[發明專利]一種雙門限地名語音端點檢測方法

有效

• 申請號: 201611135819.4
• 申請日: 2016-12-09
• 公開（公告）號: CN106847270B
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 謝巍;董萬里
• 申請（專利權）人: 華南理工大學
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/05
• 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

本發明公開了一種雙門限地名語音端點檢測方法，從第一幀信號開始判斷每幀語音信號的能量與最低能量閾值、最高能量閾值的大小，判斷過零率與過零率閾值的大小，從而確定下一幀信號如何進行檢測，并在可能進入語音狀態的情況下，通過增加變量來對語音段前面出現的發音輕時間端的語音信號進行保留。本發明結合孤立詞的地名語音信號的特點，對傳統的雙門限方法進行改進，能夠保證輕音且持續時間很短的語音信號的前一部分不會被判定為噪聲，從而避免丟失語音信號，提高了端點檢測的準確性以及現場應用環境的適應性，降低了對環境的要求。

技術領域

本發明屬于語音端點檢測領域，特別涉及一種雙門限地名語音端點檢測方法。

背景技術

隨著經濟的高速發展和全球化趨勢的日益突出，現代物流行業已在發達國家得到了空前的發展，并產生了巨大的經濟效益和社會效益。物流資源有運輸、倉儲、分揀、包裝、配送等，這些資源分散在多個領域，包括制造業、農業、流通業等。

在分揀環節中，現階段基本是人工進行分揀，由于工人們長期處于嘈雜的工作環境中，心里和身體上勢必會產生一定的疲勞感，并且工作任務的單一性和重復性也會使他們的工作狀態過于放松，這必然導致分揀精確性的下降，造成較多不可挽回的分揀失誤事故發生，因此工業領域中對流水線上的產品進行人工檢測的方式已不能滿足現代化工業的需求。

語音識別作為人機交互的重要接口，發展到現在已經在很多方面改變了我們的生活，從智能家居的語音控制系統到車載語音識別系統等，因此將語音識別技術與物流分揀環節的融合是物流行業發展的必然要求。

而在語音識別技術中，端點檢測技術是語音識別中極為重要的環節，其效果的好壞直接影響最終的識別結果，傳統的基于短時能量和過零率的端點檢測方法是在理想的環境中才能適用，且對于孤立詞的地名語音信號，端點檢測的準確率相對較低。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提供一種雙門限地名語音端點檢測方法，提高了端點檢測的準確性。

一種雙門限地名語音端點檢測方法，包括以下步驟：從第一幀信號開始判斷每幀語音信號的能量與最低能量閾值、最高能量閾值的大小，判斷過零率與過零率閾值的大小，從而確定對下一幀信號進行檢測的合適方法，并在可能進入語音狀態的情況下，通過增加變量來對語音段前面出現的發音輕時間段的語音信號進行保留。

具體步驟如下：

1、接收經過預處理的地名語音信號，判斷每幀語音信號的能量與最低能量閾值、最高能量閾值的大小以及判斷過零率與過零率閾值的大小；

2、當第i幀語音信號的能量＜最低能量閾值時，將狀態變量設置為0，語音長度計數變量設置成0，表明仍處于靜音段，繼續返回步驟(1)進行下一幀檢測；

當最高能量閾值＞第i幀語音信號的能量＞最低能量閾值，且過零率＞過零率閾值，將狀態變量設置為1，表明可能處于語音段，將語音長度計數變量加1，同時將可能處于語音段的長度的變量加1，并返回步驟(1)進行下一幀檢測；

3、若已經有狀態變量為1，則對可能處于語音段的語音信號按照一定的標準進行篩選，進一步區分噪音段和語音段；

4、當第i幀語音信號的能量＞最高能量閾值，則將狀態變量設置為2，表示進入語音段，同時將語音長度計數變量加1，按照步驟(5)進行下一幀檢測；

5、判斷當前幀語音信號的能量＞最低能量閾值或當前幀語音信號的過零率＞過零率閾值是否成立；

若成立，表示還在語音段，不是靜音，將狀態變量保持為2，語音長度計數變量加1，按照步驟(5)繼續下一幀檢測；

若不成立，說明信號已經從語音段轉向靜音段，則將靜音長度加1，并對靜音長度作進一步判斷；直到找到全部有效的語音信號，將狀態參數設置為3，結束進程。