[發(fā)明專利]一種識別特征聲音的方法和裝置

在審

• 申請?zhí)枺?/td>: 201810801712.1
• 申請日: 2018-07-20
• 公開（公告）號: CN110751942A
• 公開（公告）日: 2020-02-04
• 發(fā)明（設(shè)計）人: 李俊玲;王博
• 申請（專利權(quán)）人: 北京京東金融科技控股有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/04;G10L15/06;G10L15/10;G10L15/26;G10L15/24
• 代理公司: 11219 中原信達知識產(chǎn)權(quán)代理有限責(zé)任公司
• 代理人: 張一軍;李陽

1.一種識別特征聲音的方法，其特征在于，包括：

對待檢測聲音數(shù)據(jù)進行拆分處理，并截取出至少一段單元聲音數(shù)據(jù)；

從所述至少一段單元聲音數(shù)據(jù)中，確定出屬于特征聲音的單元聲音數(shù)據(jù)；

根據(jù)所述屬于特征聲音的單元聲音數(shù)據(jù)之間的時間距離，對其進行合并以得到特征聲音片段。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對待檢測聲音數(shù)據(jù)進行拆分處理，并截取出至少一段單元聲音數(shù)據(jù)的步驟包括：

根據(jù)滑動窗口對待檢測聲音數(shù)據(jù)進行拆分處理；

截取出單元聲音數(shù)據(jù)，所述單元聲音數(shù)據(jù)為每個滑動窗口中包括的聲音數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，從所述至少一段單元聲音數(shù)據(jù)中，確定出屬于特征聲音的單元聲音數(shù)據(jù)的步驟包括：

通過訓(xùn)練的檢測模型，確定每段單元聲音數(shù)據(jù)為特征聲音的概率；

根據(jù)預(yù)設(shè)的概率閾值，從所述至少一段單元聲音數(shù)據(jù)中，標(biāo)注出屬于特征聲音的單元聲音數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在通過訓(xùn)練的檢測模型，確定每段單元聲音數(shù)據(jù)為特征聲音的概率之前，還包括：

獲取標(biāo)注后的訓(xùn)練數(shù)據(jù)，其中標(biāo)注為1的訓(xùn)練數(shù)據(jù)為特征聲音，標(biāo)注為0的訓(xùn)練數(shù)據(jù)為非特征聲音；

搭建包括3層二維卷積神經(jīng)網(wǎng)絡(luò)以及兩層全連接層的網(wǎng)絡(luò)模型，其中，最后一層全連接層包含有采用sigmoid激活函數(shù)的神經(jīng)元；

基于所述訓(xùn)練數(shù)據(jù)和所述網(wǎng)絡(luò)模型，訓(xùn)練得到檢測模型，其中目標(biāo)損失函數(shù)Loss為：

Loss＝-∑targets*log(predict)

targets表示真實值，取值為0或者1；predict表示預(yù)測值。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，

根據(jù)預(yù)設(shè)的概率閾值，從所述至少一段單元聲音數(shù)據(jù)中，標(biāo)注出屬于特征聲音的單元聲音數(shù)據(jù)的步驟包括：

判斷單元聲音數(shù)據(jù)為特征聲音的概率是否大于預(yù)設(shè)的概率閾值，如果大于，則將該單元聲音數(shù)據(jù)標(biāo)注為1；否則標(biāo)注為0；

根據(jù)所述屬于特征聲音的單元聲音數(shù)據(jù)之間的時間距離，對其進行合并以得到特征聲音片段的步驟包括：

按照時間順序，將連續(xù)標(biāo)注為1的單元聲音數(shù)據(jù)進行合并，以得到至少一段的初步特征聲音片段。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，在按照時間順序，將連續(xù)標(biāo)注為1的單元聲音數(shù)據(jù)進行合并之后，還包括：

判斷所述至少一段的步特征聲音片段之間的時間距離是否小于預(yù)設(shè)的距離偏移量；如果小于，則將其進行合并以得到特征聲音片段。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，在對待檢測聲音數(shù)據(jù)進行拆分處理，并截取出至少一段單元聲音數(shù)據(jù)之前，還包括：

對所述待檢測聲音進行加重處理；

通過漢明窗對所述加重處理后的待檢測聲音進行加窗處理。

8.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述滑動窗口的尺寸為0.3s-0.7s，所述滑動窗口的步長為70ms-85ms；和/或，

所述特征聲音為豬咳嗽聲。

9.一種識別特征聲音的裝置，其特征在于，包括：

單元聲音數(shù)據(jù)截取模塊，用于對待檢測聲音數(shù)據(jù)進行拆分處理，并截取出至少一段單元聲音數(shù)據(jù)；

特征聲音確定模塊，用于從所述至少一段單元聲音數(shù)據(jù)中，確定出屬于特征聲音的單元聲音數(shù)據(jù)；

特征聲音片段確定模塊，用于根據(jù)所述屬于特征聲音的單元聲音數(shù)據(jù)之間的時間距離，對其進行合并以得到特征聲音片段。

10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述單元聲音數(shù)據(jù)截取模塊，還用于根據(jù)滑動窗口對待檢測聲音數(shù)據(jù)進行拆分處理；截取出單元聲音數(shù)據(jù)，所述單元聲音數(shù)據(jù)為每個滑動窗口中包括的聲音數(shù)據(jù)。