[發(fā)明專(zhuān)利]語(yǔ)音活動(dòng)檢測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710578644.2
• 申請(qǐng)日: 2017-07-14
• 公開(kāi)（公告）號(hào): CN107393558B
• 公開(kāi)（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 蔡鋼林
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳永順智信息科技有限公司
• 主分類(lèi)號(hào): G10L25/78
• 分類(lèi)號(hào): G10L25/78
• 代理公司: 深圳市明日今典知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44343
• 代理人: 王杰輝

本發(fā)明提出的一種語(yǔ)音活動(dòng)檢測(cè)方法及裝置，其方法包括，計(jì)算聲音信號(hào)的聽(tīng)覺(jué)特征，所述聽(tīng)覺(jué)特征包括與先驗(yàn)信噪比相關(guān)的第一維度參數(shù)、與后驗(yàn)信噪比相關(guān)的第二維度參數(shù)、與時(shí)域信號(hào)相關(guān)的第三維度參數(shù)；將所述第一維度參數(shù)、第二維度參數(shù)、第三維度參數(shù)與各自對(duì)應(yīng)的聽(tīng)覺(jué)閾值比較，獲得檢測(cè)結(jié)果。本發(fā)明采用先驗(yàn)信噪比、后驗(yàn)信噪比聯(lián)合時(shí)域信號(hào)表征聽(tīng)覺(jué)特征，提取的聽(tīng)覺(jué)特征與聽(tīng)覺(jué)閾值比較，檢測(cè)實(shí)時(shí)的語(yǔ)音活動(dòng)。本發(fā)明可在單麥克風(fēng)體系下，有效地提取在遠(yuǎn)講情況下的聽(tīng)覺(jué)特征，檢測(cè)聲音信號(hào)中語(yǔ)音的存在。

技術(shù)領(lǐng)域

本發(fā)明涉及到語(yǔ)音識(shí)別領(lǐng)域，特別是涉及到一種語(yǔ)音活動(dòng)檢測(cè)方法及裝置。

背景技術(shù)

近年來(lái)隨著互聯(lián)網(wǎng)技術(shù)、智能硬件的蓬勃發(fā)展，語(yǔ)音識(shí)別、聲紋識(shí)別、聲源檢測(cè)等語(yǔ)音智能交互技術(shù)開(kāi)始從實(shí)驗(yàn)室走向用戶(hù)。由于語(yǔ)音識(shí)別技術(shù)是基于語(yǔ)音的人機(jī)交互系統(tǒng)最核心的技術(shù)。目前在限定條件下識(shí)別率已經(jīng)達(dá)到可用的準(zhǔn)確率。所謂限定調(diào)節(jié)通常是指用戶(hù)距離麥克風(fēng)較近，噪聲干擾較小。而必須近距離發(fā)出語(yǔ)音指令這一條件限制了語(yǔ)音交互的便捷性。

在遠(yuǎn)講情況下，由于語(yǔ)音能量會(huì)快速衰減，而噪音干擾能量大致不變，會(huì)使得識(shí)別率迅速下降。另外一個(gè)影響識(shí)別準(zhǔn)確率的因素是，語(yǔ)音指令到達(dá)房間墻壁多次反射之后的混響，也會(huì)造成實(shí)際應(yīng)用與語(yǔ)音識(shí)別訓(xùn)練數(shù)據(jù)集的不匹配，影響識(shí)別率。

噪音主要有兩個(gè)來(lái)源：(1)麥克風(fēng)信號(hào)采集系統(tǒng)自帶的信道噪聲，信道噪聲因麥克風(fēng)的敏感性而不同，麥克風(fēng)敏感性越高，通常信道噪聲越高；(2)不可忽略的環(huán)境噪聲干擾，比如電視機(jī)、空調(diào)噪聲等等。相比于噪聲，混響由于產(chǎn)生條件更為復(fù)雜，更難抑制。并且，噪音和混響一般同時(shí)存在，使得混響抑制更加困難。

