SRTP优秀作品. doc
十一期SRTP优质项目总结
名字：结实的长椅
主题：操作系统语音控制扩展
导师： cdlq
操作系统的语音控制扩展
项目总结
研究内容
随着计算机技术的迅速发展和应用领域的扩大在与计算机的对话中人们需要越来越方便自然的方法语言是人类交流信息最自然、最方便的手段。 让计算机理解我们说的话，让我们可以很容易地用语言和计算机自然地交流。
我们开发了基于操作系统的语音控制计算机的辅助软件系统，最终目标完全是通过语音命令使用操作系统。 我们的实验平台是微软的Windows操作系统，以XP为中心。 借鉴Windows Vista的语音控制方式，建立可在许多其他Windows系列操作系统中使用的语音控制支持系统。
该系统结构应比较成熟，能够实现基本功能，完全使用语音命令使用操作系统； 系统需要良好的可扩展性，并且可以动态添加对新功能的需求，因此语音控制系统的可用性越来越高。 该系统架构为Core-Server-Utilities架构，语音系统内核(Core )通过Server服务于各种应用工具)。 内核提供语音识别和相关功能的实现； 在Server上，可以注册和加载许多实用程序。 实用程序集是用于实现控制目的的程序集，通过调用服务器提供的内核功能，每个实用程序为操作系统用户提供自己的语音控制功能。 实用程序开发我们常用的东西，完全实现语音控制操作系统； 此外，由于内核界面是严格定义和公开的，因此实用程序可以由其他用户创建并在服务器上注册，以提供更方便、更易于使用的用户界面。 注释：这里的实用程序(Utility )不一定需要创建和运行新进程，而是可以作为服务器进程的线程运行。 这大大减少了系统开销。
该系统需要实现的功能主要有：
使用语音命令打开或关闭语音对操作系统的控制。
用语音命令模拟键盘操作。 用户可以说“Keyboard”进入键盘操作模式，通过说出键的名称就可以对相应的键进行键操作，进而可以通过高级语音命令进行键的组合等操作。
使用语音命令打开语音以控制鼠标操作。 例如，当用户完成“Click”、“Double Click”和“Right Click”等命令时，相应的单击行为就会完成。 您也可以浏览Windows Vista中的MouseGrid命令，并使用语音命令精确移动鼠标。
启动语音命令中常用的程序，打开常用的文件和文件夹，执行注销、关机等操作。 例如，如果用户说“Web Browser”，则可以启动默认浏览器；如果用户说“Shut Down”，则可以通过检查对话框关闭。 用户可以将自己常用的文件和文件夹添加到语音启动列表中，并在以后使用自定义的语音密码打开。 这可以说是语音形式的快捷方式。
使用语音命令完成Windows图形用户界面的基本操作。 例如，打开开始菜单、选择菜单项、打开桌面或资源管理器中的文件或文件夹、最大化和恢复窗口、关闭窗口、单击按钮等。 此功能的特色是可以使用名称指定操作对象。 例如，如果当前资源管理器窗口中有一个名为MyFolder的文件夹，则可以选择该文件夹作为MyFolder，而打开该文件夹作为Open。 或者，说到“Mouse Menu”就可以打开右击菜单。
这些功能的结合使用户能够完全通过语音控制使用操作系统。
创新特色
我们的语音控制系统在组件结构和部署结构方面具有很高的灵活性和可扩展性。 这主要体现在核心服务器实用程序的体系结构中。 简要介绍该系统的体系结构。
最上层的各Utility包括：实现语音控制鼠标的Mouse Grid部件、实现语音控制键盘的Keyboard部件、实现语音命令快捷方式的User Command部件、语音控制Windows图形用户界面这些部件作为线程或过程在系统中执行，每个部件不关心其他部件的操作，甚至不知道其他部件的存在； 所有部件都由服务器集中管理，如加载、卸载、启动、停止和排除模式，服务器提供所有部件的各自接口要求以及部件之间的并发和同步问题。 可以在服务器运行时动态插入应用工具。
其实，实用程序本身没有语音识别的能力。 所有与语音识别相关的功能都由酷睿实现，并提供一组标准接口。 因此，创建应用工具时不需要在意语音识别，而只需要使用Core提供的接口来获得用户输入的语音识别结果，并基于该结果执行应用工具定义的操作。 服务器是Core和Utilities之间的桥梁，服务器将Core提供的接口传递给每个Utilit