一种语音交互的家用搬运无人机控制方法

本发明涉及语音识别，尤其涉及一种语音交互的家用搬运无人机控制方法。

背景技术：

1、随着无人机技术的普及，语音交互逐渐成为提升人机交互效率的重要手段。现有的无人机智能语音控制系统通常依赖于模块化的语音指令解析与地面站协同控制。然而，现有家用搬运无人机语音交互方案普遍面临复杂室内声学环境带来的识别瓶颈。

2、目前，公开号为cn121306135a的中国专利，公开了一种无人机智能语音控制系统，通过麦克风等前端设备进行语音采集和前端降噪处理，利用指令名称对照表建立语音与文本的一一对应关系，将自然语言转化为结构化的控制指令，主要依赖地面站指令处理模块，结合无人机的常规飞行状态数据进行分析，从而判断并下发任务指令。然而，现有技术存在以下缺陷：第一，缺乏对复杂室内声场干扰的物理级抑制能力。现有的语音控制系统仅采用常规的麦克风前端降噪处理。在家用室内场景中，无人机旋翼产生的高频强宽带噪声与室内墙壁、障碍物形成的多径混响深度耦合，导致接收端获取的有效语音信号信噪比极低。传统的纯声学去噪算法未能区分直达波能量与多径反射波能量，难以在强背景噪声下直接提取出清晰、纯净的目标声源特征。第二，忽视了无人机高速运动诱发的多普勒非线性声学畸变。现有技术将语音指令识别视为一种静态的端到端匹配过程，完全脱离了无人机自身的空间运动学属性。当无人机在三维空间中处于高速位移状态时，机载麦克风阵列与目标声源之间会产生相对径向速度，引发显著的多普勒频移。第三，基于静态查表的语义解析缺乏空间声学寻优与动态自适应能力。现有的解析方案过度依赖静态的指令文本标签匹配，缺乏对模糊空间语义的物理量化能力。当操作者发出复杂的空间与搬运指令时，现有系统无法将模糊语义映射为包含三维坐标与环境背景噪声基准的物理约束参数。更重要的是，现有无人机在接收指令时属于被动监听，无法自主感知当前所处位置的声学信道质量，也无法主动规划路径移动至直达混响比与信噪比更优的空间位置进行高质量监听，制约了无人机在复杂、动态干扰场景下的作业鲁棒性与任务响应可靠性。

技术实现思路

1、本发明解决的技术问题是：现有技术缺乏对声源位置与任务目标位置的语义区分能力，导致无人机易飞向搬运目的地而非声源处进行监听，存在严重的空间逻辑悖论，且受制于旋翼高频噪声、室内多径混响及无人机自身高速运动产生的多普勒频移耦合干扰，传统静态悬停解码方式信噪比极低，缺乏基于声学物理模型的飞行路径寻优手段，难以在动态飞行过程中自主构建最佳监听信道，导致语音指令解析滞后、任务响应效率低及搬运控制精度不足。

2、为解决上述技术问题，本发明提供如下技术方案：一种语音交互的家用搬运无人机控制方法，包括如下步骤：

3、步骤s1，解析语音输入信号得到指令意图与空间描述语义，提取声源位置指示关键词及任务目标位置指示关键词并映射为物理约束参数集合；

4、步骤s2，采集多通道音频信号，根据机载视觉惯性里程计数据计算瞬时速度矢量，并计算径向相对速度标量，输入声学特征提取网络，输出目标声源特征向量矩阵，所述声学特征提取网络通过将径向相对速度标量作为物理先验惩罚项嵌入损失函数进行训练获得；

5、步骤s3，基于物理约束参数集合中的声源预估三维坐标向量，以及室内环境拓扑边界信息，构建信道特征分析方程，以声源预估三维坐标向量为中心通过信道特征分析方程进行寻优计算，搜索直达混响比和声学信噪比达到局部极大值的空间位置点，并将空间位置点定义为声场交互最优点；

6、步骤s4，计算无人机与声场交互最优点之间的偏差向量生成动态路径导航指令，驱动无人机向声场交互最优点移动，同时对目标声源特征向量矩阵进行语音指令解码以锁定目标搬运任务参数，依据目标搬运任务参数控制无人机飞往任务目标三维坐标向量位置并执行搬运任务。

7、优选地，所述步骤s1包括如下子步骤：

8、步骤s101，解析语音输入信号，提取声源位置指示关键词及任务目标位置指示关键词并映射至室内空间三维语义地图，确定声源空间节点的第一空间范围；

9、将所述任务目标位置指示关键词映射至室内空间三维语义地图，确定任务目标空间节点的第二空间范围。

10、优选地，所述步骤s1还包括如下子步骤：

11、步骤s102，基于所述第一空间范围检索三维坐标向量，得到声源预估三维坐标向量；

12、基于所述第二空间范围检索三维坐标向量，得到任务目标三维坐标向量；

13、解析语音输入信号的空间描述语义得到声压级阈值；

14、将所述声源预估三维坐标向量、任务目标三维坐标向量与声压级阈值组合，输出物理约束参数集合。

15、优选地，所述步骤s2包括如下子步骤：

16、步骤s201，构建声学特征提取网络，并获取包含样本径向相对速度的离线训练数据集；

17、在所述声学特征提取网络的离线训练阶段，计算所述样本径向相对速度引起的频移偏差量，将所述频移偏差量作为物理先验惩罚项嵌入损失函数中，更新声学特征提取网络的网络权重。

