[發(fā)明專(zhuān)利]一種自適應(yīng)門(mén)限整定語(yǔ)音端點(diǎn)檢測(cè)方法，設(shè)備及可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810680909.4
• 申請(qǐng)日: 2018-06-27
• 公開(kāi)（公告）號(hào): CN108847218B
• 公開(kāi)（公告）日: 2020-07-21
• 發(fā)明（設(shè)計(jì)）人: 王曉宇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 蘇州浪潮智能科技有限公司
• 主分類(lèi)號(hào): G10L15/05
• 分類(lèi)號(hào): G10L15/05;G10L25/93
• 代理公司: 濟(jì)南舜源專(zhuān)利事務(wù)所有限公司 37205
• 代理人: 張亮

本發(fā)明提供一種自適應(yīng)門(mén)限整定語(yǔ)音端點(diǎn)檢測(cè)方法，設(shè)備及可讀存儲(chǔ)介質(zhì)，設(shè)置待檢測(cè)的語(yǔ)音幀長(zhǎng)為N,k為幀數(shù)，共有L幀數(shù)據(jù)，獲取L幀的短時(shí)參數(shù)，獲取第k幀的短時(shí)能量為amp，短時(shí)過(guò)零率為zcr；搜索參考噪音；獲取初始參考門(mén)限；檢測(cè)語(yǔ)音段起點(diǎn)x1和語(yǔ)音段終點(diǎn)x2；再次噪音提取，并獲取短時(shí)門(mén)限X⁽ⁱ⁺¹⁾；把第i+1次與第i次提取的門(mén)限值進(jìn)行比較，判斷其是否相等，通過(guò)語(yǔ)音搜索，不斷的比較前后兩幀語(yǔ)音的參數(shù)關(guān)系，合理地取得有效的參考語(yǔ)音幀，而不是單純的提取待檢測(cè)語(yǔ)音段的前幾幀。為了得到更為精準(zhǔn)的檢測(cè)效果，本發(fā)明采取了門(mén)限不斷自調(diào)整、循環(huán)檢測(cè)的方式，直至算法最終收斂。

技術(shù)領(lǐng)域

本發(fā)明涉及語(yǔ)音檢測(cè)領(lǐng)域，尤其涉及一種自適應(yīng)門(mén)限整定語(yǔ)音端點(diǎn)檢測(cè)方法，設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

端點(diǎn)檢測(cè)的目的就是在復(fù)雜的應(yīng)用環(huán)境下的信號(hào)流中分辨出語(yǔ)音信號(hào)和非語(yǔ)音信號(hào),并確定語(yǔ)音信號(hào)的開(kāi)始及結(jié)束。通過(guò)端點(diǎn)檢測(cè)，一方面，能有效的除去一些冗余的噪聲信號(hào)，這樣為特征提取與模式匹配節(jié)省了大量的時(shí)間，大大的提高了系統(tǒng)運(yùn)行的效率。另一方面，端點(diǎn)檢測(cè)提升了特征參數(shù)所反映說(shuō)話(huà)人個(gè)性信息所占的比重，即提升了特征參數(shù)的可靠性?？梢?jiàn)，端點(diǎn)檢測(cè)是語(yǔ)音識(shí)別系統(tǒng)中至關(guān)重要的一步,其算法的優(yōu)劣在某種程度上也直接決定了整個(gè)語(yǔ)音識(shí)別系統(tǒng)的成敗。

到目前為止，端點(diǎn)檢測(cè)的研究經(jīng)歷了幾十年，產(chǎn)生了很多方法，這些方法大致可以分為兩大類(lèi)：基于參數(shù)的方法和基于模型的方法。(1)基于參數(shù)門(mén)限的方法，這類(lèi)算法的基本思想是尋找出能表征語(yǔ)音和噪音差異的特征參數(shù)來(lái)進(jìn)行語(yǔ)音和噪音的時(shí)段區(qū)分。常用的參數(shù)有：短時(shí)能量、短時(shí)過(guò)零率、線(xiàn)性預(yù)測(cè)系數(shù)、頻帶方差、信息熵等。(2)基于模型的方法，此類(lèi)方法的基本思想是對(duì)噪音與語(yǔ)音分別進(jìn)行建模來(lái)區(qū)分語(yǔ)音時(shí)段和非語(yǔ)言時(shí)段，如：基于HMM的端點(diǎn)檢測(cè)、基于神經(jīng)網(wǎng)絡(luò)的端點(diǎn)檢測(cè)等?；诙虝r(shí)能量和短時(shí)過(guò)零率的端點(diǎn)檢測(cè)是最為經(jīng)典的一種基于參數(shù)的檢測(cè)算法，該算法使用簡(jiǎn)單，參數(shù)提取方便，在高信噪比的情況下能夠比較準(zhǔn)確的區(qū)分出語(yǔ)音和噪聲?；贛EL倒譜特征(MFCC)的端點(diǎn)檢測(cè)，倒譜參數(shù)在噪聲環(huán)境下更能夠區(qū)分語(yǔ)音段和噪音段，因此具有更好的檢測(cè)效果，但是引入MFCC參數(shù)增加了算法的復(fù)雜度。一種基于譜熵和譜能量的端點(diǎn)檢測(cè)，引入了熵的概念，利用語(yǔ)音與噪聲的熵差異來(lái)區(qū)分噪音與語(yǔ)音。但是以上方法都面臨著同一個(gè)問(wèn)題，相關(guān)參數(shù)門(mén)限設(shè)定的問(wèn)題。傳統(tǒng)的方法便是取待測(cè)語(yǔ)音幀的前幾幀來(lái)設(shè)定參考門(mén)限，或是根據(jù)以往的經(jīng)驗(yàn)取一個(gè)經(jīng)驗(yàn)值。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術(shù)中的不足，本發(fā)明提供一種自適應(yīng)門(mén)限整定語(yǔ)音端點(diǎn)檢測(cè)方法，方法包括：

步驟1：設(shè)置待檢測(cè)的語(yǔ)音幀長(zhǎng)為N,k為幀數(shù)，共有L幀數(shù)據(jù)，獲取L幀的短時(shí)參數(shù)，獲取第k幀的短時(shí)能量為amp，短時(shí)過(guò)零率為zcr；

步驟2：搜索參考噪音；

步驟3：獲取初始參考門(mén)限；

步驟4：檢測(cè)語(yǔ)音段起點(diǎn)x1和語(yǔ)音段終點(diǎn)x2；

步驟5：再次噪音提取，并獲取短時(shí)門(mén)限X⁽ⁱ⁺¹⁾；

步驟6：把第i+1次與第i次提取的門(mén)限值進(jìn)行比較，判斷其是否相等。

優(yōu)選地，步驟6之后還包括：

若X⁽ⁱ⁺¹⁾＝X⁽ⁱ⁾，則算法收斂，輸出檢測(cè)結(jié)果。

優(yōu)選地，步驟6之后還包括：

若X⁽ⁱ⁺¹⁾≠X⁽ⁱ⁾，則i＝i+1，轉(zhuǎn)至步驟4，基于雙門(mén)限端點(diǎn)檢測(cè)，得到起點(diǎn)x1與終點(diǎn)x2；

再次噪音提取，并獲取短時(shí)門(mén)限X⁽ⁱ⁺¹⁾；

把第i+1次與第i次提取的門(mén)限值進(jìn)行比較，判斷其是否相等；