[發(fā)明專利]語(yǔ)音命令識(shí)別方法、裝置及電子設(shè)備

在審

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

技術(shù)領(lǐng)域

本公開涉及語(yǔ)音信號(hào)處理技術(shù)領(lǐng)域，具體而言，涉及一種語(yǔ)音命令識(shí)別方法、裝置及電子設(shè)備。

背景技術(shù)

語(yǔ)音信號(hào)處理的應(yīng)用大致有語(yǔ)音輸入和語(yǔ)音命令兩個(gè)方向。由于語(yǔ)音命令的識(shí)別準(zhǔn)確率相對(duì)較高、應(yīng)用場(chǎng)景眾多而得到廣泛應(yīng)用。

暗號(hào)是自古以來(lái)通用的一種安全保密措施，復(fù)雜的暗號(hào)可以加入輕讀、重讀等信息加以區(qū)分。例如，“我們南后向買西”這句話，按重讀標(biāo)記(加粗文字下面的黑圓點(diǎn))可以取得一條隱含的內(nèi)容為“到湖北再去東”，這句話中一條有效語(yǔ)音命令和其他的無(wú)效語(yǔ)音命令以交織形式出現(xiàn)。再例如，“小心氣水涼”這句話，按重讀標(biāo)記可以得到一條隱含的內(nèi)容為“今天有雨”，而不重讀的部分可以得到另一條隱含的內(nèi)容為“小心汽(音譯)水涼”，即根據(jù)一句話可以得到兩句識(shí)別結(jié)果，這句話中兩條有效語(yǔ)音命令以交織形式出現(xiàn)。

而現(xiàn)有技術(shù)中的語(yǔ)音命令識(shí)別技術(shù)通常只針對(duì)一句完整的語(yǔ)音數(shù)據(jù)進(jìn)行識(shí)別，即把一次語(yǔ)音輸入只看作是一條語(yǔ)音命令，而沒有針對(duì)暗號(hào)式交織內(nèi)容組成的語(yǔ)音命令進(jìn)行分辨的能力，只能將整句話全部分析。因此，現(xiàn)有技術(shù)中的技術(shù)方案還存在有待改進(jìn)之處。

需要說(shuō)明的是，在上述背景技術(shù)部分公開的信息僅用于加強(qiáng)對(duì)本公開的背景的理解，因此可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

本公開的目的在于提供一種語(yǔ)音命令識(shí)別方法、裝置及電子設(shè)備，進(jìn)而至少在一定程度上克服由于相關(guān)技術(shù)的限制和缺陷而導(dǎo)致的一個(gè)或者多個(gè)問(wèn)題。

本公開的其他特性和優(yōu)點(diǎn)將通過(guò)下面的詳細(xì)描述變得清晰，或者部分地通過(guò)本公開的實(shí)踐而習(xí)得。

根據(jù)本公開的一個(gè)方面，提供一種語(yǔ)音命令識(shí)別方法，包括：

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

獲取所述語(yǔ)音數(shù)據(jù)的短時(shí)能量值；

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

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

在本公開的一種示例性實(shí)施例中，所述語(yǔ)音命令識(shí)別方法還包括：

識(shí)別所述至少一條語(yǔ)音命令。

在本公開的一種示例性實(shí)施例中，所述獲取所述語(yǔ)音數(shù)據(jù)的短時(shí)能量值包括：

對(duì)所述語(yǔ)音數(shù)據(jù)進(jìn)行分幀處理后得到預(yù)設(shè)幀長(zhǎng)的n幀語(yǔ)音信號(hào)；

獲得所述預(yù)設(shè)幀長(zhǎng)的n幀語(yǔ)音信號(hào)的平均短時(shí)能量值。

在本公開的一種示例性實(shí)施例中，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。

在本公開的一種示例性實(shí)施例中，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。

在本公開的一種示例性實(shí)施例中，所述根據(jù)預(yù)設(shè)閾值和所述短時(shí)能量值將所述語(yǔ)音數(shù)據(jù)劃分為對(duì)應(yīng)預(yù)設(shè)閾值范圍內(nèi)的語(yǔ)音段包括：

以所述平均短時(shí)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(shí)能量段所對(duì)應(yīng)的語(yǔ)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(gè)點(diǎn)的語(yǔ)音段。

在本公開的一種示例性實(shí)施例中，所述拼接相同預(yù)設(shè)閾值范圍內(nèi)的語(yǔ)音段獲得至少一條語(yǔ)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(gè)點(diǎn)的語(yǔ)音段獲得第一條語(yǔ)音命令。

根據(jù)本公開的一個(gè)方面，提供一種語(yǔ)音命令識(shí)別裝置，包括：

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

短時(shí)能量獲取模塊，用于獲取所述語(yǔ)音數(shù)據(jù)的短時(shí)能量值；

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

語(yǔ)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(yǔ)音段獲得至少一條語(yǔ)音命令。

在本公開的一種示例性實(shí)施例中，所述語(yǔ)音命令識(shí)別裝置還包括：

識(shí)別模塊，用于識(shí)別所述至少一條語(yǔ)音命令。

在本公開的一種示例性實(shí)施例中，所述短時(shí)能量獲取模塊包括：

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

平均短時(shí)能量獲取單元，用于獲得所述預(yù)設(shè)幀長(zhǎng)的n幀語(yǔ)音信號(hào)的平均短時(shí)能量值。

在本公開的一種示例性實(shí)施例中，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。

在本公開的一種示例性實(shí)施例中，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。