飛機(jī)牽引車(chē)語(yǔ)音識(shí)別的動(dòng)態(tài)時(shí)間規(guī)整優(yōu)化算法

解本銘，韓明明，張 攀，張 威，3*

(1.中國(guó)民航大學(xué)航空工程學(xué)院，天津300300; 2.中國(guó)民航大學(xué)電子信息與自動(dòng)化學(xué)院，天津300300;3.中國(guó)民航航空地面特種設(shè)備研究基地，天津300300)

(*通信作者電子郵箱drwadecheung@gmail.com)

0 引言

目前，語(yǔ)音識(shí)別技術(shù)已廣泛應(yīng)用于計(jì)算機(jī)、辦公自動(dòng)化、機(jī)器人、車(chē)輛等在內(nèi)的各個(gè)領(lǐng)域，這使得人機(jī)交互變得更加智能有效。然而，牽引車(chē)作為機(jī)場(chǎng)的特種車(chē)輛，其牽引飛機(jī)的工作并沒(méi)有實(shí)現(xiàn)語(yǔ)音控制，而是由地面機(jī)組人員通過(guò)耳機(jī)接收飛行員傳達(dá)的塔臺(tái)管制員命令，然后和牽引車(chē)駕駛員溝通、協(xié)調(diào)進(jìn)行控制［1］。

近年來(lái)，在民用航空器地面安全事故中，牽引過(guò)程發(fā)生的安全事故所占比例不容小覷，事故造成巨大的經(jīng)濟(jì)損失，其原因主要包括:牽引車(chē)駕駛員違反牽引車(chē)使用規(guī)則、反應(yīng)不及時(shí)，以及駕駛員與地面工作人員聯(lián)絡(luò)不暢或者配合失誤［1］。

為了減小牽引車(chē)駕駛員人為失誤造成的民用航空器地面事故率，同時(shí)參考語(yǔ)音識(shí)別技術(shù)在車(chē)輛自動(dòng)駕駛領(lǐng)域的應(yīng)用研究，本文擬在牽引車(chē)語(yǔ)音控制方面作些探究性工作。

本文就如何實(shí)現(xiàn)飛機(jī)牽引車(chē)智能語(yǔ)音控制，使?fàn)恳?chē)及時(shí)、精確地識(shí)別飛行員語(yǔ)音指令，安全高效地完成飛機(jī)牽引工作進(jìn)行了研究。牽引車(chē)指令屬于駕駛艙指令，是參照陸空通話(huà)標(biāo)準(zhǔn)擴(kuò)充的機(jī)載短語(yǔ)語(yǔ)音指令［2］，具有語(yǔ)速平穩(wěn)、發(fā)音力度強(qiáng)化變更的特點(diǎn)，并且駕駛艙對(duì)機(jī)場(chǎng)噪聲分離性較好，因此指令識(shí)別相對(duì)簡(jiǎn)單并且具有一定的抗噪性。盡管對(duì)于短語(yǔ)語(yǔ)音識(shí)別，目前已有許多高效算法，如隱馬爾可夫模型(Hidden Markov Model，HMM)、矢量量化(Vector Quantization，VQ)、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)技術(shù)等，但是以上算法需要對(duì)大量發(fā)音樣本進(jìn)行訓(xùn)練，相對(duì)復(fù)雜，計(jì)算量大，更適合用于大詞匯量連續(xù)語(yǔ)音識(shí)別［3］。相反，動(dòng)態(tài)時(shí)間規(guī)整(Dynamic Time Warping，DTW)技術(shù)可以在樣本數(shù)據(jù)較少的情況下進(jìn)行學(xué)習(xí)訓(xùn)練，并能夠獲得較好的訓(xùn)練模型，更適合訓(xùn)練樣本缺乏情況下的簡(jiǎn)單、孤立、短語(yǔ)語(yǔ)音識(shí)別［4］。因此，本研究選用DTW算法對(duì)牽引車(chē)指令語(yǔ)音進(jìn)行識(shí)別。但是，由于DTW算法是通過(guò)在整個(gè)矩形彎曲窗口內(nèi)展開(kāi)若干條路徑搜索，尋找最佳匹配路徑來(lái)識(shí)別語(yǔ)音的，時(shí)間復(fù)雜度和空間復(fù)雜度都相對(duì)較高，所以算法識(shí)別效率較低［5］。

