[发明专利]一种便携语音输入设备

说明书

技术领域

本发明涉及一种应用于多种终端的语音输入设备，主要包含模拟信号转换、数据库管理、编码输出等方法和操作模式，是一种便携的输入设备。 

技术背景

在近几年的计算机迅猛发展中，语音识别技术有了很快的发展，语音识别的正确率正在不断提高。但是，语音输入却没有成为流行的输入方式。限制语音输入发展的不仅仅是识别技术，更多的是现有语音输入的处理流程：某终端从麦克风获取模拟信号、模拟信号处理后在终端进行语音识别或通过网络服务器进行识别、终端获得匹配结果。这种模式依赖于终端或网络，终端需要安装一系列程序和数据库才能使用语音输入，并且对于日新月异的新词和音色各异的人来说，他们无法将一台终端的语音数据库和参数方便的同步到他所用的其它终端。对于汽车导航仪等设备来说需要开发专门的语音输入程序。网络识别可以大大降低终端程序的大小并提高识别率，但其依赖于网络且很难实现应用于个人的个性化的语音数据库。所以，实现个人数据实时更新、跨终端、跨平台的语音输入方法才能使这种输入方式得到更多的发展。 

发明内容

本发明属于一种语音输入设备，主要作用是将声音等模拟信号转换成数字信号并以一种特殊的编码格式发送至接收端，并能够随身携带并用于多平台、多终端。 

设备的基本构成： 

该设备使用流数据，属于字符设备，主要包含信息获取模块、存储模块、处理模块及信息发送模块。 

信息获取模块：主要用于捕获信息，设备主要包括麦克风、音频输入接口等，该模块用于获得模拟信号，并传送给处理模块。 

处理模块： 

处理来自信息获取模块的模拟信号，模拟信号通过处理模块处理后生成一组数据流，这些数据流就是该模拟信号的参数和语音识别码。将该识别码及参数发送至存储模块。 

处理来自存储模块的信息，以特定编码格式发送至信息发送模块。 

处理来自信息发送模块的数字信号和参数，并将其按对应参数发送至存储模块。 

存储模块：该模块连接语音数据库，能够将获取的识别码按照对应参数于数据库进行处理，处理方法包含对比数据、删除数据、增加数据、更改数据、读取数据。数据库存有大量的识别码及其对应的编码数据。编码数据可以是纯字符编码(如UTF-8编码)也可以是命令码(一段长度不限的编码)。 

返回处理结果至处理模块。 

返回的结果可以是数据库中查询到的字符编码、命令码或者其它处理执行的结果。 

信息发送模块：通过usb或蓝牙等将处理模块的数据发送至终端或将终端的数据发送至处理模块。包含usb设备、蓝牙设备和wifi。 

语音设备的基本工作方法： 

1.声音信息的获得：信息获取模块中的麦克风捕获声音信息获得模拟信号或直接通过音频接口获得模拟信号，信号传送给处理模块。 

2.处理模块将信息进行处理，该处理主要包括： 

2.1模拟信号流的隔断：将模拟信号按照振幅、频率等进行分析，并按照间隔分隔单词或字。 

2.2模拟信号的转换：对单词或字的模拟信号进行处理，根据其波峰、波谷、频率等参数转换成一组数字。现有的语音识别对于该技术已经有比较成熟的方法，通过这些方法生成的一系列数据，称为识别码。 

2.3信息的类型分析：对于一句话中第一个字称之为“首字”，对首字的识别码进行首字数据库对比，首字识别码若能成功匹配且首字与第二字的时间间隔大，则该首字属于“启用音”，该信息按对应照信息类型进行处理。否则，该信息为“纯文本类型”。 

处理模块中使用的信息编码和首字启用音示例(表格中启用音使用拼音表示) 

2.4数字信号的翻译： 

该过程需要数据库的支持，存储模块中的数据库分为4类： 

1.首字数据库：首字数据库保存了部分用于判断信息类型的识别码和信息，是语音输入设备调用合适数据库并处理信息的重要参数，改数据库的识别码对应的原音称为“启用音”。命令编码内容参见“语音输入设备信息类型及编码”。 

2.纯文本编码数据库：包含识别码、文字编码和它相关的语法信息。采用一种文字编码形式，例如中文可采用CP936文字编码等。 

3.个性化数据库：用于用户自定义的数据识别，识别码可能比较长，主要用于方言和用户自定义语句，该数据库多用于短语句的整体识别，不含有任何语法信息。