

導(dǎo)航系統(tǒng)各狀態(tài)節(jié)點對話模式設(shè)計

為便于描述各狀態(tài)節(jié)點內(nèi)部的對話模式，將狀態(tài)節(jié)點按圖2所示編號為s1～s7，用tmn表示狀態(tài)節(jié)點sm到狀態(tài)節(jié)點sn的轉(zhuǎn)換。另外，借鑒狀態(tài)流stateflow模型的表示方法，提出用于描述車載導(dǎo)航人機語音交互系統(tǒng)中的對話模型。重新定義轉(zhuǎn)換的描述方式，用四個屬性來描述狀態(tài)節(jié)點內(nèi)的一次轉(zhuǎn)換：

t={p₁，p₂，p₃，p₄} (1)

其中，t用于表示一個轉(zhuǎn)換，p₁～p₄為轉(zhuǎn)換的屬性：p₁為語音事件；p₂為語音輸出；p₃為附加條件；p₄為轉(zhuǎn)換動作。

這樣，一個轉(zhuǎn)換t便描述了一次對話中用戶的語音輸入、系統(tǒng)的語音輸出、對話受到的限制條件以及系統(tǒng)執(zhí)行的動作。

以地圖瀏覽狀態(tài)為例，說明對話模式設(shè)計的過程。地圖瀏覽狀念由兩個瓦斥的子狀態(tài)組成：地圖漫游狀態(tài)和車輛引導(dǎo)狀態(tài)(參見圖2)。這兩種子狀態(tài)的人機交互大部分相同，所以將二者統(tǒng)一劃分在地圖瀏覽狀態(tài)下。對丁區(qū)分對待這兩個了狀態(tài)的交互過程，可以通過附加條件來判斷當前子狀態(tài)，再作不同的處理。地圖瀏覽狀態(tài)節(jié)點的對話模式設(shè)計如圖3所示。

人機語音交互系統(tǒng)的實現(xiàn)

語音控制命令的實現(xiàn)

語音控制命令的實現(xiàn)方案如圖4所示。圖中左邊方框代表整個語音導(dǎo)航系統(tǒng)對話模式的狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)stn。根據(jù)對話模式的設(shè)計，將系統(tǒng)分為地圖瀏覽狀態(tài)、功能選擇狀態(tài)、路徑規(guī)劃狀態(tài)等7個狀態(tài)節(jié)點，每個狀態(tài)節(jié)點內(nèi)部均存在各自的語音對話模式，對話模式由若干內(nèi)部轉(zhuǎn)換組成。因此，整個語音導(dǎo)航系統(tǒng)是一個兩層結(jié)構(gòu)的狀態(tài)轉(zhuǎn)換網(wǎng)絡(luò)，其內(nèi)部轉(zhuǎn)換由語音事件驅(qū)動。語音事件由導(dǎo)航子系統(tǒng)的接口模塊根據(jù)語音識別子系統(tǒng)發(fā)送的用戶意圖而產(chǎn)生。

語音摔制命令的實現(xiàn)過程分為以下四個步驟：

·語音識別引擎根據(jù)當前命令詞表識別用戶語音，得到識別結(jié)果。

·管理窗口獲取到識別結(jié)果，通過查詢“識別詞-控制命令”映射，得到識別結(jié)果對應(yīng)的控制命令，并將控制命令作為用戶意圖發(fā)送至導(dǎo)航子系統(tǒng)的接口模塊。

·接口模塊響應(yīng)用戶意圖，