針對(duì)上述DTW算法識(shí)別效率低的問(wèn)題，目前主要有兩種改進(jìn)方法。第一種是提前終止技術(shù)［6］:該方法在累積彎曲代價(jià)超過(guò)一定門(mén)限時(shí)停止搜索，認(rèn)為兩個(gè)語(yǔ)音序列不匹配，該方法能有效降低算法的計(jì)算復(fù)雜度。第二種是彈性粗粒度動(dòng)態(tài)彎曲時(shí)序相似性算法［7］:其思想是通過(guò)數(shù)據(jù)處理，降低時(shí)序數(shù)據(jù)的維度，用低維特征代替原時(shí)間序列，從而大幅提高DTW計(jì)算效率。上述兩種改進(jìn)方法的缺點(diǎn)都是以損失算法的識(shí)別精度為代價(jià)來(lái)提高算法運(yùn)行效率［6－7］。

由于機(jī)場(chǎng)對(duì)安全性的的高標(biāo)準(zhǔn)要求，上述現(xiàn)有DTW改進(jìn)方法很難滿(mǎn)足本研究對(duì)算法的高識(shí)別性能要求。為了提高算法識(shí)別性能，本文結(jié)合對(duì)DTW算法原理、牽引車(chē)指令聲學(xué)特性和機(jī)場(chǎng)環(huán)境的分析，在Itakura Parallelogram菱形彎曲窗口DTW算法［8］的基礎(chǔ)上，進(jìn)一步提出了六邊形彎曲窗口DTW全局優(yōu)化算法，然后通過(guò)孤立詞算法識(shí)別性能對(duì)比試驗(yàn)，找到所提六邊形彎曲窗口DTW算法的最優(yōu)方案，并驗(yàn)證了該最優(yōu)算法良好的時(shí)效性和魯棒性。

1 系統(tǒng)總體設(shè)計(jì)及實(shí)現(xiàn)過(guò)程

本文所涉及的飛機(jī)牽引車(chē)智能語(yǔ)音識(shí)別系統(tǒng)是通過(guò)飛行員語(yǔ)音直接控制牽引車(chē)的一種智能系統(tǒng)［9］，如圖1所示。該系統(tǒng)的工作過(guò)程為:飛行員的語(yǔ)音信號(hào)通過(guò)飛機(jī)耳機(jī)接口傳輸給牽引車(chē)上的語(yǔ)音接收設(shè)備，經(jīng)過(guò)語(yǔ)音處理后直接控制牽引車(chē)的運(yùn)動(dòng)，同時(shí)通過(guò)外放設(shè)備可以實(shí)現(xiàn)與地面機(jī)組人員的通信。

語(yǔ)音識(shí)別就本質(zhì)而言是一種模式匹配［10］，它是飛機(jī)牽引車(chē)智能語(yǔ)音識(shí)別系統(tǒng)中重要的環(huán)節(jié)之一。該語(yǔ)音識(shí)別流程如圖2所示。其中，端點(diǎn)檢測(cè)選用的是雙門(mén)限檢測(cè)法［11］，特征提取則選用的是基于人耳聽(tīng)覺(jué)機(jī)理的梅爾頻率倒譜系數(shù)(Mel Frequency Cepstrum Coefficients，MFCC)。飛行員發(fā)出的語(yǔ)音指令經(jīng)該流程識(shí)別后輸出給牽引車(chē)，從而實(shí)現(xiàn)飛行員對(duì)牽引車(chē)的語(yǔ)音控制。

圖1 飛機(jī)牽引車(chē)智能語(yǔ)音識(shí)別系統(tǒng)示意圖Fig.1 Schematic diagram of intelligent speech recognition system of aircraft towing vehicle

圖2 語(yǔ)音識(shí)別流程Fig.2 Flow chart of speech recognition

2 DTW識(shí)別算法及其優(yōu)化

2.1 傳統(tǒng)DTW算法的基本算法原理

DTW算法是基于動(dòng)態(tài)規(guī)劃思想，把距離測(cè)度計(jì)算和時(shí)間規(guī)整結(jié)合起來(lái)的一種非線(xiàn)性歸整技術(shù)［5］。

在語(yǔ)音識(shí)別過(guò)程中，語(yǔ)音經(jīng)過(guò)訓(xùn)練生成參考模板，待測(cè)語(yǔ)音則經(jīng)過(guò)相同的窗函數(shù)、相同的幀長(zhǎng)和相同的幀移得到相同類(lèi)型的語(yǔ)音特征參數(shù)，生成測(cè)試模板。測(cè)試模板與參考模板的匹配，就是尋求兩者之間的聲學(xué)相似度，相似度又可以通過(guò)兩者之間的失真度來(lái)描述，失真度越小，相似度越高［12－14］。

