面向戰(zhàn)術(shù)環(huán)境的語音指揮技術(shù)研究

蔡海興，廖生權(quán)

（中國電子科技集團公司第二十八研究所，南京210007）

面向戰(zhàn)術(shù)環(huán)境的語音指揮技術(shù)研究

蔡海興，廖生權(quán)

（中國電子科技集團公司第二十八研究所，南京210007）

與數(shù)據(jù)指揮相比，語音指揮在戰(zhàn)術(shù)環(huán)境中優(yōu)勢明顯。但因戰(zhàn)術(shù)條件下地理環(huán)境復雜、電磁環(huán)境惡劣、通信信道速率低等原因影響了其指揮效能的發(fā)揮。通過對語音指揮現(xiàn)狀分析，提出面向戰(zhàn)術(shù)環(huán)境特別是窄信道條件下語音指揮的總體設(shè)想，并給出提升戰(zhàn)術(shù)環(huán)境下語音指揮能力的關(guān)鍵技術(shù)及解決措施。最后通過試驗驗證了技術(shù)可行性。

戰(zhàn)術(shù)環(huán)境，語音指揮，語音識別，語音編碼

0 引言

指揮方式主要包括數(shù)據(jù)指揮、語音指揮、視頻指揮等，語音指揮因其信息承載量大、操作便捷、對雙手依賴性小等特點，在指揮領(lǐng)域占據(jù)重要地位。特別在分隊、單兵等戰(zhàn)術(shù)單元，指戰(zhàn)人員高度復用，語音指揮的優(yōu)勢尤其明顯。

分隊及以下戰(zhàn)術(shù)單元因其作戰(zhàn)特點，遠離核心保障區(qū)，通信保障力量薄弱，對外通信以無線窄帶信道為主，加上所處地理及電磁環(huán)境惡劣，導致其通信信道速率低、誤碼率高，影響其指揮效率和能力發(fā)揮。因此，有必要研究適用于戰(zhàn)術(shù)環(huán)境，特別是窄帶信道和惡劣電磁環(huán)境的語音獲取、編碼和傳輸?shù)燃夹g(shù)，以期提升戰(zhàn)術(shù)單元的指揮能力。

超短波、短波通信因其使用方便、設(shè)備簡單、機動靈活等特點，是戰(zhàn)術(shù)網(wǎng)絡(luò)的重要組成部分，也是戰(zhàn)術(shù)末端的主要通信手段，本文主要以此為對象展開分析。

1 語音指揮現(xiàn)狀

1.1 語音通達率方面

語音通信信道分有線信道和無線信道兩種。有線信道及部分高速無線信道因帶寬高、信道穩(wěn)定，可承載VoIP、PSTN業(yè)務(wù)，通話鏈路以撥號方式建立；低速無線信道，如短波、超短波等，因其帶寬窄、易受干擾，服務(wù)質(zhì)量QoS低，無法承載控制信號，語音信息只能以廣播方式在同一子網(wǎng)內(nèi)一跳直達，不能跨區(qū)域、跨網(wǎng)絡(luò)多跳路由。

雖然隨著技術(shù)的發(fā)展，在特定范圍實現(xiàn)了無線話音與有線話音的鉸鏈，初步具備全網(wǎng)系話音互通能力，但終究因條件限制，無法大規(guī)模推廣應用。如戰(zhàn)術(shù)互聯(lián)網(wǎng)中，通過超短波電臺RAP模式，在電臺之間、電臺與固定電話之間通過網(wǎng)絡(luò)實現(xiàn)了點對點撥號通話，但因RAP通話需要基站節(jié)點伴隨保障等因素，限制了其使用范圍。又如，通過協(xié)議改進實現(xiàn)了VoIP協(xié)議與電臺話音的鉸鏈，將電臺話音作為“最后一公里”話音覆蓋，但因戰(zhàn)術(shù)電臺無法承載撥號信令，該方案目前只能實現(xiàn)從有線到無線的單向通話，且電臺之間仍然是廣播通話?？梢姂?zhàn)術(shù)末端的語音尚不能通過戰(zhàn)術(shù)網(wǎng)絡(luò)實現(xiàn)全網(wǎng)系點對點傳輸。

