[發(fā)明專(zhuān)利]激活音檢測(cè)及用于激活音檢測(cè)的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201210570563.5
• 申請(qǐng)日: 2012-12-25
• 公開(kāi)（公告）號(hào): CN103903634B
• 公開(kāi)（公告）日: 2018-09-04
• 發(fā)明（設(shè)計(jì)）人: 江東平;袁浩;朱長(zhǎng)寶
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中興通訊股份有限公司
• 主分類(lèi)號(hào): G10L25/93
• 分類(lèi)號(hào): G10L25/93;G10L21/0208
• 代理公司: 北京安信方達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11262
• 代理人: 田紅娟;龍洪

1.一種激活音檢測(cè)VAD方法，其特征在于，該方法包括：

獲得當(dāng)前幀的子帶信號(hào)及頻譜幅值；

根據(jù)子帶信號(hào)計(jì)算得到當(dāng)前幀的幀能量參數(shù)、譜重心特征參數(shù)和時(shí)域穩(wěn)定度特征參數(shù)的值；根據(jù)頻譜幅值計(jì)算得到譜平坦度特征參數(shù)和調(diào)性特征參數(shù)的值；

根據(jù)前一幀估計(jì)得到的背景噪聲能量、當(dāng)前幀的幀能量參數(shù)及信噪比子帶能量計(jì)算得到當(dāng)前幀的信噪比參數(shù)；

根據(jù)當(dāng)前幀幀能量參數(shù)、譜重心特征參數(shù)、時(shí)域穩(wěn)定度特征參數(shù)、譜平坦度特征參數(shù)、調(diào)性特征參數(shù)計(jì)算得到當(dāng)前幀的調(diào)性標(biāo)志；

根據(jù)調(diào)性標(biāo)志、信噪比參數(shù)、譜重心特征參數(shù)、幀能量參數(shù)計(jì)算得到VAD判決結(jié)果；

其中，所述幀能量參數(shù)是各個(gè)子帶信號(hào)能量的加權(quán)疊加值或直接疊加值；

所述譜重心特征參數(shù)是所有或部分子帶信號(hào)能量的加權(quán)累加值和未加權(quán)累加值的比值，或該比值進(jìn)行平滑濾波得到的值；

所述時(shí)域穩(wěn)定度特征參數(shù)是能量幅值疊加值的方差和能量幅值疊加值平方的期望的比值，或該比值乘上一個(gè)系數(shù)；

所述譜平坦度特征參數(shù)是多個(gè)子帶的頻譜幅值的幾何平均數(shù)和算術(shù)平均數(shù)的比值，或該比值乘上一個(gè)系數(shù)；

所述調(diào)性特征參數(shù)是通過(guò)計(jì)算前后兩幀信號(hào)的幀內(nèi)頻譜差分系數(shù)的相關(guān)值得到，或繼續(xù)對(duì)該相關(guān)值進(jìn)行平滑濾波得到。

2.如權(quán)利要求1所述的方法，其特征在于，在得到VAD判決結(jié)果之前或之后，該方法還包括：

根據(jù)當(dāng)前幀幀能量參數(shù)、譜重心特征參數(shù)、時(shí)域穩(wěn)定度特征參數(shù)、譜平坦度特征參數(shù)、調(diào)性特征參數(shù)計(jì)算得到當(dāng)前幀的初始背景噪聲標(biāo)識(shí)；

在得到VAD判決結(jié)果之后，該方法還包括：根據(jù)當(dāng)前幀VAD的判決結(jié)果、調(diào)性特征參數(shù)、信噪比參數(shù)、調(diào)性標(biāo)志、時(shí)域穩(wěn)定度特征參數(shù)對(duì)初始背景噪聲標(biāo)識(shí)進(jìn)行修正；

根據(jù)背景噪聲標(biāo)識(shí)的修正值和當(dāng)前幀的幀能量參數(shù)、前一幀的全帶背景噪聲能量，得到當(dāng)前幀的子帶背景噪聲能量和全帶背景噪聲能量；

所述當(dāng)前幀的背景噪聲能量用于下一幀信噪比參數(shù)計(jì)算。

3.如權(quán)利要求1所述的方法，其特征在于，

根據(jù)調(diào)性標(biāo)志、信噪比參數(shù)、譜重心特征參數(shù)、幀能量參數(shù)計(jì)算得到VAD判決結(jié)果，計(jì)算步驟如下：

a，通過(guò)前一幀計(jì)算得到的平均長(zhǎng)時(shí)激活音信號(hào)能量和平均長(zhǎng)時(shí)背景噪聲能量的比值，計(jì)算得到長(zhǎng)時(shí)信噪比；

b，計(jì)算最近若干幀的全帶信噪比SNR2的平均值，得到平均全帶信噪比SNR2_lt_ave；

c，根據(jù)譜重心特征參數(shù)、長(zhǎng)時(shí)信噪比lt_snr、前面連續(xù)激活音幀個(gè)數(shù)continuous_speech_num和前面連續(xù)噪聲幀個(gè)數(shù)continuous_noise_num得到VAD判決的信噪比門(mén)限snr_thr；

d，根據(jù)VAD的判決門(mén)限snr_thr和信噪比參數(shù)計(jì)算得到初始的VAD判決，其中，所述信噪比參數(shù)包括子帶平均信噪比SNR1和全帶信噪比SNR2；

e，根據(jù)調(diào)性標(biāo)志、平均全帶信噪比SNR2_lt_ave、譜重心特征參數(shù)和長(zhǎng)時(shí)信噪比lt_snr對(duì)VAD的判決結(jié)果進(jìn)行修正；

f，根據(jù)前面若干幀的判決結(jié)果、長(zhǎng)時(shí)信噪比lt_snr、平均全帶信噪比SNR2_lt_ave、當(dāng)前幀的信噪比參數(shù)和當(dāng)前幀的VAD判決結(jié)果，修正激活音保持幀數(shù)；

g，根據(jù)當(dāng)前幀的判決結(jié)果和激活音保持幀數(shù)num_speech_hangover添加激活音保持，得到當(dāng)前幀的VAD判決結(jié)果。

4.如權(quán)利要求3所述的方法，其特征在于：步驟d之后，還包括根據(jù)VAD初始判決結(jié)果，計(jì)算平均長(zhǎng)時(shí)激活音信號(hào)能量E_fg；步驟g之后，還包括，根據(jù)VAD判決結(jié)果計(jì)算平均長(zhǎng)時(shí)背景噪聲能量E_bg，計(jì)算值用于下一幀VAD判決。