DTW算法通過(guò)尋找一個(gè)最優(yōu)時(shí)間規(guī)整函數(shù)M= (N)，將語(yǔ)音測(cè)試模板的時(shí)間軸非線(xiàn)性映射到參考模板的時(shí)間軸上［5］。假設(shè)參考模板共 M幀語(yǔ)音特征矢量，記作{R(1)，R(2)，…，R(m)，…，R(M)}，其中 m 記作語(yǔ)音幀的時(shí)序標(biāo)號(hào)，則R(m)表示參考模板的第m幀語(yǔ)音特征矢量;相應(yīng)的假設(shè)測(cè)試模板有N幀特征矢量，記作{T(1)，T(2)，…，T(n)，…，T(N)}，其中n記作語(yǔ)音幀的時(shí)序標(biāo)號(hào)，則T(n)表示測(cè)試模板的第n幀的特征矢量。

參考模板與測(cè)試模板匹配時(shí)，每幀特征矢量之間都有相應(yīng)的失真度，假設(shè)m、n分別記作參考模板和測(cè)試模板的任意幀號(hào)，則兩幀之間的失真度可表示為d{T(n)，R［ (n)］}，用D表示處于最優(yōu)時(shí)間歸整情況下測(cè)試模板和參考模板每一幀特征矢量匹配累積距離最小的距離矩陣，應(yīng)滿(mǎn)足式(1)［12］:

此時(shí)測(cè)試模板與參考模板匹配度最高，語(yǔ)音失真度最小，該參考模板語(yǔ)音即為DTW最終識(shí)別結(jié)果［14］。

2.2 DTW算法優(yōu)化

2.2.1 傳統(tǒng)DTW算法存在的問(wèn)題

DTW算法搜索路徑［15］如圖3所示，橫軸為測(cè)試模板時(shí)間軸的各個(gè)幀號(hào)n=0～N，縱軸為參考模板時(shí)間軸的各個(gè)幀號(hào)m=0～M，連接橫、縱各個(gè)坐標(biāo)軸就可以形成一個(gè)矩形網(wǎng)絡(luò)(即矩形彎曲窗口)。對(duì)于兩個(gè)等長(zhǎng)的語(yǔ)音時(shí)間序列，即M=N，最佳搜索路徑應(yīng)該是彎曲窗口的對(duì)角線(xiàn)(如圖4中細(xì)線(xiàn)條所示)，此時(shí)兩個(gè)時(shí)間序列是一一對(duì)應(yīng)的，偏差為0，而實(shí)際搜索路徑(如圖4中粗線(xiàn)所示)和對(duì)角線(xiàn)有一定的偏離，對(duì)于不等長(zhǎng)的時(shí)間序列，即M≠N，亦是如此，但是偏離不會(huì)太大;否則，當(dāng)彎曲路徑偏離對(duì)角線(xiàn)很遠(yuǎn)時(shí)，即使兩個(gè)偏差很大的并不屬于同一類(lèi)的序列，也可能在整個(gè)傳統(tǒng)矩形彎曲窗口內(nèi)經(jīng)DTW計(jì)算，得到很小的累積距離值，這將造成病態(tài)匹配［8］，從而產(chǎn)生誤識(shí)別，降低算法的識(shí)別精度。

傳統(tǒng)DTW算法是從(0，0)出發(fā)，到(N，M)結(jié)束，在整個(gè)矩形彎曲窗口內(nèi)展開(kāi)若干條路徑搜索，計(jì)算每條路徑從(0，0)到(N，M)時(shí)對(duì)應(yīng)幀匹配的積累距離，累積距離最小者即為最佳匹配路徑。該算法計(jì)算量大，時(shí)間復(fù)雜度較高，為O(MN)［16］，算法識(shí)別效率低。

圖3 DTW算法搜索路徑Fig.3 Searching path of DTW algorithm

2.2.2 牽引車(chē)指令的語(yǔ)音特性分析

本研究飛行員對(duì)牽引車(chē)的語(yǔ)音指令屬于駕駛艙指令，是參照陸空通話(huà)標(biāo)準(zhǔn)擴(kuò)充的機(jī)載語(yǔ)音指令［2］，其基本要求包括用詞簡(jiǎn)潔、準(zhǔn)確、專(zhuān)業(yè)以及發(fā)音力度強(qiáng)化變更等，以此保證通話(huà)的時(shí)效性和準(zhǔn)確度，從而提高工作效率，保證航行安全。其語(yǔ)音特性的具體要求將嚴(yán)格遵循民航陸空通話(huà)標(biāo)準(zhǔn)［17］:

1)機(jī)載指令語(yǔ)氣易采用祈使句，通過(guò)省略主語(yǔ)使指令更加簡(jiǎn)練。

2)指令應(yīng)語(yǔ)義干脆、明確，指令詞匯應(yīng)避免使用單獨(dú)的漢字即英文字母，盡量采用平均長(zhǎng)度保持在2～4個(gè)字符的簡(jiǎn)單孤立詞匯。

