[发明专利]激活音检测及用于激活音检测的方法和装置

说明书

本发明涉及一种激活音检测(VAD)及用于激活音检测的方法和装置，该方法包括：获得当前帧的子带信号及频谱幅值；根据子带信号计算得到当前帧的帧能量参数和谱重心特征参数的值；根据前一帧估计得到的背景噪声能量、当前帧的帧能量参数及信噪比子带能量计算得到当前帧的信噪比参数；根据调性标志、信噪比参数、谱重心特征参数、帧能量参数计算得到VAD判决结果。本发明方法和装置可提高不稳定噪声(如办公室噪声)和音乐检测的准确率。

技术领域

本发明涉及一种激活音检测(VAD)及用于激活音检测的方法(包括背景噪声检测、调性信号检测、VAD判决中当前帧激活音保持帧数的修正、VAD判决中信噪比门限的调整等方法)和装置。

背景技术

正常的语音通话中，用户有时在说话，有时在听，这个时候就会在通话过程出现非激活音阶段，正常情况下通话双方总的非语音激活阶段要超过通话双方总的语音编码时长的50％。在非激活音阶段，只有背景噪声，背景噪声通常没有任何有用信息。利用这一事实，在语音频信号处理过程中，通过激活音检测(VAD)算法检测出于激活音和非激活音，并采用不同的方法分别进行处理。现代的很多语音编码标准，如AMR，AMR-WB，都支持VAD功能。在效率方面，这些编码器的VAD并不能在所有的典型背景噪声下都达到很好的性能。特别是在非稳定噪声下，这些编码器的VAD效率都较低。而对于音乐信号，这些VAD有时候会出现错误检测，导致相应的处理算法出现明显的质量下降。

发明内容

本发明要解决的技术问题是提供一种激活音检测(VAD)及用于激活音检测的方法(包括背景噪声检测、调性信号检测、VAD判决中当前激活音保持帧数的修正、VAD判决中信噪比门限的调整等方法)和装置，以提高VAD检测的准确率。

为解决上述技术问题，本发明提供了一种激活音检测(VAD)方法，该方法包括：

获得当前帧的子带信号及频谱幅值；

根据子带信号计算得到当前帧的帧能量参数、谱重心特征参数和时域稳定度特征参数的值；根据频谱幅值计算得到谱平坦度特征参数和调性特征参数的值；

根据前一帧估计得到的背景噪声能量、当前帧的帧能量参数及信噪比子带能量计算得到当前帧的信噪比参数；

根据当前帧帧能量参数、谱重心特征参数、时域稳定度特征参数、谱平坦度特征参数、调性特征参数计算得到当前帧的调性标志；

根据调性标志、信噪比参数、谱重心特征参数、帧能量参数计算得到VAD判决结果。

为解决上述技术问题，本发明提供了一种激活音检测(VAD)装置，该装置包括：

滤波器组，用于获得当前帧的子带信号；

频谱幅值计算单元，用于获得当前帧的频谱幅值；

特征参数获取单元，用于根据子带信号计算得到当前帧的帧能量参数、谱重心特征参数和时域稳定度特征参数的值；根据频谱幅值计算得到谱平坦度特征参数和调性特征参数的值；

标志计算单元，用于根据当前帧帧能量参数、谱重心特征参数、时域稳定度特征参数、谱平坦度特征参数、调性特征参数计算得到当前帧的调性标志；

信噪比计算单元，用于根据前一帧估计得到的背景噪声能量、当前帧的帧能量参数及信噪比子带能量计算得到当前帧的信噪比参数；

VAD判决单元，用于根据调性标志、信噪比参数、谱重心特征参数、帧能量参数计算得到VAD判决结果。

为解决上述技术问题，本发明提供了一种背景噪声检测方法，该方法包括：

获得当前帧的子带信号及频谱幅值；

根据子带信号计算得到的帧能量参数、谱重心特征参数、时域稳定度特征参数的值，根据频谱幅值计算得到谱平坦度特征参数和调性特征参数的值；