[發(fā)明專(zhuān)利]一種音頻特征提取方法、裝置、訓(xùn)練方法及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201911409010.X
• 申請(qǐng)日: 2019-12-31
• 公開(kāi)（公告）號(hào): CN111105812A
• 公開(kāi)（公告）日: 2020-05-05
• 發(fā)明（設(shè)計(jì)）人: 何維禎
• 申請(qǐng)（專(zhuān)利權(quán)）人: 普聯(lián)國(guó)際有限公司
• 主分類(lèi)號(hào): G10L25/03
• 分類(lèi)號(hào): G10L25/03;G10L25/18
• 代理公司: 廣州三環(huán)專(zhuān)利商標(biāo)代理有限公司 44202
• 代理人: 黃詩(shī)彬;郝傳鑫

本發(fā)明公開(kāi)了一種音頻特征提取方法、裝置、訓(xùn)練方法及電子設(shè)備，其中方法包括：按照預(yù)設(shè)的窗口長(zhǎng)度獲取待提取音頻，將待提取音頻按照預(yù)設(shè)的幀長(zhǎng)劃分為M幀音頻幀；計(jì)算每一音頻幀對(duì)應(yīng)的頻譜；根據(jù)每一頻譜的N個(gè)頻域點(diǎn)，基于線(xiàn)性擬合算法獲得每一頻譜對(duì)應(yīng)的擬合斜率和擬合截距；根據(jù)頻譜和預(yù)設(shè)的計(jì)算公式，計(jì)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(jì)算獲得每一段頻譜帶對(duì)應(yīng)的對(duì)數(shù)頻譜，進(jìn)而計(jì)算獲得每一頻譜的頻譜對(duì)比度；根據(jù)音頻幀的擬合斜率、擬合截距、頻譜平坦度和頻譜對(duì)比度，獲得音頻幀的特征量，進(jìn)而提取出待提取音頻的音頻特征。本發(fā)明提取的音頻特征用于嬰兒哭聲等檢測(cè)場(chǎng)景時(shí)，有利于提高音頻檢測(cè)的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及音頻處理技術(shù)領(lǐng)域，尤其涉及一種音頻特征提取方法、裝置、訓(xùn)練方法及電子設(shè)備。

背景技術(shù)

隨著社會(huì)的發(fā)展，人力成本昂貴等問(wèn)題逐漸涌現(xiàn)，現(xiàn)今嬰兒看護(hù)方面的消費(fèi)成本或時(shí)間成本越來(lái)越高，諸如嬰兒看護(hù)器等可識(shí)別嬰兒哭聲的看護(hù)產(chǎn)品或家用安防產(chǎn)品越來(lái)越受到家長(zhǎng)的青睞。當(dāng)看護(hù)產(chǎn)品或家用安防產(chǎn)品檢測(cè)到嬰兒哭聲后，自動(dòng)向看護(hù)人員或家長(zhǎng)發(fā)出警示，以便于及時(shí)照看嬰兒。

在現(xiàn)有技術(shù)中，檢測(cè)嬰兒哭聲時(shí)，通常是根據(jù)檢測(cè)到的音頻的能量特征來(lái)判斷是否有嬰兒哭聲，當(dāng)檢測(cè)到的音頻的能量特征與嬰兒哭聲的能量特征相吻合時(shí)，判定音頻中有嬰兒哭聲，便向看護(hù)人員或家長(zhǎng)發(fā)出警示。

然而，檢測(cè)環(huán)境往往比較復(fù)雜，可能存在周?chē)h(huán)境的其他聲音，則音頻有可能存在不是嬰兒哭聲的環(huán)境噪聲，而當(dāng)其他聲音的能量特征與嬰兒哭聲的能量特征相類(lèi)似時(shí)，若僅通過(guò)音頻的能量檢測(cè)嬰兒哭聲，很有可能會(huì)將環(huán)境噪聲作為嬰兒哭聲檢測(cè)出來(lái)，檢測(cè)準(zhǔn)確度較低。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例所要解決的技術(shù)問(wèn)題在于，提供一種音頻特征提取方法、裝置、訓(xùn)練方法及電子設(shè)備，能夠根據(jù)音頻的擬合斜率、擬合截距、頻譜對(duì)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(cè)場(chǎng)景時(shí)，有利于多維度對(duì)音頻精細(xì)檢測(cè)，有利于提高音頻檢測(cè)的準(zhǔn)確度。

為了解決上述技術(shù)問(wèn)題，第一方面，本發(fā)明提供了一種音頻特征提取方法，所述方法包括：

按照預(yù)設(shè)的窗口長(zhǎng)度獲取待提取音頻，并將所述待提取音頻按照預(yù)設(shè)的幀長(zhǎng)劃分為M幀音頻幀，M1；

計(jì)算每一所述音頻幀對(duì)應(yīng)的頻譜；其中，所述頻譜包括N個(gè)頻域點(diǎn)，N1；

根據(jù)每一所述頻譜的N個(gè)頻域點(diǎn)，基于線(xiàn)性擬合算法獲得每一所述頻譜對(duì)應(yīng)的擬合斜率和擬合截距；

根據(jù)所述頻譜和預(yù)設(shè)的計(jì)算公式，計(jì)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(jì)算獲得每一段所述頻譜帶對(duì)應(yīng)的對(duì)數(shù)頻譜；m1；

根據(jù)每一所述頻譜對(duì)應(yīng)的m段所述對(duì)數(shù)頻譜，獲得每一所述頻譜的頻譜對(duì)比度；

根據(jù)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(duì)比度，獲得每一所述音頻幀的特征量；

根據(jù)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(jìn)一步的，所述線(xiàn)性擬合算法為線(xiàn)性最小二乘算法，所述根據(jù)每一所述頻譜的N個(gè)頻域點(diǎn)，基于線(xiàn)性擬合算法獲得每一所述頻譜對(duì)應(yīng)的擬合斜率和擬合截距，具體包括：

從每一所述頻譜的N個(gè)頻域點(diǎn)中，選取所對(duì)應(yīng)的頻率位于預(yù)設(shè)頻率范圍內(nèi)的頻域點(diǎn)；

基于線(xiàn)性最小二乘算法，對(duì)所選取的對(duì)應(yīng)的頻率位于預(yù)設(shè)頻率范圍內(nèi)的頻域點(diǎn)進(jìn)行線(xiàn)性擬合，獲得每一所述頻譜對(duì)應(yīng)的擬合斜率和擬合截距。

進(jìn)一步的，所述將每一所述頻譜劃分為m段頻譜帶，并計(jì)算獲得每一段所述頻譜帶對(duì)應(yīng)的對(duì)數(shù)頻譜，具體包括：

將每一所述頻譜劃分為m段頻譜帶，分別對(duì)每一段所述頻譜帶進(jìn)行K-L變換處理；