1.2 抗干擾能力方面

在戰(zhàn)術(shù)末端，電磁環(huán)境惡劣，地理環(huán)境復雜，加上敵方電磁干擾影響，信號信噪比較低。為了提升電臺抗干擾能力，采用了糾錯編碼、交織、直列擴頻等技術(shù)，但這些技術(shù)的使用是以占用一定通信資源為前提，降低了帶寬資源，進而影響電臺業(yè)務(wù)承載能力［1］。以短波電臺為例，當信道數(shù)傳速率大于600b/s，信噪比大于3 dB時，電臺送受話器才能正常輸出聲音。

1.3 與數(shù)據(jù)指揮鉸鏈方面

語音指揮與數(shù)據(jù)指揮系統(tǒng)之間互相隔離、互相獨立。一方面，語音指揮過程中從輸入、傳輸、接收、轉(zhuǎn)發(fā)、輸出、存儲均為語音信息，若要轉(zhuǎn)換為數(shù)據(jù)指揮系統(tǒng)能識別的信息需人工手動錄入，既占用人工，且效率無法保障。以某任務(wù)中上級指揮所掌握下級部隊位置信息并在態(tài)勢圖顯示流程為例，流程如下:①下級部隊通過電臺語音上報位置信息；②上級指揮所值班員收到清晰的語音信息后手動記錄該部隊位置數(shù)據(jù)；③上級指揮所值班員通過手動方式將下級部隊位置信息錄入數(shù)據(jù)庫并上圖顯示。另一方面，數(shù)據(jù)指揮系統(tǒng)具有類似于手機電話薄的通信名錄，提供給指揮員的是與編程相關(guān)的席位名稱等信息，而不是一串不便記憶的號碼；但語音指揮無法利用通信名錄做到一鍵撥號，必須采用手動輸入號碼、頻率等方式。

2 戰(zhàn)術(shù)環(huán)境下語音指揮設(shè)想

根據(jù)語音指揮現(xiàn)狀及存在問題，語音指揮能力總體思路是根據(jù)語音指揮的特點將語音信息數(shù)字化，利用數(shù)據(jù)編碼壓縮技術(shù)，壓縮語音信息空間，降低對通信信道的要求，以適應戰(zhàn)術(shù)末端通信環(huán)境；打通數(shù)據(jù)指揮與語音指揮接口，實現(xiàn)數(shù)據(jù)層面的統(tǒng)一；利用數(shù)據(jù)指揮系統(tǒng)建設(shè)成果，通過其底層傳輸平臺，在實現(xiàn)全網(wǎng)全要素之間語音互通?？傮w示意如圖1所示，流程如圖2所示。

圖1 語音指揮設(shè)想示意圖（△語音承載的信息）

圖2 語音指揮流程圖

發(fā)送端按通信名錄發(fā)送撥號信令建立鏈接，話音通過語音識別技術(shù)實現(xiàn)模擬語音信號數(shù)字化，利用高效率語音編碼技術(shù)對語音信息進行編碼壓縮，并按數(shù)據(jù)指揮系統(tǒng)傳輸協(xié)議封裝語音信息和控制信息后發(fā)送。接收端按傳輸協(xié)議解析獲取語音信息，通過解碼后將信息通過語音合成技術(shù)合成為語音信號播放或直接將信息提交給數(shù)據(jù)指揮系統(tǒng)處理。

通過以上分析，語音識別技術(shù)、語音編碼技術(shù)、語音指揮和數(shù)據(jù)指揮鉸鏈技術(shù)是實現(xiàn)窄帶條件語音指揮能力提升的關(guān)鍵技術(shù)。

3 語音指揮能力提升技術(shù)

3.1 語音編碼技術(shù)

