[發(fā)明專利]語(yǔ)音活動(dòng)檢測(cè)方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110791186.7
• 申請(qǐng)日: 2021-07-13
• 公開（公告）號(hào): CN113486964A
• 公開（公告）日: 2021-10-08
• 發(fā)明（設(shè)計(jì)）人: 奚少亨;蔣華晨;王江
• 申請(qǐng)（專利權(quán)）人: 盛景智能科技（嘉興）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G11B20/10;G06F17/18
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 聶俊偉

本發(fā)明提供一種語(yǔ)音活動(dòng)檢測(cè)方法、檢測(cè)裝置和電子設(shè)備，其中所述檢測(cè)方法包括：獲取第一聲音信號(hào)；對(duì)所述第一聲音信號(hào)進(jìn)行延遲處理，得到第二聲音信號(hào)；提取所述第二聲音信號(hào)的基音特征，基于所述基音特征，生成第一判斷結(jié)果；更新所述第二聲音信號(hào)的信噪比，基于所述信噪比，生成第二判斷結(jié)果；基于所述第一判斷結(jié)果和所述第二判斷結(jié)果，確定最終判斷結(jié)果。本發(fā)明的語(yǔ)音活動(dòng)檢測(cè)方法，根據(jù)本發(fā)明實(shí)施例提供的語(yǔ)音活動(dòng)檢測(cè)方法，通過對(duì)第一聲音信號(hào)進(jìn)行延遲處理，并融合第二聲音信號(hào)的基音特征和噪聲功率譜進(jìn)行聯(lián)合控制，增加了判斷的魯棒性，進(jìn)一步提高了語(yǔ)音活動(dòng)檢測(cè)的準(zhǔn)確性和普適性。

技術(shù)領(lǐng)域

本發(fā)明涉及語(yǔ)音檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種語(yǔ)音活動(dòng)檢測(cè)方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

語(yǔ)音活動(dòng)檢測(cè)在語(yǔ)音交互系統(tǒng)中至關(guān)重要，在進(jìn)行語(yǔ)音識(shí)別之前，如果不先對(duì)語(yǔ)音信號(hào)是否為語(yǔ)音進(jìn)行判斷，則需要保持語(yǔ)音識(shí)別裝置一直處于開啟狀態(tài)，這會(huì)浪費(fèi)大量的功耗，因此，在進(jìn)行語(yǔ)音識(shí)別之前，先進(jìn)行語(yǔ)音活動(dòng)檢測(cè)，可用來降低計(jì)算量和功耗，還可以作為自適應(yīng)濾波器的更新標(biāo)志。現(xiàn)有技術(shù)中，一般通過能量和過零率來進(jìn)行語(yǔ)音活動(dòng)檢測(cè)。基于能量的語(yǔ)音活動(dòng)檢測(cè)，僅適用于對(duì)信噪比較高的音頻信號(hào)的判斷；而由于隨機(jī)噪聲和清音的過零率較為接近，基于過零率的語(yǔ)音活動(dòng)檢測(cè)無法區(qū)分清音和噪聲，整體來看，現(xiàn)有技術(shù)對(duì)語(yǔ)音活動(dòng)檢測(cè)的準(zhǔn)確率不高。

發(fā)明內(nèi)容

本發(fā)明提供一種語(yǔ)音活動(dòng)檢測(cè)方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)，用以解決現(xiàn)有技術(shù)中語(yǔ)音活動(dòng)檢測(cè)準(zhǔn)確率不高的缺陷，實(shí)現(xiàn)快速、準(zhǔn)確地語(yǔ)音活動(dòng)檢測(cè)。

本發(fā)明提供一種語(yǔ)音活動(dòng)檢測(cè)方法，包括：

獲取第一聲音信號(hào)；

對(duì)所述第一聲音信號(hào)進(jìn)行延遲處理，得到第二聲音信號(hào)；

提取所述第二聲音信號(hào)的基音特征，基于所述基音特征，生成第一判斷結(jié)果；

更新所述第二聲音信號(hào)的信噪比，基于所述信噪比，生成第二判斷結(jié)果；

基于所述第一判斷結(jié)果和所述第二判斷結(jié)果，確定最終判斷結(jié)果。

根據(jù)本發(fā)明提供的一種語(yǔ)音活動(dòng)檢測(cè)方法，所述提取所述第二聲音信號(hào)的基音特征，基于所述基音特征，生成第一判斷結(jié)果，包括：

提取所述第二聲音信號(hào)的基音特征，得到基音線性預(yù)測(cè)濾波器延遲、基因線性預(yù)測(cè)濾波器增益和頻譜包絡(luò)的第一峰值頻率；

將所述基音線性預(yù)測(cè)濾波器延遲、所述基因線性預(yù)測(cè)濾波器增益和所述頻譜包絡(luò)的第一峰值頻率輸入高斯混合模型，得到概率密度函數(shù)；

基于所述概率密度函數(shù)，聯(lián)合線性預(yù)測(cè)濾波器的增益和共振峰位置，生成所述第一判斷結(jié)果。

根據(jù)本發(fā)明提供的一種語(yǔ)音活動(dòng)檢測(cè)方法，所述更新所述第二聲音信號(hào)的信噪比，基于所述信噪比，生成第二判斷結(jié)果，包括：

更新所述第二聲音信號(hào)的先驗(yàn)信噪比和后驗(yàn)信噪比；

比較更新后的所述后驗(yàn)信噪比與第一目標(biāo)閾值，生成所述第二判斷結(jié)果。

根據(jù)本發(fā)明提供的一種語(yǔ)音活動(dòng)檢測(cè)方法，所述基于所述第二聲音信號(hào)，更新先驗(yàn)信噪比和后驗(yàn)信噪比，包括：

基于所述第二聲音信號(hào)，利用最小值追蹤算法MCRA更新先驗(yàn)信噪比和后驗(yàn)信噪比；

或者，基于所述第二聲音信號(hào)，采用遞歸平均算法更新先驗(yàn)信噪比和后驗(yàn)信噪比；

或者，基于所述第二聲音信號(hào)，采用最優(yōu)控制算法更新先驗(yàn)信噪比和后驗(yàn)信噪比。

根據(jù)本發(fā)明提供的一種語(yǔ)音活動(dòng)檢測(cè)方法，所述基于所述第一判斷結(jié)果和所述第二判斷結(jié)果，確定最終判斷結(jié)果，包括：

對(duì)所述第一判斷結(jié)果和所述第二判斷結(jié)果進(jìn)行加權(quán)計(jì)算，生成第三判斷結(jié)果；