基于树莓派的应急广播方法及系统与流程

[0001]
本发明涉及树莓派技术领域，特别是涉及一种基于树莓派的应急广播方法及系统。


背景技术：

[0002]
目前，树莓派是一种微型电脑，是为了学习计算机编程教育而设计的。虽然其只有信用卡大小，但是其可谓是“麻雀虽小，五脏俱全”，具有非常的功能，因此深受人们喜爱。
[0003]
现阶段的机场广播语言基本为本国语言和英语，然而，当乘客所熟悉的语言为小众语种时，或者不熟悉所在国的语言或英语时，容易使得乘客听不懂广播的语音信息，进而错过了航班信息，或者当乘客需要向广播员或其他工作人员寻求帮助时，由于语言不通，进而无法进行沟通交流。


技术实现要素：

[0004]
本发明的目的是克服现有技术中的不足之处，提供一种能够方便快捷翻译小众语种、以及保证工作人员能够小众语种的乘客进行沟通交流的基于树莓派的应急广播方法及系统。
[0005]
本发明的目的是通过以下技术方案来实现的：
[0006]
一种基于树莓派的应急广播方法，包括如下步骤：
[0007]
s101、接收原始声音数据，将所述原始声音数据与预设声音阈值进行比对，生成预处理声音数据；
[0008]
s102、判断所述预处理声音数据是否存在噪音，若有，则生成降噪指令，对所述预处理声音数据进行降噪操作，生成已处理声音数据；
[0009]
s103、对所述已处理声音数据进行解析操作，生成预处理特征标签，将所述预处理特征标签与所述已处理声音数据进行绑定；
[0010]
s104、根据预设语种信息，生成原始特征标签，将所述特征标签与所述预设语种信息进行绑定，同时，将所述原始特征标签与所述预处理特征标签进行比对，生成实时语种数据；
[0011]
s105、根据所述实时语种数据，将所述已处理声音数据进行转换操作，生成实时广播声音数据，发送所述实时广播声音数据。
[0012]
在其中一个实施例中，在所述步骤根据预设语种信息，生成原始特征标签，将所述特征标签与所述预设语种信息进行绑定，同时，将所述原始特征标签与所述预处理特征标签进行比对，生成实时语种数据中，具体包括如下步骤：
[0013]
根据预设声音特征相似值，将所述原始特征标签与所述预处理特征标签进行比对，生成实时声音特征相似值，若所述实时声音特征相似值大于或等于所述预设声音特征相似值，则生成所述实时语种数据。
[0014]
在其中一个实施例中，所述预设声音特征相似值为90％。
[0015]
在其中一个实施例中，在所述步骤接收原始声音数据，将所述原始声音数据与预设声音阈值进行比对，生成预处理声音数据中，具体包括如下步骤：
[0016]
生成声音提取指令，对所述原始声音数据进行提取操作。
[0017]
在其中一个实施例中，所述预设声音阈值范围为80hz～1200hz。
[0018]
在其中一个实施例中，在所述步骤接收原始声音数据，将所述原始声音数据与预设声音阈值进行比对，生成预处理声音数据后，还包括如下步骤：
[0019]
针对所述已处理声音数据，生成模糊搜索指令，执行所述模糊搜索指令，生成待确认声音数据。
[0020]
在其中一个实施例中，在所述步骤判断所述预处理声音数据是否存在噪音，若有，则生成降噪指令，对所述已处理声音数据进行降噪操作，生成预处理声音数据中，具体包括如下步骤：
[0021]
针对所述已处理声音数据进行分帧操作，生成待处理声音数据；
[0022]
将所述待处理声音数据进行计算处理，生成所述已处理声音数据。
[0023]
一种基于树莓派的应急广播系统，包括：
[0024]
采集模块，所述采集模块用于接收原始声音数据；
[0025]
降噪模块，所述降噪模块用于判断所述原始声音数据是否存在噪音，若有，则生成降噪指令，对所述原始声音数据进行降噪操作，生成预处理声音数据；
[0026]
比对模块，所述比对模块用于将所述原始声音数据与预设声音阈值进行比对，生成预处理声音数据，所述比对模块还用于将所述原始特征标签与所述预处理特征标签进行比对，生成实时语种数据；
[0027]
绑定模块，所述绑定模块用于对所述已处理声音数据进行解析操作，生成预处理特征标签，将所述预处理特征标签与所述已处理声音数据进行绑定，所述绑定模块还用于生成原始特征标签，将所述特征标签与所述预设语种信息进行绑定；
[0028]
解析模块，所述解析模块用于根据所述实时语种数据，将所述已处理声音数据进行转换操作，生成实时广播声音数据；及