18、优选地，所述步骤s2还包括如下子步骤：

19、步骤s202，在无人机的在线执行阶段，控制无人机上的麦克风阵列采集多通道音频信号，同时调用机载视觉惯性里程计采集无人机机体在室内三维空间中的瞬时位移向量；

20、对所述瞬时位移向量进行微分计算，得到无人机机体在空间中的瞬时速度矢量；

21、计算所述瞬时速度矢量在声源预估三维坐标向量方向上的投影分量，得到径向相对速度；

22、步骤s203，将所述多通道音频信号与径向相对速度输入预先完成权重更新的声学特征提取网络中进行前向计算，进行去噪处理与声场物理信息重构，同时将所述声压级阈值作为语音活动检测的触发辅助门限，输出目标声源特征向量矩阵。

23、优选地，所述步骤s3包括如下子步骤：

24、步骤s301，获取所述声源预估三维坐标向量和当前室内环境拓扑边界信息，所述室内环境拓扑边界信息包括障碍物位置、墙面反射率和室内空间几何形状。

25、优选地，所述步骤s3还包括如下子步骤：

26、步骤s302，构建信道特征分析方程，通过所述信道特征分析方程计算室内空间中不同位置点的直达混响比和声学信噪比；

27、所述直达混响比为麦克风阵列获取的目标声源直达波能量与多径反射波能量的比值；

28、所述声学信噪比为多通道音频信号中目标声源有效信号能量与旋翼宽带背景噪声能量的比值；

29、步骤s303，基于所述信道特征分析方程进行寻优计算，以所述声源预估三维坐标向量为起始寻优搜索的空间中心点，在室内空间中搜索满足直达混响比和声学信噪比达到局部极大值的空间位置点，并将满足条件的空间位置点定义为声场交互最优点。

30、优选地，所述步骤s4包括如下子步骤：

31、步骤s401，根据所述声场交互最优点的空间坐标信息，计算无人机当前位置坐标与声场交互最优点之间的偏差向量，基于所述偏差向量生成无人机动态路径导航指令，驱动无人机向声场交互最优点进行机体位移；

32、步骤s402，在无人机朝向所述声场交互最优点位移的动态飞行过程中，对目标声源特征向量矩阵进行动态语音指令解码，计算当前解码输出序列的解码置信度，并在解码置信度达到预设阈值且指令解析完成时，锁定目标搬运任务参数。

33、优选地，所述步骤s4包括如下子步骤：

34、步骤s403，若无人机抵达所述声场交互最优点时，所述解码置信度未达到预设阈值，则调用机载飞行控制系统锁定无人机机体的三轴空间姿态并悬停，在瞬时速度矢量归零的静态下进行静态音频采集与补充解码，直至解析得到目标搬运任务参数，所述目标搬运任务参数包括待搬运物品的目标位置坐标、搬运重量限制和路径优先级。

35、优选地，所述步骤s4还包括如下子步骤：

36、步骤s404，根据所述目标搬运任务参数生成搬运控制指令，驱动无人机改变当前飞行航线，转向飞往所述任务目标三维坐标向量对应的物理空间位置，并控制机载搬运机构执行目标搬运任务。

37、本发明的有益效果：通过声学环境知识图谱区分声源位置与任务目标位置，将模糊的自然语言指令转化为声源预估坐标与任务目标坐标的双轨物理约束，有效解决了传统方法将听指令与执行任务混淆的逻辑悖论，确保无人机精准飞向声源建立通信链路；利用物理信息神经网络将无人机飞行产生的径向相对速度作为物理先验惩罚项，在离线训练中植入多普勒频移补偿机制，在在线执行中实时消除运动带来的非线性畸变，使得无人机能够在高速机动飞行中保持高保真音频采集，突破了传统先悬停，后解码的静态效率瓶颈；摒弃了传统的几何中心遍历，提出声场交互最优点搜索策略，以直达混响比抑制混响干扰，以声学信噪比压制旋翼噪声，实现了双物理维度的联合寻优，确保麦克风阵列始终处于最佳监听拓扑位置；采用边飞边解码的动态交互模式，大幅缩短了任务响应时延，并通过悬停兜底策略保障了极端环境下的解析成功率，实现了从语义感知到物理执行的全链路敏捷控制，显著提升了家用搬运机器人在复杂室内环境下的鲁棒性与任务响应可靠性。