1.本发明涉及电动车调速控制技术领域，尤其是一种基于语音语义识别的电动车调速方法、系统、装置及介质。


背景技术：

2.随着锂电池容量的扩大，电动两轮车逐渐走进了人们的日常生活，给出行带来了很多方便。在电动车的调速控制，需要调速输入信号稳定，不能出现极大的跳跃，因为跳跃的调速输入信号会使电动两轮车运行突然加速，容易造成安全事故。现有技术中，调速控制信号是通过安装在手把上的霍尔传感器产生，当驾驶员想要调节电动两轮车的前进速度的时候，需要转动调速手把。然而调速手把还兼具有掌控电动两轮车前进方向的功能，这使得电动车在行驶在崎岖的路面时很容易出现颠簸造成速度控制不稳定，存在较大安全隐患。


技术实现要素：

3.本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
4.为此，本发明实施例的一个目的在于提供一种基于语音语义识别的电动车调速方法，该方法通过采集驾驶员的语音控制信号并进行语音识别和语义识别，可以准确匹配到相应的调速指令对电动车进行调速，使得驾驶员在驾驶电动车时右手能够更好的掌控前进方向，有效地解决了传统的电动车调速在崎岖山地或颠簸路段存在的调速信号不稳定的问题，避免误调速情况的发生，确保行驶安全的同时提高了电动车调速的便捷性。
5.本发明实施例的另一个目的在于提供一种基于语音语义识别的电动车调速系统。
6.为了达到上述技术目的，本发明实施例所采取的技术方案包括：
7.第一方面，本发明实施例提供了一种基于语音语义识别的电动车调速方法，包括以下步骤：
8.获取驾驶员的语音控制信号，并根据所述语音控制信号确定第一声学特征信息；
9.对所述第一声学特征信息进行语音识别得到第一文本信息，进而对所述第一文本信息进行特征提取得到文本特征向量；
10.将所述文本特征向量输入到预先训练好的语义识别模型中，得到第一语义识别结果；
11.根据所述第一语义识别结果在预先构建的调速指令库中匹配得到第一调速指令，进而根据所述第一调速指令对电动车进行调速。
12.进一步地，在本发明的一个实施例中，所述获取驾驶员的语音控制信号这一步骤，其具体包括：
13.通过语音采集装置获取驾驶员的第一语音信号；
14.对所述第一语音信号进行降噪和过滤处理，得到所述语音控制信号。
15.进一步地，在本发明的一个实施例中，所述根据所述语音控制信号确定第一声学特征信息这一步骤，其具体包括：
16.对所述语音控制信号进行分帧和加窗处理，得到多个音频帧；
17.对各所述音频帧进行快速傅里叶变换，得到各所述音频帧的频谱，进而根据所述频谱的峰值信号确定各所述音频帧的第一数字特征；
18.根据所述第一数字特征和所述音频帧的顺序确定第一声学特征信息。
19.进一步地，在本发明的一个实施例中，所述对所述第一声学特征信息进行语音识别得到第一文本信息这一步骤，其具体包括：
20.通过预设的声学模型对所述第一声学特征信息进行声学解码得到音节阵列；
21.根据所述音节阵列在预设的词表中进行匹配，得到词阵列；
22.通过预设的语言模型对所述词阵列进行语言解码得到第一文本信息。
23.进一步地，在本发明的一个实施例中，所述对所述第一文本信息进行特征提取得到文本特征向量这一步骤，其具体包括：
24.对所述第一文本信息进行分词处理得到第一词组；
25.确定所述第一词组中各个词的词嵌入向量，进行根据所述词嵌入向量确定所述第一词组的词组向量；
26.对所述词组向量进行归一化处理，得到所述文本特征向量。
27.进一步地，在本发明的一个实施例中，所述电动车调速方法还包括训练语义识别模型的步骤，其具体包括：
28.获取文本样本数据，并确定所述文本样本数据的语义标签；
29.对所述文本样本数据进行特征提取得到样本特征向量，进而将所述样本特征向量输入到语义识别模型中，得到第二语义识别结果；
30.根据所述第二语义识别结果和所述语义标签确定训练的损失值；
31.根据所述损失值对所述语义识别模型的参数进行更新。
32.进一步地，在本发明的一个实施例中，所述根据所述第一语义识别结果在预先构建的调速指令库中匹配得到第一调速指令，进而根据所述第一调速指令对电动车进行调速这一步骤，其具体包括：
33.根据所述第一语义识别结果确定调速类型；
34.根据所述调速类型在所述调速指令库中匹配得到第一调速指令，并将所述第一调速指令下发至电动车的动力系统；
35.通过所述动力系统执行所述第一调速指令，从而完成电动车调速。
36.第二方面，本发明实施例提供了一种基于语音语义识别的电动车调速系统，包括：
37.声学特征确定模块，用于获取驾驶员的语音控制信号，并根据所述语音控制信号确定第一声学特征信息；
38.文本特征提取模块，用于对所述第一声学特征信息进行语音识别得到第一文本信息，进而对所述第一文本信息进行特征提取得到文本特征向量；
39.语义识别模块，用于将所述文本特征向量输入到预先训练好的语义识别模型中，得到第一语义识别结果；
40.调速控制模块，用于根据所述第一语义识别结果在预先构建的调速指令库中匹配得到第一调速指令，进而根据所述第一调速指令对电动车进行调速。