[0029]
发送模块，所述发送模块用于发送所述实时广播声音数据。
[0030]
在其中一个实施例中，所述比对模块还用于根据预设声音特征相似值，将所述原始特征标签与所述预处理特征标签进行比对，生成实时声音特征相似值，若所述实时声音特征相似值大于或等于所述预设声音特征相似值，则生成所述实时语种数据。
[0031]
在其中一个实施例中，还包括截取模块，所述解析模块用于生成声音提取指令，对所述原始声音数据进行提取操作。
[0032]
本发明相比于现有技术的优点及有益效果如下：
[0033]
本发明为一种基于树莓派的应急广播方法及系统，通过获取乘客的原始声音数据，经过降噪处理，生成已处理声音数据，对已处理声音数据进行解析操作，产生关于该已处理声音数据的预处理特征标签，并与数据库内预设语种信息的原始特征标签进行比对，进而得出与该乘客的原始声音数据匹配的语种。如此，通过上述方式能够解决在机场的乘客所熟悉的语言为小众语言或者不熟悉所在国的语言或英语时，能够及时利用小众语言进行广播语音，同时，也方便工作人员与乘客进行沟通交流。
附图说明
[0034]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0035]
图1为本发明一实施方式的基于树莓派的应急广播方法的步骤流程图；
[0036]
图2为本发明一实施方式的基于树莓派的应急广播系统的功能示意图
具体实施方式
[0037]
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。
[0038]
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
[0039]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0040]
请参阅图1，一种基于树莓派的应急广播方法，包括如下步骤：s101、接收原始声音数据，将原始声音数据与预设声音阈值进行比对，生成预处理声音数据；
[0041]
s102、判断预处理声音数据是否存在噪音，若有，则生成降噪指令，对预处理声音数据进行降噪操作，生成已处理声音数据；
[0042]
s103、对已处理声音数据进行解析操作，生成预处理特征标签，将预处理特征标签与已处理声音数据进行绑定；
[0043]
s104、根据预设语种信息，生成原始特征标签，将特征标签与预设语种信息进行绑定，同时，将原始特征标签与预处理特征标签进行比对，生成实时语种数据；
[0044]
s105、根据实时语种数据，将已处理声音数据进行转换操作，生成实时广播声音数据，发送实时广播声音数据。
[0045]
为了更好的描述基于树莓派的应急广播方法的方案，以及更好的理解基于树莓派的应急广播方法的构思，例如，请参阅图1，步骤s101、接收原始声音数据，将原始声音数据与预设声音阈值进行比对，生成预处理声音数据。
[0046]
步骤s102、判断预处理声音数据是否存在噪音，若有，则生成降噪指令，对预处理声音数据进行降噪操作，生成已处理声音数据；
[0047]
具体地，在一实施方式中，预设声音阈值范围为80hz～1200hz。
[0048]
再具体地，在一实施方式中，在步骤接收原始声音数据，将原始声音数据与预设声音阈值进行比对，生成预处理声音数据中，具体包括如下步骤：
[0049]
生成声音提取指令，对原始声音数据进行提取操作。
[0050]
更具体地，在一实施方式中，在步骤判断预处理声音数据是否存在噪音，若有，则生成降噪指令，对预处理声音数据进行降噪操作，生成已处理声音数据中，具体包括如下步骤：
[0051]
针对已处理声音数据进行分帧操作，生成待处理声音数据；
[0052]
将待处理声音数据进行计算处理，生成已处理声音数据。
[0053]
