關(guān)于語音識(shí)別技術(shù)在電力生產(chǎn)中的應(yīng)用研究*

陳錦彪

(廣東電網(wǎng)有限責(zé)任公司 佛山供電局，廣東 佛山 528000)

關(guān)于語音識(shí)別技術(shù)在電力生產(chǎn)中的應(yīng)用研究*

陳錦彪

(廣東電網(wǎng)有限責(zé)任公司 佛山供電局，廣東 佛山 528000)

摘要：語音是最自然的輸入手段，近年來語音識(shí)別已被廣泛應(yīng)用于智能家具、車載導(dǎo)航等場合，電力作為生產(chǎn)生活的基礎(chǔ)，吸納語音處理技術(shù)是勢所必然。對(duì)語音識(shí)別技術(shù)進(jìn)行了研究，從EMS人機(jī)交互、巡檢機(jī)器人控制、遠(yuǎn)程影音對(duì)話和巡檢單現(xiàn)場操作等諸多方面闡述了語音識(shí)別在電力生產(chǎn)中的應(yīng)用構(gòu)想。讓更多的讀者了解到語音識(shí)別技術(shù)在電力生產(chǎn)中解放雙手的新式操作體驗(yàn)，為語音識(shí)別的人機(jī)交互新技術(shù)在電力生產(chǎn)的大量應(yīng)用拋磚引玉，從而為提升電力生產(chǎn)效率添磚加瓦。

關(guān)鍵詞：語音識(shí)別;電力生產(chǎn);人機(jī)交互

語音識(shí)別是語音技術(shù)的重要分支，其起源于20世紀(jì)50年代。20世紀(jì)60—80年代，語音信號(hào)線性預(yù)測技術(shù)、動(dòng)態(tài)時(shí)間規(guī)正(DTW)、矢量量化(VQ)和隱馬爾柯夫模型(HMM)等相繼被應(yīng)用到語音識(shí)別技術(shù)，使之逐漸具有非特定人、大詞匯量和連續(xù)語音識(shí)別等功能。20世紀(jì)90年代后，人工神經(jīng)網(wǎng)絡(luò)以其高度容錯(cuò)性和自適應(yīng)性使語音識(shí)別系統(tǒng)從實(shí)驗(yàn)室走向?qū)嵱谩Ｄ壳埃覈_發(fā)的漢語人機(jī)對(duì)話系統(tǒng)準(zhǔn)確率已達(dá)90%以上。

電力系統(tǒng)應(yīng)用語音報(bào)警、語音合成等語音技術(shù)的歷史可謂悠遠(yuǎn)，但應(yīng)用語音識(shí)別是剛剛起步。本文將在充分分析電力生產(chǎn)特點(diǎn)的基礎(chǔ)上，闡述語音識(shí)別技術(shù)對(duì)于電力系統(tǒng)的重要性，以期進(jìn)一步拓展該技術(shù)的覆蓋范圍。

1語音識(shí)別原理

語音識(shí)別就是利用計(jì)算機(jī)將語音信號(hào)轉(zhuǎn)化為機(jī)器可執(zhí)行的文本命令，其屬于模式識(shí)別的范疇。按工作原理劃分，模式識(shí)別細(xì)分為模式匹配、句法模式識(shí)別和統(tǒng)計(jì)模式識(shí)別等3類，當(dāng)前的語音識(shí)別系統(tǒng)大多數(shù)是基于模式匹配原理的。語音識(shí)別實(shí)現(xiàn)過程的簡單描述如圖1所示，其主要包含特征提取、模式匹配和參考模式庫等3個(gè)單元[1]。