3)指令語(yǔ)速平穩(wěn)，應(yīng)保持平均每秒2個(gè)字，以保證語(yǔ)音信息量和指令效率之間的平衡，從而保證指令的識(shí)別效率和識(shí)別準(zhǔn)確率，使機(jī)載語(yǔ)音指令的控制效能得以較好發(fā)揮。

4)指令發(fā)音力度應(yīng)作強(qiáng)化變更，這在提高語(yǔ)音抗噪性的同時(shí)，保證了不同指令間較強(qiáng)的差異化程度。使得語(yǔ)音識(shí)別時(shí)指令間不易發(fā)生誤識(shí)別，從而保證識(shí)別的準(zhǔn)確率［8］。

2.2.3 六邊形彎曲窗口約束的DTW算法

由牽引車(chē)指令語(yǔ)速平穩(wěn)特性可知，同一條指令的參考模板語(yǔ)音和測(cè)試模板語(yǔ)音發(fā)音時(shí)間軸長(zhǎng)度相差不大，即兩者時(shí)間軸分幀數(shù)M、N相差不大，根據(jù)DTW算法識(shí)別原理［15］，本研究語(yǔ)音指令的算法匹配路徑沿算法彎曲窗口對(duì)角線(xiàn)偏差不大，所以適當(dāng)減小算法彎曲窗口偏離對(duì)角線(xiàn)的區(qū)域，理論上將在保證識(shí)別準(zhǔn)確率的同時(shí)減少算法計(jì)算量從而提高算法識(shí)別效率。

另外，用詞簡(jiǎn)單、語(yǔ)義明確以及發(fā)音力度強(qiáng)化變更等語(yǔ)音特性，使得牽引車(chē)指令抗噪性強(qiáng)，同時(shí)不同指令間的差異化程度加強(qiáng)，根據(jù)DTW算法識(shí)別原理［15］，合理減小算法彎曲窗口偏離對(duì)角線(xiàn)的區(qū)域，理論上將有效避免指令間病態(tài)匹配現(xiàn)象，從而提高算法識(shí)別正確率。

針對(duì)傳統(tǒng)DTW算法存在的問(wèn)題，并結(jié)合以上對(duì)牽引車(chē)語(yǔ)音指令聲學(xué)特性與DTW算法彎曲窗口關(guān)系的分析，為了防止病態(tài)匹配、提高識(shí)別精度，同時(shí)為了減小時(shí)間復(fù)雜度、提高識(shí)別效率，本文對(duì)DTW算法的彎曲窗口進(jìn)行了優(yōu)化，即全局優(yōu)化［16］:DTW路徑的局部最優(yōu)性搜索只在限制的彎曲窗口中進(jìn)行。

目前，較為常用的全局優(yōu)化方法是Itakura Parallelogram約束［16，18］，該方法是將DTW算法的矩形彎曲窗口優(yōu)化為圖4所示的菱形彎曲窗口。

圖4 Itakura Parallelogram約束Fig.4 Constraint of Itakura Parallelogram

其中，菱形彎曲窗口斜率為1/2～2，且兩頂點(diǎn)分別為(0，0)、(N，M)，由此可求得菱形彎曲窗口四條邊的表達(dá)式分別為:y= (1/2)x，y=2x，y= (1/2)(x － N) +M，y=2(x－N)+M。由y=2x與y=(1/2)(x－N)+M相交，y=(1/2)x與y=2(x－N)+M相交，分別求得菱形窗口另外兩個(gè)頂點(diǎn)Xa=(2M －N)/3，Xb=(2/3)(2N －M)。

在尋找DTW路徑時(shí)，由于菱形彎曲窗口斜率的限制，語(yǔ)音識(shí)別只需要計(jì)算和存儲(chǔ)菱形彎曲窗口內(nèi)格點(diǎn)對(duì)應(yīng)幀的匹配距離和累積距離［18］，相對(duì)于傳統(tǒng)矩形彎曲窗口DTW，減少了算法的計(jì)算量。盡管如此，就本研究而言，由上文對(duì)牽引車(chē)語(yǔ)音指令聲學(xué)特性與DTW算法彎曲窗口關(guān)系的分析可知，偏離菱形彎曲窗口對(duì)角線(xiàn)的兩個(gè)頂角(∠Xa和∠Xb)范圍內(nèi)的幀匹配距離和累積距離，同菱形彎曲窗口范圍外幀的匹配距離和累積距離，可能也沒(méi)有必要計(jì)算和存儲(chǔ)［18］?；诖?，本文在菱形彎曲窗口約束的DTW算法的基礎(chǔ)上，進(jìn)一步提出六邊形彎曲窗口約束的DTW算法。