需要说明的是，广播设备通过aux口与树莓派连接，客户端内置ai翻译器及语音数据库，客户端接收求助人员的语音，ai翻译器将求助人员的语音对比翻译后，上传至云服务器，最后树莓派通过获取云服务器的翻译后的语音，进行广播。结合本实施例，ai翻译器首先获取求助人员的原始声音数据，并对原始声音数据进行噪声检测，人类声音由气流声带振动产生，由于个人体质、语言等因素存在巨大差异，无法做到均值，所以只能取其阀值80hz～1200hz。高于80hz低于1200hz都为噪声，即当ai翻译器检测到原始声音数据中的高于80hz或低于1200hz时，则会生成提取指令，截取80hz～1200hz的声音数据。同时，生成降噪指令，对预处理声音数据进行分帧处理，其中可采用ifft计算短时傅里叶变换，然后利用最小值跟踪法或时间递归平均算法对噪声进行估计，生成待处理声音数据，进一步地，对待处理声音数据进行计算操作，得到后验信噪比，根据后验信噪比，利用最大似然法估计先验信噪比，最后计算得出增益函数，将增益函数与输入带噪信号谱相乘，得到除噪语音信号。以上方法均为已有的计算方法。
[0054]
步骤s103、对已处理声音数据进行解析操作，生成预处理特征标签，将预处理特征标签与已处理声音数据进行绑定。
[0055]
步骤s104、根据预设语种信息，生成原始特征标签，将特征标签与预设语种信息进行绑定，同时，将原始特征标签与预处理特征标签进行比对，生成实时语种数据。
[0056]
需要说明的是，ai翻译器针对已处理声音数据的特征，生成多个预处理特征标签，并绑定在已处理声音数据上，同时ai翻译器会对预设语种信息，生成多个原始特征标签，并将其绑定在预设语种信息上。为了更好地解释上述过程，例如，已处理声音数据中有弹舌音，则可以大致确定为俄语、法语、泰语或西班牙语，如果出现复辅音则可以将检索范围锁定于汉藏语系；若出现元音和谐律则可在阿尔泰语系中检索，如此，利用此方式，能够加快ai翻译器的翻译实践，准确且快捷。
[0057]
步骤s105、根据实时语种数据，将已处理声音数据进行转换操作，生成实时广播声音数据，发送实时广播声音数据。
[0058]
需要说明的是，ai翻译器将实时语种数据上传至云服务器，同时，ai翻译器已处理声音数据根据实时语种数据，转换成实时广播声音数据，广播设备进行广播。
[0059]
进一步地，在一实施方式中，在步骤根据预设语种信息，生成原始特征标签，将特征标签与预设语种信息进行绑定，同时，将原始特征标签与预处理特征标签进行比对，生成实时语种数据中，具体包括如下步骤：
[0060]
根据预设声音特征相似值，将原始特征标签与预处理特征标签进行比对，生成实时声音特征相似值，若实时声音特征相似值大于或等于预设声音特征相似值，则生成实时语种数据。
[0061]
具体地，在一实施方式中，预设声音特征相似值为90％。
[0062]
需要说明的是，当实时声音特征相似值大于或等于90％时，则会判断该已处理声音数据与语音数据库内的预设语种信息中某项语种相同。
[0063]
进一步地，在一实施方式中，在步骤接收原始声音数据，将原始声音数据与预设声音阈值进行比对，生成预处理声音数据后，还包括如下步骤：
[0064]
针对已处理声音数据，生成模糊搜索指令，执行模糊搜索指令，生成待确认声音数据。
[0065]
需要说明的是，ai翻译器还有另一种功能，即针对已处理声音数据进行模糊搜索，即根据已处理声音数据会大致搜索出多种语种，供工作人员及求助人员进行选择。
[0066]
上述基于树莓派的应急广播方法，通过获取乘客的原始声音数据，经过降噪处理，生成已处理声音数据，对已处理声音数据进行解析操作，产生关于该已处理声音数据的预处理特征标签，并与数据库内预设语种信息的原始特征标签进行比对，进而得出与该乘客的原始声音数据匹配的语种。如此，通过上述方式能够解决在机场的乘客所熟悉的语言为小众语言或者不熟悉所在国的语言或英语时，能够及时利用小众语言进行广播语音，同时，也方便工作人员与乘客进行沟通交流。
[0067]
请参阅图2，一种基于树莓派的应急广播系统10，包括：采集模块100、比对模块200、降噪模块300、、绑定模块400、解析模块500及发送模块600。
[0068]
请参阅图2，采集模块100用于接收原始声音数据；比对模块200用于将原始声音数据与预设声音阈值进行比对，生成预处理声音数据，比对模块200还用于将原始特征标签与预处理特征标签进行比对，生成实时语种数据；降噪模块300用于判断原始声音数据是否存在噪音，若有，则生成降噪指令，对原始声音数据进行降噪操作，生成预处理声音数据；绑定模块400用于对已处理声音数据进行解析操作，生成预处理特征标签，将预处理特征标签与已处理声音数据进行绑定，绑定模块400还用于生成原始特征标签，将特征标签与预设语种信息进行绑定；解析模块500用于根据实时语种数据，将已处理声音数据进行转换操作，生成实时广播声音数据；发送模块600用于发送实时广播声音数据。