圖1　語音識(shí)別的原理

語言識(shí)別原理如下：1)待識(shí)別語音通過麥克風(fēng)變換成輸入語音，然后到預(yù)處理環(huán)節(jié)；2)預(yù)處理涉及多樣技術(shù)，包括信號(hào)采樣、反混疊濾波和端點(diǎn)檢測等，有時(shí)還會(huì)有模/數(shù)轉(zhuǎn)換和預(yù)加重，其目的是排除因個(gè)體差異、周邊環(huán)境等產(chǎn)生的噪聲；3)特征提取通過對(duì)一些特征函數(shù)(如倒譜、共振峰、線性預(yù)測系數(shù)、平均能量和過零數(shù)等)的計(jì)算，得到代表輸入語音本質(zhì)的信息；4)訓(xùn)練、聚類是通過讓語音輸入者多次重復(fù)講話以提煉關(guān)鍵數(shù)據(jù)(除掉冗余信息)，并形成獨(dú)特類別，保存進(jìn)參考模式庫；5)模式匹配是語音識(shí)別的核心，其通過距離測度的方法來衡量輸入特征與參考庫之間的相似度，以此來判決最終識(shí)別結(jié)果，其中，距離測度常用的方法有HMM距離測度、似然比測度和歐氏距離測度等。

2語音識(shí)別的典型問題分析

語音識(shí)別要達(dá)到實(shí)用化要求，應(yīng)妥善處理如下幾個(gè)問題。

1)降噪。很明顯，語音識(shí)別不可能避免噪聲環(huán)境。所謂噪聲，除了客觀環(huán)境的背景噪聲外，講話人因情緒變化而導(dǎo)致發(fā)聲失準(zhǔn)(與正常相比)也是不可忽視的一個(gè)噪聲因素。目前，應(yīng)對(duì)噪聲的方法主要有譜減法、環(huán)境規(guī)正技術(shù)以及建立合理的噪聲模型等。

2)基元選取。根據(jù)使用經(jīng)驗(yàn)，欲使語音識(shí)別系統(tǒng)能識(shí)別更多詞匯，所選擇的基元應(yīng)該盡可能小。

3)端點(diǎn)檢測(即確定語音的起末點(diǎn))。據(jù)大數(shù)據(jù)統(tǒng)計(jì)，50%以上的語音識(shí)別錯(cuò)誤源于端點(diǎn)檢測環(huán)節(jié)。提升端點(diǎn)檢測成功率的關(guān)鍵是找到穩(wěn)定的語音參數(shù)。

4)識(shí)別速度及拒識(shí)問題。語音輸入者應(yīng)盡可能減少“啊”、“吧”等語氣助詞，并且不使用方言或口語化語言，以提升語音識(shí)別的速度和成功率。

3語音識(shí)別在電力生產(chǎn)中的應(yīng)用

3.1應(yīng)用于EMS人機(jī)交互層面

能量管理系統(tǒng)(EMS)是調(diào)度員日常工作中操作最多的系統(tǒng)，其關(guān)系著整個(gè)電力系統(tǒng)的控制。EMS系統(tǒng)牽涉大量的人機(jī)交互環(huán)節(jié)，傳統(tǒng)的交互途徑是基于鼠標(biāo)/鍵盤的組合。根據(jù)文獻(xiàn)[2]的研究，EMS必然朝著“動(dòng)用各種感官，實(shí)現(xiàn)人機(jī)全面溝通”的方向發(fā)展。語言是自然、有效的交流方式，若能將語音識(shí)別融入EMS的人機(jī)交互，將能顯著提高信息輸入的效率(特別是在電網(wǎng)發(fā)生緊急情況時(shí))。

3.1.1可行性和價(jià)值分析

當(dāng)前，調(diào)度員主要通過鼠標(biāo)和鍵盤來操控電力系統(tǒng)的運(yùn)行，當(dāng)語音識(shí)別加入后，其與鼠標(biāo)、鍵盤在命令控制和文字錄入環(huán)節(jié)上的綜合比對(duì)見表1。

表1　EMS系統(tǒng)中3種人機(jī)交互方式的比對(duì)

