[發明專利]終端設備的語音喚醒方法、系統、電子設備、存儲介質

有效

• 申請號: 201910165320.5
• 申請日: 2019-03-05
• 公開（公告）號: CN111667843B
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 白二偉
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0216;G10L15/22;G10L15/26;G10L15/06;G01S5/18;G10L25/30
• 代理公司: 上海弼興律師事務所 31283
• 代理人: 薛琦;羅朗

本發明公開了一種終端設備的語音喚醒方法、系統、電子設備、存儲介質。其中，語音喚醒方法包括：預設相對于所述終端設備的麥克風陣列的M個基準方向；利用所述麥克風陣列采集音頻信號；將所述音頻信號分解成與M個基準方向對應的M個波束信號；從M個波束信號中選擇N個方向特征最強的波束信號作為候選信號；判斷是否有至少一個候選信號的內容包括喚醒詞，若是，則根據所述喚醒詞喚醒所述終端設備。本發明并未采用聲源定位算法，而是通過將采集到的音頻信號分解為幾個基準方向上的波束信號，進而根據各波束信號的方向特征來近似推斷可能的聲源方向，能夠提高喚醒詞的識別精度，極大限度地排除干擾信號對喚醒終端設備的影響。

技術領域

本發明涉及語音處理技術領域，尤其涉及一種終端設備的語音喚醒方法、系統、電子設備、存儲介質。

背景技術

隨著硬件技術的飛速發展，尤其是高性能低功耗芯片技術的不斷進步，使得智能耳機、智能音箱等語音終端成為了人機交互的主要方式，而手機、電腦等終端相應地退化成了資訊展示的界面。其中，基于語音終端的語音喚醒技術的好壞直接影響到用戶的體驗。

語音喚醒技術通常包括兩方面內容，其一，聲源辨別；其二，語音識別。關于聲源辨別，由于回聲、混響及多聲源的疊加等會對聲源音頻產生巨大的干擾，從而語音終端難以從中辨別出真正的聲源，進而，也就難以識別出聲源音頻的內容。

當前，通常基于以下原理來實現聲源定位進而辨別出聲源：基于最大輸出功率的可控波束形成技術、基于到達時間差技術及基于高分辨率譜估計的定位，然而，上述聲源定位實現方法仍然難以抵抗混響、噪聲等的影響，換言之，上述聲源定位實現方法的定位精度不高，容易受到干擾。

發明內容

本發明實施例要解決的技術問題是為了克服現有技術中語音喚醒終端設備容易受到干擾的缺陷，提供一種終端設備的語音喚醒方法、系統、電子設備、存儲介質。

本發明實施例是通過下述技術方案來解決上述技術問題：

一種終端設備的語音喚醒方法，其特點在于，所述語音喚醒方法包括：

預設相對于所述終端設備的麥克風陣列的M個基準方向；

利用所述麥克風陣列采集音頻信號；

將所述音頻信號分解成與M個基準方向對應的M個波束信號；

從M個波束信號中選擇N個方向特征最強的波束信號作為候選信號；

判斷是否有至少一個候選信號的內容包括喚醒詞，若是，則根據所述喚醒詞喚醒所述終端設備；

其中，M和N是正整數。

較佳地，所述判斷是否有至少一個候選信號的內容包括喚醒詞，若是，則根據所述喚醒詞喚醒所述終端設備的步驟包括：

判斷是否有至少一個候選信號的內容包括喚醒詞，若是，則：

令初始值為0的計數值加1；

判斷所述計數值是否達到計數閾值；

若達到所述計數閾值，則根據所述喚醒詞喚醒所述終端設備；

若未達到所述計數閾值，則返回所述利用所述麥克風陣列采集音頻信號的步驟；

若否，則將所述計數值清零，并返回所述利用所述麥克風陣列采集音頻信號的步驟。

較佳地，在所述利用所述麥克風陣列采集音頻信號的步驟之前，所述語音喚醒方法還包括：

利用所述麥克風陣列采集多個樣本音頻信號，其中，每一樣本音頻信號的聲源方向已知且屬于M個基準方向中的任意一個；

將所述樣本音頻信號分解成與M個基準方向對應的M個樣本波束信號；