41.第三方面，本发明实施例提供了一种基于语音语义识别的电动车调速装置，包括：
42.至少一个处理器；
43.至少一个存储器，用于存储至少一个程序；
44.当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种基于语音语义识别的电动车调速方法。
45.第四方面，本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行上述的一种基于语音语义识别的电动车调速方法。
46.本发明的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到：
47.本发明实施例获取驾驶员的语音控制信号，并根据语音控制信号确定第一声学特征信息，然后对第一声学那个信息进行语音识别得到第一文本信息，进而对第一文本信息进行特征提取得到文本特征向量，将文本特征向量输入到预先训练好的语义识别模型得到第一语义识别结果，再根据该第一语义识别结果在预先构建的调速指令库中匹配得到第一调速指令，从而可以根据第一调度指令对电动车进行调速。本发明实施例通过采集驾驶员的语音控制信号并进行语音识别和语义识别，可以准确匹配到相应的调速指令对电动车进行调速，使得驾驶员在驾驶电动车时右手能够更好的掌控前进方向，有效地解决了传统的电动车调速在崎岖山地或颠簸路段存在的调速信号不稳定的问题，避免误调速情况的发生，确保行驶安全的同时提高了电动车调速的便捷性。
附图说明
48.为了更清楚地说明本发明实施例中的技术方案，下面对本发明实施例中所需要使用的附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
49.图1为本发明实施例提供的一种基于语音语义识别的电动车调速方法的步骤流程图；
50.图2为本发明实施例提供的一种基于语音语义识别的电动车调速系统的结构框图；
51.图3为本发明实施例提供的一种基于语音语义识别的电动车调速装置的结构框图。
具体实施方式
52.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
53.在本发明的描述中，多个的含义是两个或两个以上，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技
术特征的数量或者隐含指明所指示的技术特征的先后关系。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。
54.参照图1，本发明实施例提供了一种基于语音语义识别的电动车调速方法，具体包括以下步骤：
55.s101、获取驾驶员的语音控制信号，并根据语音控制信号确定第一声学特征信息。
56.具体地，可通过车载语音采集装置或头戴式设备采集驾驶员的语音控制信号，通过声学处理方法提取声学特征信息。
57.进一步作为可选的实施方式，获取驾驶员的语音控制信号这一步骤，其具体包括：
58.a1、通过语音采集装置获取驾驶员的第一语音信号；
59.a2、对第一语音信号进行降噪和过滤处理，得到语音控制信号。
60.具体地，由于电动车在行驶过程中会产生噪声，因此采集到的语音信号中存在噪声信号，需要对其进行降噪和过滤处理，具体可采用现有的语音降噪技术。本发明实施例中，通过维纳滤波器对第一语音信号进行降噪和过滤处理，得到语音控制信号。
61.进一步作为可选的实施方式，根据语音控制信号确定第一声学特征信息这一步骤，其具体包括：
62.b1、对语音控制信号进行分帧和加窗处理，得到多个音频帧；
63.b2、对各音频帧进行快速傅里叶变换，得到各音频帧的频谱，进而根据频谱的峰值信号确定各音频帧的第一数字特征；
64.b3、根据第一数字特征和音频帧的顺序确定第一声学特征信息。
65.具体地，本发明实施例对语音控制信号按照一定的帧叠进行分帧和加窗，得到多个音频帧，此处分帧指的是按预设规则将整段的语音控制信号切成多段，每一段即为一个音频帧，加窗指的是使用预设的窗函数对每个音频帧进行截取，从而使分帧后的音频帧更加连贯，表现出更好的周期函数特征，该窗函数可以是矩形窗、汉明窗或者高斯窗等的任意一种。然后对获取的音频帧进行快速傅里叶变换(fft，fast fourier transformation)，得到每个音频帧的频谱，选取每帧频谱中的峰值信号作为该频谱的数字特征来构造口语测试数据的声学特征信息；在一些实施例中，在得到音频帧的频谱后，也可以在频域上将每个音频帧划分出多个子带，然后计算任意两个相邻子带之间的能量差分的差值，基于得到的差值来构造语音控制信号的声学特征信息。上述的方式在编码时一般都是将数字特征转换为哈希序列，即以哈希序列作为音频数据的声学特征信息，在一些实施例中，还可以通过神经网络模型提取语音控制信号的音频数字特征作为声学特征信息，得到的数据格式可以是数值、向量或者矩阵中的任意一种。
66.s102、对第一声学特征信息进行语音识别得到第一文本信息，进而对第一文本信息进行特征提取得到文本特征向量。