[0069]
进一步地，在一实施方式中，比对模块200还用于根据预设声音特征相似值，将原始特征标签与预处理特征标签进行比对，生成实时声音特征相似值，若实时声音特征相似值大于或等于预设声音特征相似值，则生成实时语种数据。
[0070]
进一步地，在一实施方式中，基于树莓派的应急广播系统10还包括截取模块，截取模块用于生成声音提取指令，对原始声音数据进行提取操作。
[0071]
上述基于树莓派的应急广播系统10，通过获取乘客的原始声音数据，经过降噪处理，生成已处理声音数据，对已处理声音数据进行解析操作，产生关于该已处理声音数据的预处理特征标签，并与数据库内预设语种信息的原始特征标签进行比对，进而得出与该乘客的原始声音数据匹配的语种。如此，通过上述方式能够解决在机场的乘客所熟悉的语言为小众语言或者不熟悉所在国的语言或英语时，能够及时利用小众语言进行广播语音，同时，也方便工作人员与乘客进行沟通交流。
[0072]
请参阅图1，进一步地，当乘客讲话的语速较快，或者乘客所讲的语言的标准与官方标准有差异时，例如，在步骤s102中具体包括：s102a、根据已处理声音数据，生成声音裁切指令，执行声音裁切指令，生成多个分段声音数据；s102b、针对各分段声音数据，生成字符分解指令；s102c、生成多个声音特征标识，分别将各声音特征标识一一对应与各分段声
音数据绑定；s102d、分别将各声音特征标识与原始特征标签一一进行比对，生成待播放声音数据。需要说明的是，当乘客讲话的语速较快或乘客所讲的语言的标准与官方标准有差异时，ai翻译器将会对已处理声音数据，生成对应的声音裁切指令，将整个已处理声音数据进行分段处理，生成多个声音段，然后通过字符分解指令，对每个声音段进行解析操作，以生成出多个声音特征标识，最后将这多个声音特征标识与原始特征标签一一进行比对，进而确认出乘客所述的语种。如此，通过上述方式能够将讲话语速较快的乘客的所讲语言快速翻译，以方便进行沟通交流。
[0073]
进一步地，当机场的乘客具有听力障碍时，而在场的工作人员又不熟悉手语，例如，在步骤s105后，还包括如下步骤：s106、生成测距请求，响应测距请求，生成实时距离值，将实时距离值与预设距离阈值进行比对，生成录制指令；s107、生成实时录像数据，同时，生成字符分解指令，以对实时录像数据进行解析操作；s108、将实时录像数据与云服务器内的预设手语信息进行比对，生成多个初次手语数据；s109、将实时录像数据分别与多个初次手语数据一一进行比对，生成二次手语数据；s110、根据二次手语数据，生成语音信息，发送语音信息。需要说明的是，ai翻译器内置有摄像模块，当乘客为听障人士时，工作人员可按下按钮，开始进行录制乘客的手语动作。首先，摄像模块会进行测距操作，判断乘客是否在预设距离阈值的范围内，若不在，则会亮灯提醒，；进一步地，当乘客在预设距离阈值的范围内，摄像模块开始录制，并生成字符分解指令，对实时录像数据进行解析，并将实时录像数据上传至云服务器内，与预设手语信息进行初次对比，生成与实时录像数据内的手语动作较相似的初次手语数据；再进一步地，将实时录像数据与初次手语数据再进一步地分析，得出相似度较高的二次手语数据，并根据二次手语数据所表达的意思，生成对应的语音信息进行播放，以方便工作人员对乘客的手语进行理解。如此，上述方式能够保证当工作人员遇到具有听障的乘客时，能够及时理解乘客所表示的手语意思，以尽快为乘客排忧解难。同时，使得ai翻译器更加功能多元化，进而能够应用在更多的环境中。
[0074]
与现有技术相比，本发明具有以下优点：
[0075]
上述基于树莓派的应急广播方法及系统，通过获取乘客的原始声音数据，经过降噪处理，生成已处理声音数据，对已处理声音数据进行解析操作，产生关于该已处理声音数据的预处理特征标签，并与数据库内预设语种信息的原始特征标签进行比对，进而得出与该乘客的原始声音数据匹配的语种。如此，通过上述方式能够解决在机场的乘客所熟悉的语言为小众语言或者不熟悉所在国的语言或英语时，能够及时利用小众语言进行广播语音，同时，也方便工作人员与乘客进行沟通交流。
[0076]
以上所述实施方式仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。