通過(guò)兩條與菱形彎曲窗口對(duì)角線(xiàn)等斜率的直線(xiàn)y=(M/N)x+kb和y=(M/N)x－kb，分別去掉菱形彎曲窗口偏離對(duì)角線(xiàn)的兩個(gè)頂角∠Xa和∠Xb，將其進(jìn)一步優(yōu)化為六邊形彎曲窗口，如圖5陰影部分所示。這時(shí)，待測(cè)模板的每一幀只需和參考模板在六邊形彎曲窗口內(nèi)的有限幀匹配，時(shí)間復(fù)雜度降低，同時(shí)有效避免病態(tài)匹配現(xiàn)象，提高算法識(shí)別精度［8］。

圖5 六邊形彎曲窗口Fig.5 Hexagonal warping window

設(shè) k為優(yōu)化系數(shù)，b=－(2M2)/(3N)+(5/3)M －(2/3)N為定值，取k=1時(shí)，y=(M/N)x－kb過(guò)菱形窗口頂點(diǎn)Xa，在縱坐標(biāo)軸上的截距。因?yàn)楸疚膬?yōu)化后的DTW彎曲窗口為六邊形，所以 k∈(0，1)。X1=k(2M － N)/3，X2=k(2M－4N)/3+N，X3=2k(2N －M)/3，X4=k(N －2M)/3+N分別是y=(M/N)x+kb和y=(M/N)x－kb兩條直線(xiàn)與菱形窗口的交點(diǎn)。

2.2.4 六邊形彎曲窗口

隨參考模板與測(cè)試模板時(shí)間序列長(zhǎng)度M、N的不同、優(yōu)化系數(shù)k的取值的不同，優(yōu)化后的DTW六邊形彎曲窗口大小不同，共有以下7種情況，如圖6所示。

圖6 優(yōu)化后的DTW六邊形彎曲窗口Fig.6 Optimized DTW hexagonal warping window

因?yàn)橐陨?種六邊形彎曲窗口的上下限各不相同，所以待測(cè)模板每一幀與參考模板每一幀匹配時(shí)，DTW算法的搜索范圍和匹配路徑各不相同。把每種情況下的六邊形彎曲窗口按照各自上下限對(duì)應(yīng)分成不同的小區(qū)域，這樣，DTW匹配路徑就能分段進(jìn)行，具體情況分析如下:

1)當(dāng)Xa=Xb時(shí)，計(jì)算可得X1=X3，X2=X4，匹配分為三段進(jìn)行:

2)當(dāng)Xa＜Xb時(shí)，計(jì)算可得X1＜X3，X2＜X4，當(dāng)X3＜X2時(shí)，匹配分為五段進(jìn)行:

同理，其他情況分析同上。

以上分段分析計(jì)算的方式讓7種不同六邊形彎曲窗口應(yīng)用于電腦程序成為可能，并為后續(xù)Matlab仿真實(shí)驗(yàn)中用六邊形彎曲窗口DTW算法寫(xiě)語(yǔ)音識(shí)別程序建立了基礎(chǔ)，方便了后續(xù)對(duì)不同算法識(shí)別性能的研究。

3 實(shí)驗(yàn)結(jié)果與分析

本文共設(shè)計(jì)三組實(shí)驗(yàn):實(shí)驗(yàn)一通過(guò)改變優(yōu)化系數(shù)，改變六邊形彎曲窗口約束的DTW算法，并將其與傳統(tǒng)DTW算法、菱形彎曲窗口約束的DTW算法進(jìn)行識(shí)別精度對(duì)比，找到識(shí)別精度最高的算法優(yōu)化系數(shù)范圍;然后，在該優(yōu)化系數(shù)范圍內(nèi)，對(duì)比三種算法的識(shí)別效率，找到識(shí)別效率最高的優(yōu)化算法，該優(yōu)化算法即為最優(yōu)六邊形彎曲窗口約束的DTW算法。實(shí)驗(yàn)二將實(shí)驗(yàn)一得到的最優(yōu)算法，與其他兩種算法進(jìn)行識(shí)別精度、效率對(duì)比，進(jìn)一步驗(yàn)證其優(yōu)化性能。實(shí)驗(yàn)三則是在改變測(cè)試集樣本大小的情況下，進(jìn)一步將最優(yōu)算法與其他兩種算法的識(shí)別精度、效率進(jìn)行對(duì)比，驗(yàn)證其魯棒性和時(shí)效性。

