[發明專利]一種基于soc芯片的語音喚醒方法

在審

• 申請號: 201611003861.0
• 申請日: 2016-11-15
• 公開（公告）號: CN106601229A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 陳曉鵬;殷瑞祥;徐向民;張偉彬;邢曉芬
• 申請（專利權）人: 華南理工大學
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/14;G10L19/26;G10L25/18;G10L25/24;G10L25/78
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 李斌

1.一種基于soc芯片的語音喚醒方法，其特征在于，包括以下步驟：

S1、芯片采集語音數據，并對其進行采樣，將模擬信號轉換成數字信號；

S2、將數字信號的語音數據進行MFCC特征提?。?/p>

S3、對MFCC特征值進行語音活動檢測，判斷當前MFCC特征值的新一幀MFCC數據是否為語音幀，若否則返回步驟S2并釋放數據，若是則將MFCC特征值進入下一步驟處理；

S4、通過基于HMM模型的語音識別算法對MFCC特征值進行識別，若識別結果為有效指令，則喚醒控制設備；反之則返回步驟S2。

2.如權利要求1所述的一種基于soc芯片的語音喚醒方法，其特征在于，所述步驟S2中MFCC特征提取，其具體為：

1)、數字信號的預處理，包括預加重、分幀和加窗；

2)、對每一幀信號進行FFT變換，求頻譜，進而求得幅度譜|X_n(k)|；

3)、對幅度譜|X_n(k)|加Mel濾波器組W_l(k)，公式如下：

$m\left(l\right)=\underset{k=o\left(l\right)}{\overset{h\left(l\right)}{\Σ}}{W}_l\left(k\right)\left|X_n\left(k\right)\right|,l=1,2,\mathrm{...},26$

$W_l\left(k\right)=\left\{\begin{array}{c}\frac{k-o\left(l\right)}{c\left(l\right)-o\left(l\right)},o\left(l\right)\≤k\≤C\left(l\right)\\ \frac{h\left(l\right)-k}{h\left(l\right)-c\left(l\right)},c\left(l\right)\≤k\≤h\left(l\right)\end{array}\right.$

其中k指FFT的第k個點；o(l)、c(l)、h(l)分別為第l個三角濾波器的下限頻率、中心頻率和上限頻率；

4)、對所有的濾波器輸出做對數運算，再進一步做離散余弦變換DCT得MFCC特征值，公式如下：

$c\left(i\right)=\sqrt{\frac{2}{N}}\underset{i=1}{\overset{L}{\Σ}}\log m\left(l\right)cos\left\{\left(l-\frac{1}{2}\right)\frac{i\mathrm{\π}}{L}\right\}$

其中N、L為26，指濾波器個數；i指MFCC系數階數，i取12，即為得到了12個倒譜特征；此外，再加上一幀的對數能量作為第13個特征參數，定義如下：

$c\left(13\right)=10\lg \underset{k=1}{\overset{256}{\Σ}}{\left(X_n\right(k\left)\right)}^2$

其中，X_n(k)為幅度，由此可得到13個特征參數，包括12個倒譜特征加1個對數能量；

5)、所求的13個標準的倒譜參數MFCC只反映了語音參數的靜態特性，語音的動態特性根據所述靜態特征的差分譜來描述；計算13個MFCC特征的一階差分dtm(i)和二階差分dtmm(i)：

$dtm\left(i\right)=\frac{-2c(i-2)-c(i-1)+c(i+1)+2c(i+2)}{3}$

$dtmm\left(i\right)=\frac{-2dtm(i-2)-dtm(i-1)+dtm(i+1)+2dtm(i+2)}{3}$

13個標準MFCC特征和它的13個一階差分、13個二階差分組成39維的MFCC特征參數，至此MFCC特征提取完畢。