3.1.1 背景

直接模擬語音數(shù)字化將占據(jù)電臺通信系統(tǒng)無法支持的空間，因此，必須依靠語音壓縮編碼技術(shù)，將數(shù)字化語音壓縮到電臺可支持的帶寬范圍進行傳輸［2］。傳統(tǒng)語音編碼有波形編碼、參數(shù)編碼和混合編碼3種方式。波形編碼是直接將時間域語音信息直接轉(zhuǎn)換為數(shù)字代碼進行處理、傳輸，重建后能較好地還原語音波形。波形編碼以ITU-T G.711規(guī)范為代表，其編碼速率為64 kb/s。參數(shù)編碼是在語音信號頻率域或其他正交域提取音特征信息，并將其轉(zhuǎn)換為數(shù)字代碼進行處理、傳輸，重建后能還原語音特征信息。參數(shù)編碼采用LPC標準，最低編碼速率可以到2.4 kb/s以下，但其還原后語音保真度較低，MOS評分只有2.5，主要用于軍用保密通話?；旌暇幋a是由波形編碼和參數(shù)編碼相結(jié)合的編碼方式，在傳輸參數(shù)同時，還傳輸了部分樣點?；旌暇幋a主要采用CELP編碼標準，編碼速率最低可到4.8 kb/s［3-4］。

電臺具有模擬話和數(shù)字話兩種通話方式。模擬話直接將話音調(diào)制到載波信號上進行傳輸，具有處理電路簡單、占用信道頻帶窄、實時性高等特點。但模擬話對環(huán)境噪聲處理能力有限，極易受干擾。電臺數(shù)字話采用參數(shù)編碼方式，通過聲碼器提取話音的特征信息并將其轉(zhuǎn)換為數(shù)字信息進行處理、傳輸，具有較強的信道適應能力，通過該方式實現(xiàn)了在短波/超短波等低速信道上的數(shù)字語音通信，是現(xiàn)役電臺語音通信的主要手段，一般有2 400 b/s、1 200 b/s、600 b/s 3種速率可選［3］。

從以上分析可見，電臺數(shù)字話正常通信的前提是數(shù)據(jù)通信速率在600 b/s以上。在惡劣電磁環(huán)境中，數(shù)據(jù)通信速率很難穩(wěn)定在600 b/s以上，語音通信便無法進行。短波電臺數(shù)傳速率在600 b/s以下，還有300 b/s、150 b/s、75 b/s和極低速等幾檔。根據(jù)香濃定理，在信道帶寬一定情況下，信噪比與信道速率成反比，隨著信道速率降低，對信噪比的要求也隨之降低。因此，通過數(shù)據(jù)傳輸信道傳輸語音信息是提升語音通信抗干擾能力的有效途徑。

香濃定理為:

與信道速率之間函數(shù)關(guān)系簡化為:

轉(zhuǎn)換為分貝后為:

根據(jù)短波電臺技術(shù)指標，x≈3，因此:

假設(shè)短波電臺信道帶寬固定，根據(jù)式（2）計算得短波電臺典型數(shù)傳速率對應信噪比見表1。

由表1可見隨著數(shù)傳速率的降低，對信噪比的要求也隨之降低。在極低速模式下，信噪比可以降到-18 dB，是數(shù)字話的1/125?？梢娡ㄟ^數(shù)據(jù)信道傳輸語音信息可大幅提升語音通信的抗干擾能力。

表1 短波電臺數(shù)傳速率與信噪比對應關(guān)系

3.1.2 編碼方式

話音通信比數(shù)據(jù)通信實時性要求更高，實際生活中都有體會。例如雙方通過短消息通信，對傳輸延時感覺沒那么直觀，如果雙方是電話通信，傳輸過程中的延時、卡頓直接影響到通話體驗度。

