[發(fā)明專利]語音命令識別方法、裝置及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 201611199064.4
• 申請日: 2016-12-22
• 公開（公告）號: CN106601233A
• 公開（公告）日: 2017-04-26
• 發(fā)明（設(shè)計(jì)）人: 平穎潔;沙斌
• 申請（專利權(quán)）人: 北京元心科技有限公司
• 主分類號: G10L15/04
• 分類號: G10L15/04;G10L15/22;G10L21/0224;G10L25/87;G10L25/93
• 代理公司: 北京律智知識產(chǎn)權(quán)代理有限公司11438
• 代理人: 袁禮君,闞梓瑄

1.一種語音命令識別方法，其特征在于，包括：

接收語音數(shù)據(jù)，所述語音數(shù)據(jù)包括預(yù)設(shè)條數(shù)的語音命令；

獲取所述語音數(shù)據(jù)的短時能量值；

根據(jù)預(yù)設(shè)閾值和所述短時能量值將所述語音數(shù)據(jù)劃分為對應(yīng)預(yù)設(shè)閾值范圍內(nèi)的語音段；

拼接相同預(yù)設(shè)閾值范圍內(nèi)的語音段獲得至少一條語音命令。

2.根據(jù)權(quán)利要求1所述的語音命令識別方法，其特征在于，所述語音命令識別方法還包括：

識別所述至少一條語音命令。

3.根據(jù)權(quán)利要求1所述的語音命令識別方法，其特征在于，所述獲取所述語音數(shù)據(jù)的短時能量值包括：

對所述語音數(shù)據(jù)進(jìn)行分幀處理后得到預(yù)設(shè)幀長的n幀語音信號；

獲得所述預(yù)設(shè)幀長的n幀語音信號的平均短時能量值。

4.根據(jù)權(quán)利要求3所述的語音命令識別方法，其特征在于，所述預(yù)設(shè)閾值包括第一閾值和第二閾值，其中所述第二閾值大于所述第一閾值。

5.根據(jù)權(quán)利要求4所述的語音命令識別方法，其特征在于，所述預(yù)設(shè)閾值還包括第三閾值，其中所述第三閾值大于所述第二閾值。

6.根據(jù)權(quán)利要求4所述的語音命令識別方法，其特征在于，所述根據(jù)預(yù)設(shè)閾值和所述短時能量值將所述語音數(shù)據(jù)劃分為對應(yīng)預(yù)設(shè)閾值范圍內(nèi)的語音段包括：

以所述平均短時能量值大于所述第二閾值的點(diǎn)為參考點(diǎn)，分別向左和向右查找不小于且最近所述第一閾值的第一點(diǎn)和第二點(diǎn)；

以所述第一點(diǎn)和所述第二點(diǎn)區(qū)間內(nèi)的平均短時能量段所對應(yīng)的語音數(shù)據(jù)作為大于所述第一閾值且存在大于等于所述參考點(diǎn)的至少一個點(diǎn)的語音段。

7.根據(jù)權(quán)利要求6所述的語音命令識別方法，其特征在于，所述拼接相同預(yù)設(shè)閾值范圍內(nèi)的語音段獲得至少一條語音命令包括：

拼接大于所述第一閾值且存在大于等于所述參考點(diǎn)的至少一個點(diǎn)的語音段獲得第一條語音命令。

8.一種語音命令識別裝置，其特征在于，包括：

語音數(shù)據(jù)接收模塊，用于接收語音數(shù)據(jù)，所述語音數(shù)據(jù)包括預(yù)設(shè)條數(shù)的語音命令；

短時能量獲取模塊，用于獲取所述語音數(shù)據(jù)的短時能量值；

語音段劃分模塊，用于根據(jù)預(yù)設(shè)閾值和所述短時能量值將所述語音數(shù)據(jù)劃分為對應(yīng)預(yù)設(shè)閾值范圍內(nèi)的語音段；

語音命令拼接模塊，用于拼接相同預(yù)設(shè)閾值范圍內(nèi)的語音段獲得至少一條語音命令。

9.根據(jù)權(quán)利要求8所述的語音命令識別裝置，其特征在于，所述語音命令識別裝置還包括：

識別模塊，用于識別所述至少一條語音命令。

10.根據(jù)權(quán)利要求8所述的語音命令識別裝置，其特征在于，所述短時能量獲取模塊包括：

分幀單元，用于對所述語音數(shù)據(jù)進(jìn)行分幀處理后得到預(yù)設(shè)幀長的n幀語音信號；

平均短時能量獲取單元，用于獲得所述預(yù)設(shè)幀長的n幀語音信號的平均短時能量值。

11.根據(jù)權(quán)利要求10所述的語音命令識別裝置，其特征在于，所述預(yù)設(shè)閾值包括第一閾值和第二閾值，其中所述第二閾值大于所述第一閾值。

12.根據(jù)權(quán)利要求11所述的語音命令識別裝置，其特征在于，所述預(yù)設(shè)閾值還包括第三閾值，其中所述第三閾值大于所述第二閾值。

13.根據(jù)權(quán)利要求11所述的語音命令識別裝置，其特征在于，所述語音段劃分模塊包括：

查找單元，用于以所述平均短時能量值大于所述第二閾值的點(diǎn)為參考點(diǎn)，分別向左和向右查找不小于且最近所述第一閾值的第一點(diǎn)和第二點(diǎn)；

語音段劃分單元，用于以所述第一點(diǎn)和所述第二點(diǎn)區(qū)間內(nèi)的平均短時能量段所對應(yīng)的語音數(shù)據(jù)作為大于所述第一閾值且存在大于等于所述參考點(diǎn)的至少一個點(diǎn)的語音段。

14.根據(jù)權(quán)利要求13所述的語音命令識別裝置，其特征在于，所述語音命令拼接模塊包括：

第一拼接單元，用于拼接大于所述第一閾值且存在大于等于所述參考點(diǎn)的至少一個點(diǎn)的語音段獲得第一條語音命令。

15.一種電子設(shè)備，其特征在于，包括：

處理器；以及

存儲器，用于存儲所述處理器的可執(zhí)行指令；

其中所述處理器配置為經(jīng)由執(zhí)行所述可執(zhí)行指令來執(zhí)行以下操作：

接收語音數(shù)據(jù)，所述語音數(shù)據(jù)包括預(yù)設(shè)條數(shù)的語音命令；

獲取所述語音數(shù)據(jù)的短時能量值；

根據(jù)預(yù)設(shè)閾值和所述短時能量值將所述語音數(shù)據(jù)劃分為對應(yīng)預(yù)設(shè)閾值范圍內(nèi)的語音段；

拼接相同預(yù)設(shè)閾值范圍內(nèi)的語音段獲得至少一條語音命令。