限于篇幅，僅就命令控制情況進(jìn)行分析如下：1)用鼠標(biāo)選擇命令，不需記憶代碼，但要花時(shí)間找，其因此認(rèn)知負(fù)荷低，操作效率低；2)用快捷鍵選擇命令，速度快，記憶量小(因只涉及少量命令)，因此，其操作效率高，認(rèn)知負(fù)荷較低；3)語音識(shí)別牽涉到固有的語音代碼，需要花費(fèi)時(shí)間去記憶，但語音一經(jīng)出口即進(jìn)入自動(dòng)執(zhí)行環(huán)節(jié)，因此，其認(rèn)知負(fù)荷較高，操作效率高；4)鼠標(biāo)及鍵盤都是第三方工具，而語音是人類最常用的交流方式，因此，語音識(shí)別的自然性要優(yōu)于鼠標(biāo)及鍵盤。

可見，語音識(shí)別作為一種新型的交互技術(shù)，是鍵盤和鼠標(biāo)等傳統(tǒng)交互的有效補(bǔ)充。

3.1.2關(guān)于語音識(shí)別在EMS的應(yīng)用架構(gòu)的設(shè)想

一般來說，EMS命令可分為模糊空間類命令(如框定一塊沒名稱的區(qū)域)、具體空間類命令(如選中一個(gè)變電站)和非空間類命令(如顯示功率)[3]。顯然，語音識(shí)別對(duì)模糊類命令很難表達(dá)，對(duì)具體類命令則非常合適。在考慮語音識(shí)別后，EMS人機(jī)交互的組成框架變?yōu)槿鐖D2所示。圖2中，調(diào)度員正常是指身體狀態(tài)良好且已熟悉業(yè)務(wù)。

圖2　語音識(shí)別在EMS中的應(yīng)用

3.2應(yīng)用于機(jī)器人巡檢

電壓等級(jí)為500 kV及以上的變電站已普遍使用機(jī)器人巡檢，但其控制指令一般在主控室后臺(tái)下達(dá)。這種方式有如下不足：1)變電人員無法直面設(shè)備操控機(jī)器人，無法在設(shè)備區(qū)查詢狀態(tài)信息；2)后臺(tái)程序?qū)I(yè)性強(qiáng)，操作路徑復(fù)雜，不經(jīng)嚴(yán)格訓(xùn)練是不能使用的，由此限制了較大一部分變電人員的工作。采用語音識(shí)別，則變電人員只需熟悉簡單的指令，就能命令機(jī)器人前進(jìn)、后退、轉(zhuǎn)彎和溫濕度查詢等，既提升了變電站的智能化管理水平，又方便機(jī)器人日常運(yùn)維，還可推進(jìn)無人值守。

實(shí)現(xiàn)過程如下：變電人員通過無線話筒發(fā)布指令，機(jī)器人由自帶的拾音器采集聲音并送達(dá)系統(tǒng)內(nèi)部，經(jīng)由語音識(shí)別算法(如DTW算法)提取特征參數(shù)，再和參考庫進(jìn)行比對(duì)，發(fā)出識(shí)別結(jié)果供執(zhí)行。

3.3應(yīng)用于其他方面

傳統(tǒng)的變電、線路巡視往往依照巡視卡規(guī)定的路線和項(xiàng)目進(jìn)行巡視(巡視情況需手工記錄在案)，這種方式的明顯缺點(diǎn)是效率低下，且可能會(huì)出錯(cuò)(如筆誤)。隨著智能變電站的興起，可視化技術(shù)逐漸獲得應(yīng)用，在可視化支撐下，遠(yuǎn)程巡視成為可能。和上述EMS一樣，遠(yuǎn)程巡視要順利開展，離不開工作人員的遠(yuǎn)端控制。一般來說，巡視是很有規(guī)律的生產(chǎn)活動(dòng)，可將其細(xì)化為一系列前后相繼的標(biāo)準(zhǔn)化、格式化操作步驟，這樣就可使用語音識(shí)別來控制巡視過程的進(jìn)行以及現(xiàn)場巡視單的生成。以變壓器巡視為例，針對(duì)巡視部位選擇和巡視情況記錄，只需幾個(gè)簡單的語音(如“是”、“否”和“選擇1”等)就能完成。詳細(xì)如圖3所示。