語音通信過程包括說話、語音識別、傳輸和合成4部分［5］，如圖3所示。接聽者只要開始收到對方語音即認為已經(jīng)收到，不在意話音持續(xù)時間，因此，語音合成時間可以不考慮。語音識別的最小單位是斷句，識別裝置必須接收完一個斷句后才能開始識別，因此，說話速度是影響語音通信質(zhì)量的一個因素。根據(jù)以上分析，影響語音通信質(zhì)量有說話延時、語音識別延時和傳輸延時3方面因素。播音員級說話速度為305漢字/min［6］，一個斷句識別速度約為300 ms，這些指標在目前已是較高水平。在通信設(shè)備傳輸速率短時內(nèi)無法大幅度提升情況下，對語音信息進行高效率壓縮編碼，減少傳輸數(shù)據(jù)量是提高語音通信質(zhì)量最有效的途徑。下面主要研究基于GBK庫的自由語音和基于自定義命令詞庫的命令詞兩種編碼方式。

圖3 語音通信各階段延時特性

自由語音編碼以GBK庫為基礎(chǔ)，每個漢字用兩個字節(jié)的代碼表示，對字符的組合方式、字符數(shù)量均無要求，所能表示的內(nèi)容較為豐富，目前GBK庫共收納了21 003個漢字。命令詞是通過若干字節(jié)代碼對命令進行編碼，2個字節(jié)代碼可編碼65 536條命令，3個字節(jié)代碼可編碼1 677萬條命令。在軍事指揮領(lǐng)域，指揮用語主要以軍語為主，文獻［7］共收納了6 562條軍語，因此，2字節(jié)代碼完全可滿足當前軍語的編碼要求。

圖4 命令詞編碼方式的編碼速率

由圖4可見編碼速度隨著軍語漢字數(shù)的增多而降低，最大為81 b/s，最小為5 b/s分別是數(shù)字話的1/7和1/120。無論是自由語音方式還是命令詞方式，與電臺數(shù)字話相比，編碼效率明顯提升，對通信信道的要求也相應降低。

設(shè)語音通信從說話到開始接收話音的時延為:

實際應用中為了與數(shù)據(jù)指揮系統(tǒng)鉸鏈，語音編碼后的信息傳輸主要依托短報文傳輸和分發(fā)體制，因此，信道上傳輸?shù)某苏Z音編碼還包括短報文控制信息。短報文傳輸報文頭為41字節(jié)，假設(shè)信道數(shù)傳速率為V，則按自由語音編碼的傳輸延時為按命令詞編碼的延時為繪制當n=1、2、5、8、15、20時數(shù)傳速率（V）與時延（t）關(guān)系如圖5所示。

由圖5可見，軍語漢字數(shù)越少，自由語音編碼和命令詞編碼之間時延差距越小。當信道速率高于150 b/s時，兩種編碼方式時延基本接近；當信道速率低于150 b/s時，命令詞編碼方式效率更高，且信道速率越低效果越明顯。

綜合分析表1、圖4、圖5可得，命令詞方式具有編碼效率高、對信道要求低，可用于信噪比低于-5 dB以下惡劣電磁環(huán)境下。但命令詞編碼方式信息量較少，所能表達的意思有限，靈活性不足，無法表示時間、地點、位置等變量信息。因此，設(shè)計基于帶變量槽位的語音模板，充分利用自由語音信息量大、靈活性高，命令詞編碼效率高等優(yōu)勢，是今后語音編碼的方向。

圖5 數(shù)傳速率與時延關(guān)系圖

3.2 語音識別準確率提高技術(shù)

語音識別是模擬話音數(shù)字化重要環(huán)節(jié)，語音識別準確率直接影響到通信成功率，語音識別流程如圖6所示。

圖6 語音識別流程圖

從語音識別流程可以看出，可以從4方面提升語音識別準確率。

3.2.1 語音增強

戰(zhàn)場環(huán)境中，環(huán)境噪聲高，噪聲組成復雜，信噪比低，影響語音識別準確率。提高語音信號信噪比，還原信號是提升語音識別準確率的關(guān)鍵步驟。雙麥克增強技術(shù)是解決語音識別中噪聲問題的有效方法［8］，其原理是，一個信道用于采集背景噪聲，另一個信道采集背景噪聲與話音信息的混合信號，將兩個信道信號融合處理后得到原始話音信號，模型如圖7所示。圖8為在95 dB至105 dB的車載噪聲環(huán)境中實際測得降噪前后信噪比，經(jīng)過雙麥克語音增強，信噪比增加了20 dB，可有效還原話音信號，保存了語音信息完整性，為語音識別準確率提升奠定了基礎(chǔ)。

