[發明專利]音頻信號處理裝置和方法以及監控系統

有效

• 申請號: 201310344110.5
• 申請日: 2013-08-08
• 公開（公告）號: CN104347068B
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 劉昆
• 申請（專利權）人: 索尼公司
• 主分類號: G10L15/08
• 分類號: G10L15/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 康建峰;苗迎華

本發明公開一種音頻信號處理裝置和方法以及監控系統。所述音頻信號處理裝置包括：分窗單元，用于利用滑動窗順次讀取輸入的音頻信號；能量計算單元，用于計算每一窗中的音頻信號的每一幀的能量；分段單元，用于根據每一窗中的音頻信號的每一幀的能量的分布將所述窗中的音頻信號劃分為多個段，使得每個段中包括能量接近的連續幀；分類單元，用于利用至少一個聲音模型對每個段中的音頻信號進行分類；以及識別單元，用于根據分類單元的分類結果來識別每個段中的音頻信號的聲音類別。

技術領域

本發明總體上涉及音頻處理領域，更具體而言，本發明涉及一種音頻信號處理裝置和方法以及一種監控系統。

背景技術

對音頻信號進行處理以準確地識別音頻信號中的聲音類別，從而提取出特定的音頻事件，是音頻處理領域的一個重要議題。將音頻信號劃分為連續的片段是音頻信號識別的基礎。音頻信號分段的效果直接影響音頻信號識別的精度。如何改進音頻信號分段技術以提高分段的準確性、避免虛假分割點過多、運算量大、誤檢率與漏檢率高等問題成為目前本領域研究的重要方面。

發明內容

在下文中給出了關于本發明的簡要概述，以便提供關于本發明的某些方面的基本理解。應當理解，這個概述并不是關于本發明的窮舉性概述。它并不是意圖確定本發明的關鍵或重要部分，也不是意圖限定本發明的范圍。其目的僅僅是以簡化的形式給出某些概念，以此作為稍后論述的更詳細描述的前序。

本發明的目的是提供一種音頻信號處理裝置和方法以及一種監控系統，以便克服現有技術的上述問題中的至少一個。

根據本發明的一個方面，提供了一種音頻信號處理裝置，包括：分窗單元，用于利用滑動窗順次讀取輸入的音頻信號；能量計算單元，用于計算每一窗中的音頻信號的每一幀的能量；分段單元，用于根據每一窗中的音頻信號的每一幀的能量的分布將所述窗中的音頻信號劃分為多個段，使得每個段中包括能量接近的連續幀；分類單元，用于利用至少一個聲音模型對每個段中的音頻信號進行分類；以及識別單元，用于根據分類單元的分類結果來識別每個段中的音頻信號的聲音類別。

根據本發明的另一方面，提供了一種音頻信號處理方法，包括：利用滑動窗順次讀取輸入的音頻信號；計算每一窗中的音頻信號的每一幀的能量；根據每一窗中的音頻信號的每一幀的能量的分布將所述窗中的音頻信號劃分為多個段，使得每個段中包括能量接近的連續幀；利用至少一個聲音模型對每個段中的音頻信號進行分類；以及根據分類結果來識別每個段中的音頻信號的聲音類別。

根據本發明的又一方面，提供了一種監控系統，包括：音頻采集裝置，用于采集音頻信號；音頻信號處理裝置，用于對所述音頻信號進行處理，以識別所述音頻信所包含的聲音類別；以及報警裝置，用于當音頻信號處理裝置識別到所述音頻信號中包含預定類型的聲音類別時，產生并發送報警信息，其中，所述音頻信號處理裝置是根據本發明的以上方面的音頻信號處理裝置。

在本發明的上述方面的音頻信號處理裝置和方法以及監控系統中，根據每一窗中的音頻信號的每一幀的能量的分布將所述窗中的音頻信號劃分為多個段，使得每個段中包括能量接近的連續幀，并對每個段中的音頻信號進行分類。這樣，可以對音頻信號快速地進行前端分割，不需要提前訓練分割用的聲學模型，并且由于每個段中包括能量接近的連續幀，使得每個段中包含的聲音類別相對單一，從而有助于提高后續音頻信號識別的準確率。

附圖說明

本發明可以通過參考下文中結合附圖所給出的描述而得到更好的理解，其中在所有附圖中使用了相同或相似的附圖標記來表示相同或者相似的部件。所述附圖連同下面的詳細說明一起包含在本說明書中并且形成本說明書的一部分，而且用來進一步舉例說明本發明的優選實施例和解釋本發明的原理和優點。在附圖中：

圖1示出根據本發明的一個實施例的音頻信號處理裝置的示意性框圖；

圖2示出圖1所示的音頻信號處理裝置的示意性工作流程圖；