67.具体地，可通过现有的语音识别模型对第一声学特征信息进行识别，得到对应的第一文本信息，然后提取出第一文本信息的文本特征向量，作为后续语义识别模型的输入。
68.进一步作为可选的实施方式，对第一声学特征信息进行语音识别得到第一文本信息这一步骤，其具体包括：
69.c1、通过预设的声学模型对第一声学特征信息进行声学解码得到音节阵列；
70.c2、根据音节阵列在预设的词表中进行匹配，得到词阵列；
71.c3、通过预设的语言模型对词阵列进行语言解码得到第一文本信息。
72.具体地，声学模型、语言模型和解码器可以看作是现代语音识别系统最核心的三个组成部分。声学模型主要用来构建输入语音和输出声学单元之间的概率映射关系；语言模型用来描述不同字词之间的概率搭配关系，使得识别出的句子更像自然文本；解码器负责结合声学单元概率数值和语言模型在不同搭配上的打分进行筛选，最终得到最可能的识别结果。本发明实施例中，声学模型采用lc
‑
blstm声学模型或lfr
‑
dfsmn声学模型，语言模型采用nn
‑
lm语言模型。
73.进一步作为可选的实施方式，对第一文本信息进行特征提取得到文本特征向量这一步骤，其具体包括：
74.d1、对第一文本信息进行分词处理得到第一词组；
75.d2、确定第一词组中各个词的词嵌入向量，进行根据词嵌入向量确定第一词组的词组向量；
76.d3、对词组向量进行归一化处理，得到文本特征向量。
77.具体地，对第一文本信息进行分词处理，得到组成该文本信息的词组。例如，第一文本信息为“缓慢加速到三档”，经过分词处理后可以得到词组“缓慢，加速，到，三档”。此处，可以采用的分词算法有多种，例如在一些实施例中，可以采用基于词典的分词算法，先把语句按照词典切分成词，再寻找词的最佳组合方式；在一些实施例中，也可以采用基于字的分词算法，先把文本信息分成一个个字，再将字组合成词，寻找最优的组合方式。将语句进行分词处理后，可以通过预先建立的词典来确定词组中每个词对应的词嵌入向量，当然，在一些实施例中，词嵌入向量可以通过将词映射到一个具有统一的较低维度的向量空间中得到，生成这种映射的策略包括神经网络、单词共生矩阵的降维、概率模型以及可解释的知识库方法等。比如说对于“缓慢加速到三档”的文本信息，首先一一确定语句中各个词对应的词嵌入向量，其中，词“缓慢”对应的词向量为(0，5，1，1)，词“加速”对应的词向量为(0，0，0，1)，词“到”对应的词向量为(4，2，3，1)，词“三档”对应的词向量为(0，1，0，1)。在确定到词组“缓慢，加速，到，三档”中每个词对应的词嵌入向量后，可以对这些词嵌入向量进行累加，累加后的向量可以记为词组向量，词组“缓慢，加速，到，三档”对应的词组向量为(4，8，4，4)，对词组向量进行归一化处理，即可得到的该文本信息对应的向量，比如说归一化处理时，可以设定语句对应的向量中元素和为1，则语句“缓慢，加速，到，三档”可以通过向量(0.2，0.4，0.2，0.2)来表示。可以理解的是，参照上述的方式，可以确定出第一文本信息对应的向量，即为文本特征向量。
78.s103、将文本特征向量输入到预先训练好的语义识别模型中，得到第一语义识别结果。
79.进一步作为可选的实施方式，电动车调速方法还包括训练语义识别模型的步骤，其具体包括：
80.e1、获取文本样本数据，并确定文本样本数据的语义标签；
81.e2、对文本样本数据进行特征提取得到样本特征向量，进而将样本特征向量输入到语义识别模型中，得到第二语义识别结果；
82.e3、根据第二语义识别结果和语义标签确定训练的损失值；
83.e4、根据损失值对语义识别模型的参数进行更新。
84.具体地，本发明实施例的语义识别模型主要用于调速语音的语义识别，因此样本数据为调速场景中可能会出现的文本样本，然后通过人工对其进行语义标注。样本特征向量的提取方法与上述文本特征向量的提取方法相类似，在此不作赘述。
85.本发明实施例中，语义识别模型通过深度神经网络构建，将样本特征向量输入到初始化后的语义识别模型后，可以得到模型输出的识别结果，即语义识别结果，可以根据该语义识别结果和前述的语义标签来评估识别模型识别语义的准确性，从而对模型的参数进行更新。对于语义识别模型来说，模型预测结果的准确性可以通过损失函数(loss function)来衡量，损失函数是定义在单个训练数据上的，用于衡量一个训练数据的预测误差，具体是通过单个训练数据的标签和模型对该训练数据的预测结果确定该训练数据的损失值。而实际训练时，一个训练数据集有很多训练数据，因此一般采用代价函数(cost function)来衡量训练数据集的整体误差，代价函数是定义在整个训练数据集上的，用于计算所有训练数据的预测误差的平均值，能够更好地衡量出模型的预测效果。对于一般的机器学习模型来说，基于前述的代价函数，再加上衡量模型复杂度的正则项即可作为训练的目标函数，基于该目标函数便能求出整个训练数据集的损失值。常用的损失函数种类有很多，例如0
‑
1损失函数、平方损失函数、绝对损失函数、对数损失函数、交叉熵损失函数等均可以作为机器学习模型的损失函数，在此不再一一阐述。本发明实施例中，可以从中任选一种损失函数来确定训练的损失值。基于训练的损失值，采用反向传播算法对模型的参数进行更新，迭代几轮即可得到训练好的点云杆塔识别模型。具体地迭代轮数可以预先设定，或者在测试集达到精度要求时认为训练完成。
