[發(fā)明專利]基于深度神經(jīng)網(wǎng)絡(luò)模型的帶噪語音端點檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 202110478661.5
• 申請日: 2021-04-30
• 公開（公告）號: CN113327633A
• 公開（公告）日: 2021-08-31
• 發(fā)明（設(shè)計）人: 詹瑾;趙慧民;黃科喬
• 申請（專利權(quán)）人: 廣東技術(shù)師范大學(xué)
• 主分類號: G10L25/87
• 分類號: G10L25/87;G10L25/30;G10L15/16;G10L15/04
• 代理公司: 廣東廣盈專利商標(biāo)事務(wù)所(普通合伙) 44339
• 代理人: 李俊

本發(fā)明公開了一種基于深度神經(jīng)網(wǎng)絡(luò)模型的帶噪語音端點檢測方法及裝置，其中，所述方法包括：獲得帶噪語音信息數(shù)據(jù)；對于所述帶噪語音信息數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理后的帶噪語音信息數(shù)據(jù)；對所述預(yù)處理后的帶噪語音信息數(shù)據(jù)進(jìn)行小波變換處理，獲得小波變換后的帶噪語音信息數(shù)據(jù)；基于所述小波變換后的帶噪語音信息數(shù)據(jù)進(jìn)行能量熵計算，獲得能量熵計算結(jié)果；基于所述能量熵計算結(jié)果進(jìn)行能量熵特征矩陣的構(gòu)建，獲得能量熵特征矩陣；將所述能量熵特征矩陣輸入預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行端點檢測識別處理，輸出端點檢測識別結(jié)果。在本發(fā)明實施例中，可以快速的檢測出帶噪語音信息數(shù)據(jù)中的語音段和非語音段，并且具有較高的識別率。

技術(shù)領(lǐng)域

本發(fā)明涉及語音識別檢測技術(shù)領(lǐng)域，尤其涉及一種基于深度神經(jīng)網(wǎng)絡(luò)模型的帶噪語音端點檢測方法及裝置。

背景技術(shù)

隨著智能技術(shù)的發(fā)展，語音識別、語音分析、語音壓縮及語音合作等技術(shù)領(lǐng)域的發(fā)展和應(yīng)用，對語音信號中的處理要求越來越高，所需要的的計算復(fù)雜度也越來越多，因此需要在進(jìn)行相關(guān)語音處理的時候，首先對識別帶噪語音信息中的語音段和非語音段，現(xiàn)有技術(shù)中，一般通過短時能量法、過零率檢測法等方式進(jìn)行識別，但是識別速度較慢，并且識別準(zhǔn)確率不高，無法滿足后續(xù)的語音處理的要求。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于深度神經(jīng)網(wǎng)絡(luò)模型的帶噪語音端點檢測方法及裝置，可以快速的檢測出帶噪語音信息數(shù)據(jù)中的語音段和非語音段，并且具有較高的識別率。

為了解決上述技術(shù)問題，本發(fā)明實施例提供了一種基于深度神經(jīng)網(wǎng)絡(luò)模型的帶噪語音端點檢測方法，所述方法包括：

獲得帶噪語音信息數(shù)據(jù)；

對于所述帶噪語音信息數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理后的帶噪語音信息數(shù)據(jù)；

對所述預(yù)處理后的帶噪語音信息數(shù)據(jù)進(jìn)行小波變換處理，獲得小波變換后的帶噪語音信息數(shù)據(jù)；

基于所述小波變換后的帶噪語音信息數(shù)據(jù)進(jìn)行能量熵計算，獲得能量熵計算結(jié)果；

基于所述能量熵計算結(jié)果進(jìn)行能量熵特征矩陣的構(gòu)建，獲得能量熵特征矩陣；

將所述能量熵特征矩陣輸入預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行端點檢測識別處理，輸出端點檢測識別結(jié)果。

可選的，所述獲得帶噪語音信息數(shù)據(jù)，包括：

基于預(yù)設(shè)的麥克風(fēng)設(shè)備進(jìn)行語音信息采集處理，獲得帶噪語音信息數(shù)據(jù)；或，接收用戶輸入的方式獲得帶噪語音信息數(shù)據(jù)。

可選的，所述對于所述帶噪語音信息數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理后的帶噪語音信息數(shù)據(jù)，包括：

基于漢明窗函數(shù)對所述帶噪語音信息數(shù)據(jù)進(jìn)行加窗處理，獲得加窗處理結(jié)果；

對所述加窗處理結(jié)果進(jìn)行按照預(yù)設(shè)分幀規(guī)則進(jìn)行分幀處理，獲得預(yù)處理后的帶噪語音信息數(shù)據(jù)。

可選的，所述對所述預(yù)處理后的帶噪語音信息數(shù)據(jù)進(jìn)行小波變換處理，獲得小波變換后的帶噪語音信息數(shù)據(jù)，包括：

獲得用于小波變換的分解過程中的分解層數(shù)；

基于所述分解層數(shù)對所述預(yù)處理后的帶噪語音信息數(shù)據(jù)進(jìn)行小波變換處理，獲得小波變換后的帶噪語音信息數(shù)據(jù)。

可選的，所述獲得用于小波變換的分解過程中的分解層數(shù)，包括：

基于所述預(yù)處理后的帶噪語音信息數(shù)據(jù)的語音信噪比；

基于所述語音信噪比獲得用于小波變換的分解過程中的分解層數(shù)。

可選的，所述基于所述小波變換后的帶噪語音信息數(shù)據(jù)進(jìn)行能量熵計算，獲得能量熵計算結(jié)果，包括：