[發明專利]語音活動偵測方法及裝置

在審

• 申請號: 201610607277.X
• 申請日: 2016-07-28
• 公開（公告）號: CN107665711A
• 公開（公告）日: 2018-02-06
• 發明（設計）人: 孫廷瑋;柯逸倩
• 申請（專利權）人: 展訊通信（上海）有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L19/02;G10L25/78
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 郭學秀,吳敏

1.一種語音活動偵測方法，其特征在于，包括：

將獲取的待識別的聲音數據劃分為多個重疊的幀，并對每個幀進行快速傅立葉變換運算，得到對應的頻譜；

對所述多個重疊的幀的頻譜進行遍歷，計算遍歷至的當前幀的頻譜能量域的香農熵能量；

當確定當前幀的頻譜能量域的香農熵能量大于預設的閾值時，確定當前幀包括語音信息。

2.根據權利要求1所述的語音活動偵測方法，其特征在于，所述計算遍歷至的當前幀的頻譜能量域的香農熵能量，包括：

H(|Y(w,t)|2)=(-Σw=1ϵP(|Y(w,t)|2)log(P(|Y(w,t)|2)))1;]]>

其中，H(|Y(w,t)|²)表示當前幀t的頻譜能量域的香農熵能量，P(|Y(w,t)|²表示當前幀t的幅度譜在對應頻段w中的概率，Y(w,t)表示當前幀t對應的頻段w的噪音類型，ε表示劃分得到的頻段的數量。

3.根據權利要求1所述的語音活動偵測方法，其特征在于，所述預設的閾值與所述待識別的聲音數據的噪音頻譜特性相關聯。

4.根據權利要求1所述的語音活動偵測方法，其特征在于，采用如下方式計算得到所述預設的閾值：

基于所述多個重疊的幀的頻譜能量域的香農熵，確定對應的兩個高斯分布函數；其中，所確定的兩個高斯分布函數用于模擬所述多個重疊的幀的頻譜能量域的香農熵；

采用所確定的高斯分布函數，計算得到所述閾值。

5.根據權利要求4所述的語音活動偵測方法，其特征在于，所述確定對應的兩個高斯分布函數，包括：

采用最大期望值法確定對應的兩個高斯分布函數。

6.一種語音活動偵測裝置，其特征在于，包括：

傅立葉變換單元，適于將獲取的待識別的聲音數據劃分為多個重疊的幀，并對每個幀進行快速傅立葉變換運算，得到對應的頻譜；

第一計算單元，適于對所述多個重疊的幀的頻譜進行遍歷，計算遍歷至的當前幀的頻譜能量域的香農熵能量；

判斷單元，適于判斷當前幀的頻譜能量域的香農熵能量是否大于預設的閾值；

確定單元，適于當確定當前幀的頻譜能量域的香農熵能量大于所述閾值時，確定當前幀包括語音信息。