[發(fā)明專利]一種嬰兒哭聲檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 201810065385.8
• 申請日: 2018-01-23
• 公開（公告）號: CN110085216A
• 公開（公告）日: 2019-08-02
• 發(fā)明（設計）人: 葛鳳培;張少甫;顏永紅
• 申請（專利權）人: 中國科學院聲學研究所;北京中科信利技術有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/02
• 代理公司: 北京方安思達知識產(chǎn)權代理有限公司 11472
• 代理人: 陳琳琳;楊青

1.一種嬰兒哭聲檢測方法，其特征在于，所述方法包括：

對預獲取的樣本訓練集中的語音數(shù)據(jù)進行感知線性預測系數(shù)PLP特征提取,獲取與所述樣本訓練集中的語音數(shù)據(jù)對應的語音特征；

利用深度神經(jīng)網(wǎng)絡算法，對所述樣本訓練集中的語音數(shù)據(jù)對應的語音特征進行訓練，獲取嬰兒哭聲的聲學模型；

對測試語音數(shù)據(jù)進行PLP特征提取后，帶入所述嬰兒哭聲的聲學模型中進行計算，獲取所述測試語音數(shù)據(jù)中每一幀語音數(shù)據(jù)對應的語音類型的后驗概率，其中，所述語音類型包括至少兩種，每一種語音類型對應一個后驗概率；

根據(jù)所述測試語音數(shù)據(jù)中每一幀語音數(shù)據(jù)對應的語音類型的后驗概率，確定所述測試語音數(shù)據(jù)是否為嬰兒哭聲對應的語音數(shù)據(jù)。

2.如權利要求1所述的嬰兒哭聲檢測方法，其特征在于，所述樣本數(shù)據(jù)中的語音數(shù)據(jù)包括嬰兒哭聲數(shù)據(jù)樣本和非嬰兒哭聲數(shù)據(jù)樣本，所述嬰兒哭聲數(shù)據(jù)樣本定義為正樣本，所述非嬰兒哭聲數(shù)據(jù)定義為負樣本，所述負樣本至少包括如下中的一類或多類：嬰兒發(fā)出的除所述嬰兒哭聲之外的聲音樣本、公共環(huán)境聲音樣本、以及靜音；所述對預獲取的樣本訓練集中的每一類語音數(shù)據(jù)分別進行感知線性預測系數(shù)PLP特征提取,獲取與所述樣本訓練集中的每一類語音數(shù)據(jù)分別對應的語音特征之前，所述方法還包括：

對所述正樣本語音數(shù)據(jù)和所述負樣本數(shù)據(jù)中的每一類語音數(shù)據(jù)分別添加與之對應的標簽信息。

3.如權利要求2所述的嬰兒哭聲檢測方法，其特征在于，所述對預獲取的樣本訓練集中的語音數(shù)據(jù)進行感知線性預測系數(shù)PLP特征提取,獲取與所述樣本訓練集中的語音數(shù)據(jù)對應的語音特征，具體包括：

采用加窗處理分別提取所述樣本訓練集中的語音數(shù)據(jù)中每一幀數(shù)據(jù)的13維度的PLP特征；

在所述13維度的PLP特征的基礎上添加1維度能量特征和1維度極品置信度特征，構成15維度特征；

將所述15維度特征進行三階差分處理，獲取60維度的語音特征。

4.如權利要求3所述的嬰兒哭聲檢測方法，其特征在于，所述語音特征幀長25ms，窗移為10ms。

5.如權利要求2-4任一項所述的嬰兒哭聲檢測方法，其特征在于，所述至少兩種語音類型中的語音類型與所述樣本數(shù)據(jù)中的語音數(shù)據(jù)類型相同；所述根據(jù)所述測試語音數(shù)據(jù)中每一幀語音數(shù)據(jù)對應的語音類型的后驗概率，確定所述測試語音數(shù)據(jù)是否為嬰兒哭聲對應的語音數(shù)據(jù)，具體包括：

選取所述測試語音數(shù)據(jù)中第一幀語音數(shù)據(jù)對應的至少兩種語音類型的后驗概率中概率值最大的語音類型，作為所述第一幀語音數(shù)據(jù)的語音類型；

統(tǒng)計所述測試語音數(shù)據(jù)中每一種語音類型對應的數(shù)量值；

當?shù)谝环N語音類型對應的語音數(shù)量與所述測試語音數(shù)據(jù)總幀數(shù)之間的比值大于預設閾值時，確定所述測試語音數(shù)據(jù)的語音類型為第一種語音類型，其中，所述第一幀數(shù)據(jù)為所述測試語音數(shù)據(jù)中所有幀語音數(shù)據(jù)中的任一幀；所述第一種語音類型為所述至少兩種語音類型中的任一種，且所述第一種語音類型的數(shù)量值為所有語音類型中每一種語音類型分別對應的數(shù)量值中的最大值。

6.一種嬰兒哭聲檢測裝置，其特征在于，所述裝置包括：

特征提取單元，用于對預獲取的樣本訓練集中的語音數(shù)據(jù)進行感知線性預測系數(shù)PLP特征提取,獲取與所述樣本訓練集中的語音數(shù)據(jù)對應的語音特征；

聲學模型建立單元，用于利用深度神經(jīng)網(wǎng)絡算法，對所述樣本訓練集中的語音數(shù)據(jù)對應的語音特征進行訓練，獲取嬰兒哭聲的聲學模型；

處理單元，用于對測試語音數(shù)據(jù)進行PLP特征提取后，帶入所述嬰兒哭聲的聲學模型中進行計算，獲取所述測試語音數(shù)據(jù)中每一幀語音數(shù)據(jù)對應的語音類型的后驗概率，其中，所述語音類型包括至少兩種，每一種語音類型對應一個后驗概率；

根據(jù)所述測試語音數(shù)據(jù)中每一幀語音數(shù)據(jù)對應的語音類型的后驗概率，確定所述測試語音數(shù)據(jù)是否為嬰兒哭聲對應的語音數(shù)據(jù)。