3.1 語(yǔ)音庫(kù)和測(cè)試集

根據(jù)本文2.2.2節(jié)對(duì)牽引車(chē)語(yǔ)音指令的語(yǔ)音特性分析，定義了滿(mǎn)足工況要求的牽引車(chē)語(yǔ)音基本指令集。

本實(shí)驗(yàn)語(yǔ)音信號(hào)處理方面主要考慮噪聲影響。機(jī)場(chǎng)噪聲主要來(lái)源于飛機(jī)發(fā)動(dòng)機(jī)，由于該機(jī)載語(yǔ)音指令控制的使用環(huán)境是飛機(jī)駕駛艙，駕駛艙對(duì)機(jī)場(chǎng)環(huán)境噪聲可分離性好［14］，所以其噪聲主要來(lái)源于本機(jī)發(fā)動(dòng)機(jī)，其他飛機(jī)發(fā)動(dòng)機(jī)噪聲對(duì)其影響不大。然而，又因?yàn)樵跔恳?chē)推拖飛機(jī)過(guò)程中，飛機(jī)發(fā)動(dòng)機(jī)并不工作，所以，本研究中本機(jī)發(fā)動(dòng)機(jī)也不會(huì)對(duì)駕駛艙機(jī)載語(yǔ)音識(shí)別產(chǎn)生噪聲影響。另外，由于本研究中飛行員對(duì)牽引車(chē)的語(yǔ)音指令是通過(guò)插在飛機(jī)腹部的耳機(jī)傳輸線(xiàn)傳到牽引車(chē)的(如圖1)，屬于內(nèi)話(huà)系統(tǒng)傳輸［14］，所以，盡管機(jī)場(chǎng)環(huán)境嘈雜，在信號(hào)傳輸過(guò)程中，機(jī)場(chǎng)噪聲對(duì)語(yǔ)音識(shí)別的影響并不大。

以上分析可知，本研究牽引車(chē)指令信號(hào)受環(huán)境噪聲影響較小，并且具有良好抗噪性，鑒于此，以下仿真實(shí)驗(yàn)在實(shí)驗(yàn)室低噪聲環(huán)境下進(jìn)行。

利用Matlab開(kāi)發(fā)一個(gè)基于本研究?jī)?nèi)容的語(yǔ)音信號(hào)數(shù)據(jù)檢測(cè)系統(tǒng)，系統(tǒng)在內(nèi)存為4 GB和CPU為3 GHz的PC上運(yùn)行。利用PC的Windows錄音設(shè)備，其中，采樣率為16 kHz，采樣位數(shù)為16 bit，錄制了10個(gè)人(5男5女)的語(yǔ)音，內(nèi)容包括所建牽引車(chē)語(yǔ)音基本指令集中“前進(jìn)、后退、左轉(zhuǎn)、右轉(zhuǎn)、停止”這五條最常用指令，并且嚴(yán)格按照牽引車(chē)指令詞匯庫(kù)設(shè)計(jì)原則，要求所有人語(yǔ)速平穩(wěn)，保持每秒2字，即每條語(yǔ)音指令用時(shí)1 s，并且發(fā)音力度相對(duì)于日常要作強(qiáng)化變更。每人每條語(yǔ)音均被采集30次，即每條指令均被采集300次。以12維梅爾頻率倒譜系數(shù)MFCC及1維標(biāo)準(zhǔn)化能量，以及它們的一階及二階差分，為語(yǔ)音特征參數(shù)［19］，分別對(duì)每條語(yǔ)音的200次采樣進(jìn)行特征提取，建立該語(yǔ)音的參考模板。五條語(yǔ)音共1500條參考模板，組成本研究的孤立詞指令語(yǔ)音庫(kù)。

測(cè)試模板仍然由上述10個(gè)人錄制，每人分別采集各條孤立詞指令語(yǔ)音20次，即每條語(yǔ)音各采集200次，參照參考模板的建立，同樣要求所有人語(yǔ)速平穩(wěn)，保持每秒2字，同時(shí)發(fā)音作同等力度的強(qiáng)化變更。然后，分別提取與參考模板相同的特征參數(shù)建立測(cè)試模板，五條語(yǔ)音指令共1 000條測(cè)試模板，組成本研究的測(cè)試集。

