具体实施方式

为了使本发明实现的技术手段；创作特征；达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本发明，但下述实施例仅仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本发明的保护范围。下述实施例中的实验方法，如无特殊说明，均为常规方法，下述实施例中所用的材料；试剂等，如无特殊说明，均可从商业途径得到。

实施例

如图1-2所示，本发明提供一种基于大数据的车载人工智能语音交互系统，包括主控模块1，主控模块1的输入端与消噪模块2的输出端电连接，消噪模块2的输入端与语音识别服务器3的输出端电连接，语音识别服务器3的输入端与语音唤醒模块4的输出端电连接，语音唤醒模块4的输入端与消噪模块2的输出端电连接，主控模块1的与实时网络共享模块5双向电连接，实时网络共享模块5的输出端与云端服务器6的输入端电连接，云端服务器6的输出端与主转换模块7的输入端电连接，主转换模块7的输出端与分类模块8的输入端电连接，分类模块8的输出端分别与数据库9和深度学习模块10的输入端电连接，深度学习模块10与分类模块8均与数据库9的输入端电连接，主转换模块7的输出端与语义理解服务器12的输入端电连接，语义理解服务器12的输出端与实施网络共享模块的输入端电连接。

主转换模块7的输出端与模型库11的输入端电连接，模型库11的输出端与深度学习模块10的输入端电连接，语音唤醒模块4采用对麦克风阵列持续处于拾音状态，对采集音频进行采样量化，语音识别服务器3采用多个麦克风进行多个音频数据的同步高质量收录，并直接对多个音频信号频谱进行对比，将重复度最高的收录信号发送到消噪模块2，实时网络共享模块5采用4G网络方式数据传输，主控模块1采用安装9.0系统平台框架搭建，主转换模块7具体为语音转文字功能，且能够顺畅识别则直接将文字发送到语义理解服务器12，若无法识别语音则发送到模型库11，模型库11对语音进行收录和比对，通过深度学习模块10进行搜索近似项，并通过将检索的近似项进行语言数据通过大数据进行匹配即可。

消噪模块2采用降噪专用dsp芯片与八个麦克风阵列的硬件配合方式，降噪模块采用谱减法降噪，谱减法计算式如下：

其中：p_s(ω)为纯净语音信号功率谱，p_x(ω)为原声信号功率谱，p_n(ω)为噪声信号功率谱。

在使用时，其语音唤醒模块4保持麦克风阵列始终处于拾音状态，并经过内置的基本的信号处理，对音频进行静音识别和降噪处理，语音唤醒模块4会判断是否出现唤醒词，如果是，后续语音识别服务器3随之启动，识别交互语音信息后通过消噪模块2处理，车辆与风的噪音噪声的特点为加性的、局部平稳的且与语音信号统计独立，频谱法进行处理后根据噪声的加性特点，通过噪声能量估计和增益计算得到噪声的功率谱，然后从带噪语音的功率谱中减去估计出的噪声得到较为纯净的语音，随之对于一些口音带方言的交互语音中，其主转换模块7难以检测出完整的文字，使其通过模型库11建立独立的模型文件对比，随即通过深度学习模块10与数据库9中采用大数据的方式进行比对，使其获取最终的翻译文字后通过雨衣理解服务器进行处理即可，这种方式能够针对于语音收录的过程中保持稳定的语音降噪，保障交互信息收录过程的准确性，同时能够在采用实时共享模块将多个车机采用大数据互联的方式，使其进行共同学习，使其极大的提升识别的准确性。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。