[發明專利]一種音頻特征提取方法、裝置、訓練方法及電子設備

在審

• 申請號: 201911409010.X
• 申請日: 2019-12-31
• 公開（公告）號: CN111105812A
• 公開（公告）日: 2020-05-05
• 發明（設計）人: 何維禎
• 申請（專利權）人: 普聯國際有限公司
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/18
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 黃詩彬;郝傳鑫

本發明公開了一種音頻特征提取方法、裝置、訓練方法及電子設備，其中方法包括：按照預設的窗口長度獲取待提取音頻，將待提取音頻按照預設的幀長劃分為M幀音頻幀；計算每一音頻幀對應的頻譜；根據每一頻譜的N個頻域點，基于線性擬合算法獲得每一頻譜對應的擬合斜率和擬合截距；根據頻譜和預設的計算公式，計算獲得每一頻譜的頻譜平坦度；將每一頻譜劃分為m段頻譜帶，計算獲得每一段頻譜帶對應的對數頻譜，進而計算獲得每一頻譜的頻譜對比度；根據音頻幀的擬合斜率、擬合截距、頻譜平坦度和頻譜對比度，獲得音頻幀的特征量，進而提取出待提取音頻的音頻特征。本發明提取的音頻特征用于嬰兒哭聲等檢測場景時，有利于提高音頻檢測的準確度。

技術領域

本發明涉及音頻處理技術領域，尤其涉及一種音頻特征提取方法、裝置、訓練方法及電子設備。

背景技術

隨著社會的發展，人力成本昂貴等問題逐漸涌現，現今嬰兒看護方面的消費成本或時間成本越來越高，諸如嬰兒看護器等可識別嬰兒哭聲的看護產品或家用安防產品越來越受到家長的青睞。當看護產品或家用安防產品檢測到嬰兒哭聲后，自動向看護人員或家長發出警示，以便于及時照看嬰兒。

在現有技術中，檢測嬰兒哭聲時，通常是根據檢測到的音頻的能量特征來判斷是否有嬰兒哭聲，當檢測到的音頻的能量特征與嬰兒哭聲的能量特征相吻合時，判定音頻中有嬰兒哭聲，便向看護人員或家長發出警示。

然而，檢測環境往往比較復雜，可能存在周圍環境的其他聲音，則音頻有可能存在不是嬰兒哭聲的環境噪聲，而當其他聲音的能量特征與嬰兒哭聲的能量特征相類似時，若僅通過音頻的能量檢測嬰兒哭聲，很有可能會將環境噪聲作為嬰兒哭聲檢測出來，檢測準確度較低。

發明內容

本發明實施例所要解決的技術問題在于，提供一種音頻特征提取方法、裝置、訓練方法及電子設備，能夠根據音頻的擬合斜率、擬合截距、頻譜對比度、頻譜平坦度提取出音頻特征，用于嬰兒哭聲等音頻檢測場景時，有利于多維度對音頻精細檢測，有利于提高音頻檢測的準確度。

為了解決上述技術問題，第一方面，本發明提供了一種音頻特征提取方法，所述方法包括：

按照預設的窗口長度獲取待提取音頻，并將所述待提取音頻按照預設的幀長劃分為M幀音頻幀，M1；

計算每一所述音頻幀對應的頻譜；其中，所述頻譜包括N個頻域點，N1；

根據每一所述頻譜的N個頻域點，基于線性擬合算法獲得每一所述頻譜對應的擬合斜率和擬合截距；

根據所述頻譜和預設的計算公式，計算獲得每一所述頻譜的頻譜平坦度；

將每一所述頻譜劃分為m段頻譜帶，并計算獲得每一段所述頻譜帶對應的對數頻譜；m1；

根據每一所述頻譜對應的m段所述對數頻譜，獲得每一所述頻譜的頻譜對比度；

根據每一所述音頻幀的所述擬合斜率、所述擬合截距、所述頻譜平坦度和所述頻譜對比度，獲得每一所述音頻幀的特征量；

根據M幀所述音頻幀的特征量，提取出所述待提取音頻的音頻特征。

進一步的，所述線性擬合算法為線性最小二乘算法，所述根據每一所述頻譜的N個頻域點，基于線性擬合算法獲得每一所述頻譜對應的擬合斜率和擬合截距，具體包括：

從每一所述頻譜的N個頻域點中，選取所對應的頻率位于預設頻率范圍內的頻域點；

基于線性最小二乘算法，對所選取的對應的頻率位于預設頻率范圍內的頻域點進行線性擬合，獲得每一所述頻譜對應的擬合斜率和擬合截距。

進一步的，所述將每一所述頻譜劃分為m段頻譜帶，并計算獲得每一段所述頻譜帶對應的對數頻譜，具體包括：

將每一所述頻譜劃分為m段頻譜帶，分別對每一段所述頻譜帶進行K-L變換處理；