201510119374.X公開(kāi)了一種語(yǔ)音檢測(cè)方法及裝置，方法具體包括：將所采集的聲音信號(hào)進(jìn)行重疊分幀，得到對(duì)應(yīng)的多個(gè)聲音幀；對(duì)所得到的多個(gè)聲音幀進(jìn)行加窗處理；將經(jīng)過(guò)加窗處理后的聲音幀進(jìn)行頻域轉(zhuǎn)換，得到各個(gè)聲音幀對(duì)應(yīng)的頻譜；將所得到的各個(gè)聲音幀對(duì)應(yīng)的頻譜進(jìn)行倒頻譜域轉(zhuǎn)換，得到對(duì)應(yīng)的倒頻譜；計(jì)算相鄰的兩個(gè)聲音幀的倒頻譜之間的倒譜距離；當(dāng)計(jì)算得出的倒譜距離大于預(yù)設(shè)的距離閾值時(shí)，對(duì)所采集的聲音信號(hào)進(jìn)行語(yǔ)音檢測(cè)。該方案可以節(jié)省語(yǔ)音檢測(cè)的時(shí)間。

然而，該方法采用的是計(jì)算出的倒譜距離與預(yù)設(shè)閾值比較，雖然預(yù)設(shè)了不同距離下的閾值，但由于實(shí)際環(huán)境的復(fù)雜性，導(dǎo)致預(yù)設(shè)閾值往往無(wú)法在具體場(chǎng)景中應(yīng)用，進(jìn)而導(dǎo)致語(yǔ)音識(shí)別正確率下降。

現(xiàn)有的還有一種超定向Beamforming技術(shù)，其采用環(huán)形或者線形麥克風(fēng)陣列，通過(guò)一組空域?yàn)V波器，定向增強(qiáng)目標(biāo)聲源方向信號(hào)。超定向Beamforming技術(shù)是從采樣方面提高聲音信號(hào)的質(zhì)量。但是，采用超定向Beamforming技術(shù)，需要麥克風(fēng)的數(shù)量比較多，并且對(duì)麥克風(fēng)的一致性、麥克風(fēng)的幾何位置的精確度要求很高，增加了硬件上實(shí)現(xiàn)的難度和成本，很難在大多數(shù)中、低層次產(chǎn)品中集成，應(yīng)用范圍非常局限。

發(fā)明內(nèi)容

本發(fā)明的主要目的為提供一種語(yǔ)音活動(dòng)檢測(cè)方法及裝置，可在單麥克風(fēng)體系下，有效地提取在遠(yuǎn)講情況下的聽(tīng)覺(jué)特征，檢測(cè)聲音信號(hào)中語(yǔ)音的存在。

本發(fā)明提出一種語(yǔ)音活動(dòng)檢測(cè)方法，包括以下步驟：

計(jì)算聲音信號(hào)的聽(tīng)覺(jué)特征，所述聽(tīng)覺(jué)特征包括與先驗(yàn)信噪比相關(guān)的第一維度參數(shù)、與后驗(yàn)信噪比相關(guān)的第二維度參數(shù)、與時(shí)域信號(hào)相關(guān)的第三維度參數(shù)；

將所述第一維度參數(shù)、第二維度參數(shù)、第三維度參數(shù)與各自對(duì)應(yīng)的聽(tīng)覺(jué)閾值比較，獲得檢測(cè)結(jié)果。若所述第一維度參數(shù)、第二維度參數(shù)、第三維度參數(shù)中任意一個(gè)大于各自對(duì)應(yīng)的聽(tīng)覺(jué)閾值，則判定所述聲音信號(hào)存在語(yǔ)音活動(dòng)。若所述第一維度參數(shù)、第二維度參數(shù)、第三維度參數(shù)中任意一個(gè)大于各自對(duì)應(yīng)的聽(tīng)覺(jué)閾值，則判定所述聲音信號(hào)沒(méi)有語(yǔ)音活動(dòng)。

優(yōu)選地，所述第一維度參數(shù)以V(1)表示，其由以下公式求得：

其中，γ(k)為先驗(yàn)信噪比，k為頻率，K為頻帶整體的數(shù)量；