[發(fā)明專利]一種基于雙麥克風(fēng)陣列的智能語音交互系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910038519.1
• 申請日: 2019-01-16
• 公開（公告）號: CN109817209B
• 公開（公告）日: 2020-09-25
• 發(fā)明（設(shè)計(jì)）人: 王艷芬;楊漢丹;王廣新
• 申請（專利權(quán)）人: 深圳市友杰智新科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/08;G10L21/0208;G10L21/0216
• 代理公司: 深圳市深可信專利代理有限公司 44599
• 代理人: 劉昌剛

本發(fā)明公開了一種基于雙麥克風(fēng)陣列的智能語音交互系統(tǒng)，包括聲音采集模塊、第一聲音檢測模塊、第二聲音檢測模塊、關(guān)鍵詞語音識別模塊、單通道降噪模塊、延時(shí)估計(jì)模塊、雙麥語音增強(qiáng)模塊；回聲消除模塊消除聲音采集模塊拾取揚(yáng)聲器播放出來的自噪聲；輸入包含兩路信號，一路是聲音采集模塊拾取到的近端語音，另外一路是參考信號，為從云端獲取并被揚(yáng)聲器播放的音頻數(shù)據(jù)；只有滿足第一聲音檢測模塊和第二聲音檢測模塊都檢測到有聲音的時(shí)候，才會被打開執(zhí)行。本發(fā)明的計(jì)算量較小，對處理芯片的計(jì)算能力較低，因此能夠在一些低廉的處理芯片上實(shí)施，大大降低了實(shí)現(xiàn)成本，所要求的麥克風(fēng)個(gè)數(shù)極少，幾何結(jié)構(gòu)簡單，更加有利于產(chǎn)品的外觀設(shè)計(jì)。

技術(shù)領(lǐng)域

本發(fā)明涉及智能語音交互技術(shù)領(lǐng)域，具體涉及一種基于雙麥克風(fēng)陣列的智能語音交互系統(tǒng)，主要應(yīng)用于家居家電、穿戴設(shè)備等便攜式產(chǎn)品中。

背景技術(shù)

隨著人工智能的興起，基于麥克風(fēng)陣列遠(yuǎn)場拾音的智能語音交互技術(shù)也逐步成為了當(dāng)前熱門的技術(shù)之一?！痘趫A形麥克風(fēng)陣列的智能交互方法及系統(tǒng)》申請?zhí)枺篊N201510246315.9該方案包括：通過圓形麥克風(fēng)陣列接收用戶語音信號；對所述語音信號進(jìn)行去噪處理，得到去噪后的語音信號；對去噪后的不同波束方向的語音信號進(jìn)行預(yù)識別，并選擇識別得分最高的語音信號的波束方向作為目標(biāo)說話人方向，后續(xù)對在所述目標(biāo)說話人方向上去噪后的語音信號進(jìn)行語音識別，得到語音識別結(jié)果；根據(jù)所述語音識別結(jié)果執(zhí)行操作。利用本發(fā)明，可以有效提高麥克風(fēng)陣列波束輸出的語音信號的信噪比，進(jìn)而提高語音識別效果，使人機(jī)交互更智能。

現(xiàn)有的基于麥克風(fēng)陣列的語音交互技術(shù)，大多是采用4麥、6麥、以及6+1等陣列方案，這類技術(shù)雖然能較好的實(shí)現(xiàn)遠(yuǎn)場的語音交互要求，但對設(shè)備的計(jì)算能力也有較高要求，制作實(shí)現(xiàn)的成本也較高。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于僅采用2麥，盡可能的實(shí)現(xiàn)一定距離的遠(yuǎn)程拾音，滿足對語音交互距離在3米內(nèi)的用戶需求，同時(shí)降低計(jì)算量和實(shí)現(xiàn)低成本，提出一種基于雙麥克風(fēng)陣列的智能語音交互系統(tǒng)。

本發(fā)明通過以下技術(shù)手段解決上述問題：

一種基于雙麥克風(fēng)陣列的智能語音交互系統(tǒng)，包括：

聲音采集模塊，用戶拾取聲音信號；

第一聲音檢測模塊，用于對拾取的聲音信號進(jìn)行語音檢測，當(dāng)檢測到有語音時(shí)，將信號送入下一模塊；否則，將數(shù)據(jù)丟棄；

第二聲音檢測模塊，用于對云端獲取并被揚(yáng)聲器播放的音頻數(shù)據(jù)進(jìn)行語音檢測，當(dāng)檢測到有語音時(shí)，將信號送入下一模塊；否則，將數(shù)據(jù)丟棄；

回聲消除模塊，用于消除聲音采集模塊拾取揚(yáng)聲器播放出來的自噪聲；輸入包含兩路信號，一路是聲音采集模塊拾取到的近端語音，另外一路是參考信號，參考信號為從云端獲取并被揚(yáng)聲器播放的音頻數(shù)據(jù)；只有滿足第一聲音檢測模塊和第二聲音檢測模塊都檢測到有聲音的時(shí)候，才會被打開執(zhí)行，否則處于直通狀態(tài)；

關(guān)鍵詞語音識別模塊，用于接收從回聲消除模塊中流入的數(shù)據(jù)，進(jìn)行關(guān)鍵詞語音識別，根據(jù)識別結(jié)果控制單通道降噪模塊和雙麥語音增強(qiáng)模塊的開關(guān)；

單通道降噪模塊，用于當(dāng)關(guān)鍵詞語音識別模塊識別到關(guān)鍵詞后將被打開，接收第一聲音檢測模塊中的輸出，進(jìn)行降噪處理；

延時(shí)估計(jì)模塊，用于接收單通道降噪模塊的輸出信號，進(jìn)行計(jì)算得到一個(gè)時(shí)延值，輸入至雙麥語音增強(qiáng)模塊；

雙麥語音增強(qiáng)模塊，用于當(dāng)關(guān)鍵詞語音識別模塊中檢測識別到關(guān)鍵詞后，將被打開，接收第一聲音檢測模塊中的數(shù)據(jù)，進(jìn)行語音增強(qiáng)處理，處理之后的數(shù)據(jù)將會被傳送到云端；

云端，用于接收到本地傳送的數(shù)據(jù)，進(jìn)行對應(yīng)的處理，返回本地處理結(jié)果，本地接收到處理結(jié)果后，通過揚(yáng)聲器播放出來，告知用戶；

揚(yáng)聲器，用于播放云端處理后的音頻數(shù)據(jù)。