圖7 雙麥克增強技術(shù)原理圖

圖8 降噪前后信號信噪比

3.2.2 聲學模型訓練

語音識別受環(huán)境影響較大，在安靜的環(huán)境、野外環(huán)境、車載環(huán)境、機載環(huán)境等，其聲學模型都不一樣，如果用在辦公室環(huán)境下訓練的模型在車載環(huán)境應用，識別率會有一定影響。不同的人說話、不同說話風格、不同口音，對識別率也存在較大影響。通過采集大量具有不同話音特征的話音錄音，特別是對特定用戶有針對性的采集話音錄音，用于聲學模型訓練并擴充聲學模型庫，可提高識別準確率。

3.2.3 語言模型訓練

漢語中存在大量同音詞，相同語音針對不同的應用語境，具有不同的語義，例如，“gōngjī”一音，在日常語言環(huán)境應識別為“公雞”，而在戰(zhàn)場環(huán)境中應識別為“攻擊”。因此，需要搜集大量實際應用環(huán)境的語言語料，進行一定時間的語言模型訓練，從而提高識別準確率。

3.2.4 基于關(guān)鍵詞的常用語詞庫

匯集作戰(zhàn)常用命令的軍語庫內(nèi)容及范圍相對固定，建立基于軍語關(guān)鍵詞的詞庫，并為每條軍語按其組成漢字及軍語含義設(shè)定一組可以體現(xiàn)其唯一性的特征關(guān)鍵詞，只要識別到該關(guān)鍵詞即可準確翻譯成完整的軍語，可極大提升識別準確率和識別速度。

3.3 語音指揮與數(shù)據(jù)指揮系統(tǒng)鉸鏈技術(shù)

語音指揮系統(tǒng)與數(shù)據(jù)指揮系統(tǒng)鉸鏈技術(shù)指的是打通兩套系統(tǒng)接口，利用對方系統(tǒng)已有成果，實現(xiàn)效能增倍，提升指揮能力。兩套系統(tǒng)鉸鏈技術(shù)主要包括:完善指揮通信名錄，擴充語音指揮號碼參數(shù)，實現(xiàn)席位與語音號碼綁定；定制與數(shù)據(jù)指揮數(shù)據(jù)格式兼容的語音數(shù)據(jù)格式，語音數(shù)據(jù)直接可作為指控軟件數(shù)據(jù)來源，實現(xiàn)兩類數(shù)據(jù)的同傳輸、同存儲、同處理、同顯示；增加語音網(wǎng)關(guān)，實現(xiàn)基于傳統(tǒng)電路交換格式、VOIP協(xié)議的語音信息與基于數(shù)據(jù)傳輸報文的語音信息之間的交換，從而實現(xiàn)語音信息的一網(wǎng)通。

4 試驗驗證

試驗驗證環(huán)境如圖9所示，A、B兩組采用相同的設(shè)備，每組分別由信息終端（含耳麥）、短波電臺組成，電臺與信息終端之間通過RS232串口互連。因不同體制網(wǎng)絡(luò)的控制協(xié)議不同，協(xié)議開銷也不同，反映到數(shù)據(jù)通信額外開銷也不同。因此，本試驗選用透明傳輸電臺，降低不同網(wǎng)絡(luò)控制協(xié)議開銷差異。兩組分別位于10層辦公樓的1樓房間和頂樓平臺。

圖9 試驗驗證環(huán)境

試驗過程如下:

①在信息終端上安裝某指控軟件，并配置通信名錄等參數(shù)；

②設(shè)置電臺數(shù)據(jù)通信速率分別為極低速、75b/s、150 b/s、300 b/s、600 b/s、1 200 b/s、2 400 b/s，確保通信雙方電臺通信正常；