3.2 最優(yōu)六邊形彎曲窗口約束的DTW算法

將測(cè)試集里的每條測(cè)試模板與所建語(yǔ)音庫(kù)里的參考模板進(jìn)行匹配，分別統(tǒng)計(jì)傳統(tǒng)DTW算法和菱形彎曲窗口約束的DTW算法的語(yǔ)音識(shí)別結(jié)果。不斷改變六邊形彎曲窗口約束的DTW算法的優(yōu)化系數(shù)k，進(jìn)行同樣的實(shí)驗(yàn)，其中，k從0到1每間隔0.05取值一次。由仿真實(shí)驗(yàn)結(jié)果可知，對(duì)于同一種DTW算法，各條語(yǔ)音指令的識(shí)別精度相差不大，所以，本文將同一種DTW算法計(jì)算下的各條語(yǔ)音指令的識(shí)別錯(cuò)誤率進(jìn)行了均值處理，最后將三種不同DTW算法均值處理后的識(shí)別錯(cuò)誤率進(jìn)行對(duì)比分析，如圖7所示。

圖7 不同優(yōu)化系數(shù)時(shí)不同算法的識(shí)別錯(cuò)誤率對(duì)比Fig.7 Comparison of recognition error rates of different algorithms under different values of optimization coefficient

由圖7分析可知:k∈(k1，k2)時(shí)，六邊形彎曲窗口約束的DTW算法，相對(duì)于傳統(tǒng)DTW算法，識(shí)別精度較低;k∈(k1，k2)時(shí)，六邊形彎曲窗口約束的DTW算法雖然相對(duì)于傳統(tǒng)DTW算法識(shí)別精度有所提高，但是，相對(duì)于菱形彎曲窗口約束的DTW算法識(shí)別精度并無(wú)提高;k∈(k2，1)時(shí)，六邊形彎曲窗口約束的DTW算法相對(duì)于傳統(tǒng)DTW算法和菱形彎曲窗口約束的DTW算法，識(shí)別精度均提高;k∈(k3，k4)時(shí)，六邊形彎曲窗口約束的DTW算法識(shí)別精度最高(其中k1≈0.25，k2≈0.3，k3≈0.65，k4≈ 0.81)。

本研究重在提高算法識(shí)別精度，所以根據(jù)圖7算法精度對(duì)比實(shí)驗(yàn)結(jié)論，不同DTW算法識(shí)別效率的對(duì)比實(shí)驗(yàn)是在k∈(k3，k4)保證優(yōu)化算法識(shí)別精度最高的前提下進(jìn)一步進(jìn)行的，并用Matlab中的tic和toc函數(shù)，分別對(duì)三種DTW算法的識(shí)別時(shí)間進(jìn)行了統(tǒng)計(jì)，同樣對(duì)其結(jié)果進(jìn)行均值處理，如圖8所示。

由圖8分析可知，在優(yōu)化算法識(shí)別精度最高的k∈(k3，k4)取值范圍內(nèi)，六邊形彎曲窗口約束的DTW算法，相對(duì)于其他兩種算法，其識(shí)別效率均有提高;并且，k值越小，算法識(shí)別效率越高，k=0.65時(shí)，算法識(shí)別效率最高，此時(shí)六邊形彎曲窗口約束的DTW算法即為本研究的最優(yōu)算法。

3.3 最優(yōu)算法與其他算法的識(shí)別錯(cuò)誤率、效率對(duì)比

在實(shí)驗(yàn)一的基礎(chǔ)上，進(jìn)一步將k=0.65時(shí)最優(yōu)六邊形彎曲窗口約束的DTW算法與其他兩種DTW算法對(duì)各條孤立詞指令語(yǔ)音的識(shí)別錯(cuò)誤率、識(shí)別效率進(jìn)行對(duì)比，結(jié)果如表1～表2所示。

圖8 不同優(yōu)化系數(shù)時(shí)不同算法的識(shí)別時(shí)間對(duì)比Fig.8 Comparison of recognition time of different algorithms under different values of optimization coefficient

表1 k=0.65時(shí)不同算法識(shí)別錯(cuò)誤率對(duì)比 %Tab.1 Comparison of recognition error rates of different algorithms with k=0.65 %

表2 k=0.65時(shí)不同算法識(shí)別時(shí)間對(duì)比 s Tab.2 Comparison of recognition time of different algorithms with k=0.65 s

由表1、表2分析可知，所提最優(yōu)算法相比傳統(tǒng)DTW算法在識(shí)別錯(cuò)誤率減小了77.14%的同時(shí)識(shí)別效率提高了48.92%;相比菱形彎曲窗口約束的DTW算法在算法識(shí)別錯(cuò)誤率減小了69.27%的同時(shí)識(shí)別效率提高了27.90%。