圖3　語音識(shí)別應(yīng)用于遠(yuǎn)程巡檢

另外，遠(yuǎn)程影音對(duì)話與課件點(diǎn)播等場合均可使用語音識(shí)別技術(shù)。以科大訊飛語音平臺(tái)為基礎(chǔ)，勾勒出包含多環(huán)節(jié)的語音識(shí)別應(yīng)用體系(見圖4)，具體流程如下。

圖4　語音識(shí)別應(yīng)用于電力生產(chǎn)的總體架構(gòu)

1)用戶打開語音識(shí)別系統(tǒng)主界面，然后報(bào)菜單名稱(有4個(gè)可選項(xiàng)：可視現(xiàn)場、巡檢表單、播放課件和退出系統(tǒng))。

2)機(jī)器在監(jiān)聽到用戶語音后，打開相應(yīng)菜單。

3)以“可視現(xiàn)場”菜單為例，用戶用語音控制打開之后，進(jìn)入遠(yuǎn)程巡檢模式(能看到遠(yuǎn)端設(shè)備的狀況)，在巡檢完成后，用戶發(fā)命令“關(guān)閉”，則系統(tǒng)自動(dòng)轉(zhuǎn)到主界面。

4)在遠(yuǎn)端在線巡視完成后，用戶用語音打開“巡檢表單”菜單，進(jìn)入表單填寫。為了具備可操作性，表單所有內(nèi)容均被整理為標(biāo)準(zhǔn)選擇項(xiàng)形式，即用戶只需使用“選擇A”等類似詞匯即可完成表單自動(dòng)填寫。在所有項(xiàng)目選擇完畢，用戶發(fā)命令“提交”，表單就自動(dòng)生成，系統(tǒng)回到主界面。

5)如用戶希望播放課件，則只需在主界面狀態(tài)下發(fā)命令“播放課件”，系統(tǒng)開始自動(dòng)播放課件(如存在多個(gè)課件，可通過應(yīng)答機(jī)器提示而選擇)。

4結(jié)語

語音識(shí)別能徹底解放電力工人的雙手，使各項(xiàng)操作更為簡捷和高效。隨著嵌入式系統(tǒng)的發(fā)展，語音識(shí)別還能推廣到無線系統(tǒng)中。總之，語音識(shí)別技術(shù)是時(shí)代發(fā)展的前沿，也是電力行業(yè)應(yīng)用的趨勢，應(yīng)該加以快速推廣。

參考文獻(xiàn)

[1] 楊樸. 電力系統(tǒng)中的語音應(yīng)用技術(shù)研究[J]. 計(jì)算機(jī)仿真,2004 (2):38-39.

[2] 李鑫. 電力系統(tǒng)智能導(dǎo)航巡檢儀的開發(fā)與應(yīng)用[J]. 電子世界,2013 (3):48-50.

[3] 王大偉. 基于語音分析技術(shù)的電力客戶服務(wù)質(zhì)量檢測與分析探究[J]. 電子測試,2013 (9):173-174.

* 中國南方電網(wǎng)有限責(zé)任公司科技項(xiàng)目(030600KK52140058)

責(zé)任編輯彭光宇

The Speech Recognition Technology Application Research in Electric Power Production

CHEN Jinbiao

(Foshan Power Supply Bureau，Guangdong Grid Co.， Foshan 528000， China)

Abstract：Voice is the most natural input mean, in recent years, speech recognition has been widely applied to intelligent furniture, car navigation and so, and power is the basis of production and living in urgent need of the speech processing technology. Summarize the speech recognition technology, and then from the EMS man-machine interaction, inspection robot control, remote video dialogue, checking single site operation, and many other aspects. Expound the idea of the speech recognition application in electric power production. The purpose of the article is to make readers know more about the speech recognition technology in electric power production while hands are free in new operation experiences. For speech recognition of human computer interaction application of new technology in electric power production, it can improve power production efficiency.

Key words:speech recognition， electric power production， the human-computer interaction

收稿日期：2015-05-11

作者簡介：陳錦彪(1986-)，男，工程師，主要從事電力系統(tǒng)自動(dòng)化、軟件工程等方面的研究。

中圖分類號(hào)：TP 183

文獻(xiàn)標(biāo)志碼:A