[發明專利]聲音檢測方法及裝置

有效

• 申請號: 201911398710.3
• 申請日: 2019-12-30
• 公開（公告）號: CN111128227B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 李強
• 申請（專利權）人: 云知聲智能科技股份有限公司;廈門云知芯智能科技有限公司
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/78
• 代理公司: 北京冠和權律師事務所 11399
• 代理人: 張楠楠

1.一種聲音檢測方法，其特征在于，包括：

提取待檢測音頻的音頻幀的音頻特征；

基于所述音頻幀的音頻特征，確定所述音頻幀屬于預設聲音的后驗概率；

根據所述音頻幀的預設權重以及所述音頻幀屬于預設聲音的后驗概率，檢測所述待檢測音頻中是否存在所述預設聲音；

所述提取待檢測音頻的音頻幀的音頻特征，包括：

提取所述待檢測音頻中的T個音頻幀的音頻特征，獲得T幀特征；

所述基于所述音頻幀的音頻特征，確定所述音頻幀屬于預設聲音的后驗概率，包括：

基于所述T幀特征，確定所述待檢測音頻屬于預設聲音的后驗概率；

所述基于所述T幀特征，確定所述待檢測音頻屬于預設聲音的后驗概率，包括：

確定所述T幀特征中每幀特征對應的音頻幀屬于所述預設聲音的后驗概率；

所述根據所述音頻幀的預設權重以及所述音頻幀屬于預設聲音的后驗概率，檢測所述待檢測音頻中是否存在所述預設聲音，包括：

確定所述T幀特征中每幀特征對應的音頻幀的預設權重；

根據所述每幀特征對應的音頻幀的預設權重以及所述每幀特征對應的音頻幀屬于所述預設聲音的后驗概率，檢測所述待檢測音頻中是否存在所述預設聲音；

所述根據所述每幀特征對應的音頻幀的預設權重以及所述每幀特征對應的音頻幀屬于所述預設聲音的后驗概率，檢測所述待檢測音頻中是否存在所述預設聲音，包括：

根據所述每幀特征對應的音頻幀的預設權重以及所述每幀特征對應的音頻幀屬于所述預設聲音的后驗概率，確定所述待檢測音頻中存在所述預設聲音的當前置信度；

當所述當前置信度不小于預設置信度時，確定所述待檢測音頻中存在所述預設聲音；

當所述當前置信度小于預設置信度時，確定所述待檢測音頻中不存在所述預設聲音；

所述確定所述T幀特征中每幀特征對應的音頻幀的預設權重，包括：

通過以下第一公式確定所述每幀特征對應的音頻幀的預設權重α_t：

其中：e_t＝v^Tf(Wα_t+b)+k，α_t為第t個音頻幀的預設權重；v、W、b、k是預設參數，都設置有一個初始值，在神經網絡學習過程中不斷更新；f(.)是Relu激活函數；e_t中的參數為通過神經網絡訓練得到的；

所述根據所述每幀特征對應的音頻幀的預設權重以及所述每幀特征對應的音頻幀屬于所述預設聲音的后驗概率，確定所述待檢測音頻中存在所述預設聲音的當前置信度，包括：

通過以下第二公式確定所述待檢測音頻中存在所述預設聲音的當前置信度

p_t為第t個音頻幀屬于所述預設聲音的后驗概率。

2.一種聲音檢測裝置，其特征在于，包括：

提取模塊，用于提取待檢測音頻的音頻幀的音頻特征；

確定模塊，用于基于所述音頻幀的音頻特征，確定所述音頻幀屬于預設聲音的后驗概率；

檢測模塊，用于根據所述音頻幀的預設權重以及所述音頻幀屬于預設聲音的后驗概率，檢測所述待檢測音頻中是否存在所述預設聲音；

所述提取模塊包括：

提取子模塊，用于提取所述待檢測音頻中的T個音頻幀的音頻特征，獲得T幀特征；

所述確定模塊包括：

第一確定子模塊，用于基于所述T幀特征，確定所述待檢測音頻屬于預設聲音的后驗概率；

所述第一確定子模塊包括：

確定單元，用于確定所述T幀特征中每幀特征對應的音頻幀屬于所述預設聲音的后驗概率；

所述檢測模塊包括：

第二確定子模塊，用于確定所述T幀特征中每幀特征對應的音頻幀的預設權重；

檢測子模塊，用于根據所述每幀特征對應的音頻幀的預設權重以及所述每幀特征對應的音頻幀屬于所述預設聲音的后驗概率，檢測所述待檢測音頻中是否存在所述預設聲音；

所述檢測子模塊包括：

第一確定單元，用于根據所述每幀特征對應的音頻幀的預設權重以及所述每幀特征對應的音頻幀屬于所述預設聲音的后驗概率，確定所述待檢測音頻中存在所述預設聲音的當前置信度；

第二確定單元，用于當所述當前置信度不小于預設置信度時，確定所述待檢測音頻中存在所述預設聲音；

第三確定單元，用于當所述當前置信度小于預設置信度時，確定所述待檢測音頻中不存在所述預設聲音；

所述第二確定子模塊包括：

第四確定單元，用于通過以下第一公式確定所述每幀特征對應的音頻幀的預設權重α_t：

其中：e_t＝v^Tf(Wα_t+b)+k，α_t為第t個音頻幀的預設權重；v、W、b、k是預設參數，都設置有一個初始值，在神經網絡學習過程中不斷更新；f(.)是Relu激活函數；e_t中的參數為通過神經網絡訓練得到；

所述檢測子模塊包括：

第五確定單元，用于通過以下第二公式確定所述待檢測音頻中存在所述預設聲音的當前置信度

p_t為第t個音頻幀屬于所述預設聲音的后驗概率。