[發明專利]語音活動檢測方法及裝置

有效

• 申請號: 201710578644.2
• 申請日: 2017-07-14
• 公開（公告）號: CN107393558B
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 蔡鋼林
• 申請（專利權）人: 深圳永順智信息科技有限公司
• 主分類號: G10L25/78
• 分類號: G10L25/78
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝

1.一種語音活動檢測方法，其特征在于，包括以下步驟：

計算聲音信號的聽覺特征，所述聽覺特征包括與先驗信噪比相關的第一維度參數、與后驗信噪比相關的第二維度參數、與時域信號相關的第三維度參數；所述聲音信號為數字音頻數據；

將所述第一維度參數、第二維度參數、第三維度參數與各自對應的聽覺閾值比較，獲得檢測結果；

所述第一維度參數以V(1)表示，其由以下公式求得：

其中，γ(k)為先驗信噪比，k為頻率，K為頻帶整體數量；

所述第二維度參數V(2)表示，其由以下公式求得：

其中，ε(k)為后驗信噪比；

所述第三維度參數以V(3)表示，其由以下公式求得：

其中，L_W代表窗長，L_T代表起始樣本點，函數y為時域混合語音數據，j為時間變量；

所述獲得檢測結果，包括：由所述V(1)、V(1)和V(3)的計算公式，獲得當前聽覺特征計算結果并與聽覺閾值對比，且根據對比結果確定檢測結果來判斷語音有無；

所述判斷語音有無，包括：使用計算檢測結果總和的方式計算檢測結果統計值，并判斷是否誤檢，以及沒有誤檢時對聲音信號進行優化處理。

2.根據權利要求1所述的語音活動檢測方法，其特征在于，所述先驗信噪比γ(k)由以下公式求得：

其中，l為時間幀坐標，Y(l,k)為混合語音頻譜，Φ_V(k)代表噪音信號的功率譜密度。

3.根據權利要求2所述的語音活動檢測方法，其特征在于，所述后驗信噪比ε(k)由以下公式求得：

其中，β為平滑因子，β為取值范圍為0.6～0.9，為估算語音頻譜，Max函數表示選擇兩個變量中的最大值。

4.根據權利要求3所述的語音活動檢測方法，其特征在于，

β為0.75。

5.根據權利要求1所述的語音活動檢測方法，其特征在于，所述時域信號以y(t)表示，其由以下公式表示：

其中，x(t)為帶混響語音信號，v(t)為背景噪聲，h(τ)為混響沖擊響應信號，s(t-τ)為無混響語音信號。

6.根據權利要求1所述的語音活動檢測方法，其特征在于，所述聽覺閾值以θ_T(i)表示，i＝1，2，3，θT(1)與所述第一維度參數相對應，θ_T(2)與所述第二維度參數相對應，θ_T(3)與所述第三維度參數相對應，θ_T(i)由以下公式求得：

θ′_T(i)為前一幀的聽覺閾值，F_B為特征緩沖區矩陣，所述特征緩沖區矩陣由L_I個聽覺特征構成，即包括前L_I-1幀和當前幀的聽覺特征，i為所述特征緩沖區矩陣的行數，j為所述特征緩沖區矩陣的列數。

7.根據權利要求6所述的語音活動檢測方法，其特征在于，所述F_B由以下公式求得：

F’_B為前一幀的特征緩沖區矩陣，V(1)為所述第一維度參數，V(2)為所述第二維度參數，V(3)為所述第三維度參數。

8.根據權利要求7所述的語音活動檢測方法，其特征在于，所述將所述第一維度參數、第二維度參數、第三維度參數與各自對應的聽覺閾值比較，獲得檢測結果的步驟中，所述檢測結果由以下公式求得：

q(i)為所述聽覺特征的維度參數的得分，Q_Frame為語音檢查的判斷結果，判斷結果為1則表明當前幀存在語音，判斷結果為0則表明當前幀不存在語音。

9.一種語音活動檢測裝置，其特征在于，包括：

聽覺特征計算模塊，用于計算聲音信號的聽覺特征，所述聽覺特征包括與先驗信噪比相關的

第一維度參數

與后驗信噪比相關的

第二維度參數

與時域信號相關的

第三維度參數

所述聲音信號為數字音頻數據；

檢測語音模塊，用于將所述第一維度參數，其中，γ(k)為先驗信噪比，k為頻率，K為頻帶整體數量、第二維度參數，其中，ε(k)為后驗信噪比、第三維度參數與各自對應的聽覺閾值比較，獲得檢測結果，其中，L_W代表窗長，L_T代表起始樣本點，函數y為時域混合語音數據，j為時間變量；所述獲得檢測結果，包括：判斷是否誤檢，以及沒有誤檢時對聲音信號進行優化處理。