[發明專利]音頻信號還原度檢測方法及系統

在審

• 申請號: 201410269839.5
• 申請日: 2014-06-17
• 公開（公告）號: CN104050964A
• 公開（公告）日: 2014-09-17
• 發明（設計）人: 戎玲;趙澎;鮑逸明;唐德成;胡融;史源
• 申請（專利權）人: 公安部第三研究所;上海精匯電子設備閔行有限公司
• 主分類號: G10L15/04
• 分類號: G10L15/04;G10L15/10;G10L19/025;G10L25/60
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 許志勇

1.一種音頻信號還原度檢測系統，至少包括：

聲源部分、被測系統、音頻信號采集裝置、音頻信號分析裝置；

聲源部分產生標準的真人語音信號，將所述真人語音信號作為輸入語音信號，從聲源部分輸入到所述被測系統；

輸入語音信號在被測系統中傳遞，并作為輸出語音信號從被測系統的輸出端輸出；

音頻信號采集裝置采集輸出端輸出的連續的語音信號，并且，將采集的輸出語音信號傳送到音頻信號分析裝置；

音頻信號分析裝置對輸出語音信號的信號流進行切片和分析處理，確定還原度。

2.如權利要求1所述的系統，其特征在于，所述音頻信號采集裝置，包括：將采集的連續語音信號轉換成相應的數字信號流，傳送給音頻信號分析裝置進行信號流的切片和分析處理。

3.如權利要求1或2所述的系統，其特征在于，音頻信號分析裝置，包括：

獲取聲源部分產生的作為輸入語音信號的所述真人語音信號；

將所述輸入語音信號的信號流，以時間間隔進行切片劃分，以將信號流劃分成相同時間間隔的片段，每段語音信號組中包含有一個或多個語音信號，對每段語音信號組進行頻譜轉換，獲得每段語音信號組轉換后對應的聲音特征值。

4.如權利要求3所述的系統，其特征在于，音頻信號分析裝置，包括：

對來自音頻信號采集裝置采集的輸出語音信號的信號流，與該輸出語音信號的信號流相對應的來自聲源部分的所述輸入語音信號的信號流進行同步；

以與切片所述輸入語音信號的信號流相同的時間間隔，對采集的連續的語音信號的信號流切片劃分成相同時間間隔的片段，每段語音信號組中包含有一個或多個語音信號，對每段語音信號組進行頻譜轉換，獲得每段語音信號組轉換后對應的聲音特征值。

5.如權利要求4所述的系統，其特征在于，音頻信號分析裝置，包括：

提取屬于所述輸入語音信號的信號流中的一語音信號組的片段所對應的聲音特征值，以及提取與該片段相應的、屬于所述輸出語音信號的信號流中的一片段所對應的聲音特征值，基于相似性原理，計算和分析兩個相應片段的對比分數值；

將所有相應的、分屬于輸入語音信號的信號流和相應的輸出語音信號的信號流中的語音信號組的片段的對比分數值，進行統計和/或平均計算，以確定還原度。

6.一種音頻信號還原度檢測方法，其特征在于，包括：

聲源部分產生標準的真人語音信號，將所述真人語音信號作為輸入語音信號，從聲源部分輸入到所述被測系統；

輸入語音信號在被測系統中傳遞，并作為輸出語音信號從被測系統的輸出端輸出；

采集輸出端輸出的連續的語音信號；

將采集的輸出語音信號的信號流進行切片和分析處理，確定還原度。

7.如權利要求6所述的方法，其特征在于，還包括：

預先獲取聲源部分產生的作為輸入語音信號的所述真人語音信號；

將所述輸入語音信號的信號流，以時間間隔進行切片劃分，以將信號流劃分成相同時間間隔的片段，每段語音信號組中包含有一個或多個語音信號，對每段語音信號組進行頻譜轉換，獲得每段語音信號組轉換后對應的聲音特征值。

8.如權利要求7所述的方法，其特征在于，將采集的輸出語音信號的信號流進行切片和分析處理，包括：

對來自音頻信號采集裝置采集的輸出語音信號的信號流，與該輸出語音信號的信號流相對應的來自聲源部分的所述輸入語音信號的信號流進行同步；

以與切片所述輸入語音信號的信號流相同的時間間隔，對采集的連續的語音信號的信號流切片劃分成相同時間間隔的片段，每段語音信號組中包含有一個或多個語音信號，對每段語音信號組進行頻譜轉換，獲得每段語音信號組轉換后對應的聲音特征值。

9.如權利要求8所述的方法，其特征在于，將采集的輸出語音信號的信號流進行切片和分析處理，確定還原度，包括：

提取屬于所述輸入語音信號的信號流中的一語音信號組的片段所對應的聲音特征值，以及提取與該片段相應的、屬于所述輸出語音信號的信號流中的一片段所對應的聲音特征值，基于相似性原理，計算和分析兩個相應片段的對比分數值；

將所有相應的、分屬于輸入語音信號的信號流和相應的輸出語音信號的信號流中的語音信號組的片段的對比分數值，進行統計和/或平均計算，以確定還原度。

10.如權利要求8所述的方法，其特征在于，還包括：對輸入語音信號的信號流和輸出語音信號的信號流以相同的時間間隔進行切片，是以20ms時間間隔將信號流切片包含一個或多個語音信號的語音信號組的片段。