③因自由語音識別準確率與詞庫大小密切相關(guān)，而短期內(nèi)生成單機版詞庫較困難，因此，試驗采用命令詞編碼方式。先期生成包含1 000條常用命令詞的自定義詞庫，命令詞長度從4個至15個漢字不等，平均長度為11個漢字。詞庫包含精確到分的坐標庫；

④A、B通過語音操作向?qū)Χ税l(fā)起50次語音對話，記錄每種速率下100次對話的語音識別一次成功率、平均接收成功率和平均時延見表2；

⑤在300 b/s速率下，A、B分別通過語音向?qū)Ψ綀笏?0個位置信息，記錄上圖成功率。

表2 試驗數(shù)據(jù)

由表2可見，采用命令詞編碼格式語音識別成功率接近100%，接收成功率保持在98%以上水平，不同語音通話延時濾除計時誤差和軟件處理延時基本與圖5一致。在接收成功情況下，上圖成功率為100%。

以上試驗是在基于命令詞庫的有限范圍內(nèi)進行的，但詞庫大小僅影響語音識別成功率。隨著自由語音詞庫不斷擴展和完善，基于自由語音編碼方式，以及兩種編碼的混合方式也同樣具有以上試驗效果。

5 結(jié)論

針對當前語音指揮存在的不足，本文提出了通過語音識別準確率提升技術(shù)、面向窄信道的語音編碼技術(shù)、與其他指揮控制系統(tǒng)鉸鏈技術(shù)，利用電臺數(shù)據(jù)信道傳輸語音信息的解決方法，實現(xiàn)了戰(zhàn)術(shù)條件惡劣電磁環(huán)境下語音指揮的全網(wǎng)通，打通了語音指揮和數(shù)據(jù)指揮之間接口，實現(xiàn)了指揮能力倍增。最后對所提出的技術(shù)及解決措施進行了試驗驗證，達到了預期目的。

［1］王劍鋒，周龍.淺談軍用無線通信的特點［J］.通信技術(shù)，2011，44（7）:4-6.

［2］侯燦靖，達新宇.CVSD仿真及其在某地空電臺語音終端中的應用［J］.火力與指揮控制，2008，33（10）:149-151.

［3］尤增錄.短波通信網(wǎng)［M］.北京:解放軍出版社，2010.

［4］張剛，陳衍翊.通信中的話音編碼技術(shù)［J］.計算機與網(wǎng)絡(luò)，1995（1）:43-49.

［5］趙海峰，毛文博.指揮員命令語音識別算法［J］.指揮信息系統(tǒng)與技術(shù)，2014，5（2）:31-35.

［6］李明娟.淺談新聞播音速度的掌控［J］.當代電視，2008（6）:63-65.

［7］中國人民解放軍軍事科學院.中國人民解放軍軍語［M］.北京:軍事科學出版社，1997.

［8］潘麗杰.基于雙麥克風降噪技術(shù)的語音識別系統(tǒng)［J］.現(xiàn)代電子技術(shù)，2016，39（2）:137-139.

Research on Voice Command Technology for Tactical Environment

CAI Hai-xing，LIAO Sheng-quan
（The 28th Research Institute of China Electronics Technology Group Corporation，Nanjing 210007，China）

Although voice command has advantage of data command in tactical environment，it is preventingvoicecommandfromeffectingthatcomplicatedgeographicalenvironment，bad electromagnetic environment and low channel bandwidth etc.A general idea about voice command in tactical environment is raised based on situation analysis.Then，the paper puts the core technology and solution to enhance capability of voice command in actical environment，which are proved feasible by experiment.

tactical environment，voice command，speech recognition，speech coding

E141；TP399

A

1002-0640（2017）04-0122-06

2016-03-18

2016-04-03

國家自然科學基金資助項目（61379118）

蔡海興（1979-），男，浙江諸暨人，碩士研究生，高級工程師。研究方向：指揮信息系統(tǒng)總體設(shè)計。