86.s104、根据第一语义识别结果在预先构建的调速指令库中匹配得到第一调速指令，进而根据第一调速指令对电动车进行调速。
87.具体地，调速指令库中包括多种调速类型和其对应的调速指令，该调速指令可由电动车动力系统执行。步骤s104具体包括以下步骤。
88.s1041、根据第一语义识别结果确定调速类型；
89.s1042、根据调速类型在调速指令库中匹配得到第一调速指令，并将第一调速指令下发至电动车的动力系统；
90.s1043、通过动力系统执行第一调速指令，从而完成电动车调速。
91.本发明实施例中，调速类型可包括“低速启动”、“加速一档”、“加速二档”、“加速三档”、“停止”、“微调”、“减速”、“缓慢减速”等，具体可根据实际应用场景进一步细化。在每个调速类型下对应有相应的调速指令，通过第一语义识别结果确定调速类型后可在调速指令库中匹配到对应的调速指令，通过电动车的动力系统执行该指令即可自动完成调速。
92.以上对本发明实施例的方法步骤进行了说明。可以理解的是，本发明实施例通过采集驾驶员的语音控制信号并进行语音识别和语义识别，可以准确匹配到相应的调速指令对电动车进行调速，使得驾驶员在驾驶电动车时右手能够更好的掌控前进方向，有效地解决了传统的电动车调速在崎岖山地或颠簸路段存在的调速信号不稳定的问题，避免误调速情况的发生，确保行驶安全的同时提高了电动车调速的便捷性。
93.参照图2，本发明实施例提供了一种基于语音语义识别的电动车调速系统，包括：
94.声学特征确定模块，用于获取驾驶员的语音控制信号，并根据语音控制信号确定第一声学特征信息；
95.文本特征提取模块，用于对第一声学特征信息进行语音识别得到第一文本信息，进而对第一文本信息进行特征提取得到文本特征向量；
96.语义识别模块，用于将文本特征向量输入到预先训练好的语义识别模型中，得到第一语义识别结果；
97.调速控制模块，用于根据第一语义识别结果在预先构建的调速指令库中匹配得到第一调速指令，进而根据第一调速指令对电动车进行调速。
98.上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
99.参照图3，本发明实施例提供了一种基于语音语义识别的电动车调速装置，包括：
100.至少一个处理器；
101.至少一个存储器，用于存储至少一个程序；
102.当上述至少一个程序被上述至少一个处理器执行时，使得上述至少一个处理器实现上述的一种基于语音语义识别的电动车调速方法。
103.上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
104.本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，该处理器可执行的程序在由处理器执行时用于执行上述一种基于语音语义识别的电动车调速方法。
105.本发明实施例的一种计算机可读存储介质，可执行本发明方法实施例所提供的一种基于语音语义识别的电动车调速方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
106.本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
107.在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
108.此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无
需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
109.上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
110.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
111.计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印上述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得上述程序，然后将其存储在计算机存储器中。
112.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
113.在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
114.尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
115.以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这
些等同的变形或替换均包含在本技术权利要求所限定的范围内。