3.4 不同測(cè)試集下三種算法的識(shí)別性能對(duì)比

考慮到測(cè)試集大小可能會(huì)影響算法的識(shí)別性能，為了更好地考察不同算法的識(shí)別性能，本實(shí)驗(yàn)在不同測(cè)試集下進(jìn)一步對(duì)比了三種算法在識(shí)別效率和識(shí)別正確率上的結(jié)果。本實(shí)驗(yàn)建立了測(cè)試模板數(shù)量為100條至1000條，以100條為間隔的大小不等的十種測(cè)試集。其中100條測(cè)試模板的測(cè)試集是由上述實(shí)驗(yàn)中的10個(gè)人分別錄制前進(jìn)、后退、左轉(zhuǎn)、右轉(zhuǎn)、停止語(yǔ)音指令各2次，200條測(cè)試模板的測(cè)試集則是由上述試驗(yàn)中的10個(gè)人分別錄制各條語(yǔ)音指令4次，以此類(lèi)推建立其他測(cè)試集。

分別將不同測(cè)試集里的測(cè)試模板與語(yǔ)音庫(kù)里的參考模板進(jìn)行匹配，對(duì)不同算法的識(shí)別性能進(jìn)行對(duì)比，結(jié)果如圖9所示。

由圖9(a)可以看出，隨著測(cè)試集增大，傳統(tǒng)DTW算法的識(shí)別效率略有降低，而其他兩種算法的識(shí)別效率均有提高，但最優(yōu)六邊形彎曲窗口約束的DTW算法相對(duì)于菱形彎曲窗口約束的DTW算法，識(shí)別效率提高20% ～30%，并且該最優(yōu)算法的識(shí)別效率呈線(xiàn)性增長(zhǎng)。

與此同時(shí)，由圖9(b)可以看出，隨著測(cè)試集的增大，傳統(tǒng)DTW算法的識(shí)別錯(cuò)誤率逐漸增大，對(duì)于大數(shù)據(jù)時(shí)代，這種錯(cuò)誤率的增大是不允許的，相比之下，菱形彎曲窗口約束的DTW算法較穩(wěn)定，其識(shí)別錯(cuò)誤率隨測(cè)試集增大沒(méi)有明顯變化。與以上兩種算法不同，隨測(cè)試集的增大，最優(yōu)六邊形彎曲窗口約束DTW算法的識(shí)別錯(cuò)誤率明顯降低，并且?guī)缀醭删€(xiàn)性降低，這也體現(xiàn)了該最優(yōu)算法對(duì)于大測(cè)試集具有較好的適應(yīng)性。

圖9 不同測(cè)試集大小時(shí)不同算法的識(shí)別性能對(duì)比Fig.9 Comparison of recognition performance of different algorithms under different sizes of test datasets

上述不同測(cè)試集下三種算法的性能對(duì)比實(shí)驗(yàn)進(jìn)一步證明，本文所提最優(yōu)六邊形彎曲窗口約束的DTW算法相對(duì)于其他兩種算法，尤其在大數(shù)據(jù)測(cè)試集情況下，其識(shí)別效率和識(shí)別正確率均有較好的表現(xiàn)。

4 結(jié)語(yǔ)

DTW是近年來(lái)針對(duì)簡(jiǎn)單、孤立詞匯識(shí)別的重要方法。識(shí)別過(guò)程中，DTW會(huì)在整個(gè)算法彎曲窗口內(nèi)展開(kāi)若干條路徑匹配，計(jì)算量大，然而，其最佳匹配路徑是沿DTW彎曲窗口對(duì)角線(xiàn)進(jìn)行，且偏差不大，否則容易出現(xiàn)病態(tài)匹配，造成誤識(shí)別。由此可見(jiàn)，彎曲窗口的大小可能會(huì)影響DTW的識(shí)別性能。

由于機(jī)場(chǎng)對(duì)安全性的高標(biāo)準(zhǔn)要求，本研究對(duì)牽引車(chē)識(shí)別飛行員指令的準(zhǔn)確性和時(shí)效性都提出了較高的要求。本文通過(guò)研究彎曲窗口對(duì)算法識(shí)別性能的影響，提出六邊形彎曲窗口DTW優(yōu)化算法，并通過(guò)孤立詞算法性能對(duì)比實(shí)驗(yàn)，進(jìn)一步找到最優(yōu)六邊形彎曲窗口DTW算法。實(shí)驗(yàn)結(jié)果表明，所提最優(yōu)算法相比傳統(tǒng)DTW算法和菱形彎曲窗口DTW算法，時(shí)間效率和識(shí)別正確率均有提高，更具時(shí)效性和魯棒性。

由于本文算法只測(cè)試了牽引車(chē)基本指令的中文語(yǔ)音版本，下一步將針對(duì)牽引工況下更多功能及英語(yǔ)語(yǔ)音的應(yīng)用進(jìn)行研究。