[发明专利]具有语音控制和哼唱检索功能的多媒体播放方法及装置

权利要求书

1.一种具有语音控制和哼唱检索功能的多媒体播放方法，其特征在于实施步骤如下：

1）用户选择工作模式，采集语音数据并通过专用语音数据处理芯片进行预处理，当用户选择的工作模式为语音控制模式则跳转执行步骤2），如果用户选择的工作模式为哼唱检索模式则跳转执行步骤3）；

2）将预处理后的语音数据与语法规则上传至互联网上的语音识别服务端进行语音识别，根据语音识别服务端返回的识别结果对本地的多媒体资源进行播放控制或者资源管理；

3）将预处理后的语音数据通过专用语音数据处理芯片提取基音序列并转换为音符序列，将所述音符序列发送给互联网上的匹配搜索服务端，通过所述匹配搜索服务端在音符特征数据库中进行匹配搜索找到与音符序列相匹配的多媒体资源身份信息，并根据所述多媒体资源身份信息从互联网下载对应的多媒体资源并存储到本地。

2.根据权利要求1所述的具有语音控制和哼唱检索功能的多媒体播放方法，其特征在于，所述步骤1）中进行预处理的详细步骤如下：

1.1）对采集得到的语音数据进行分帧；

1.2）对每一帧语音信号进行加汉明窗处理；

1.3）根据式（1）计算每一帧语音信号的短时能量；

En=Σm=0255xn2(m)---(1)]]>

式（1）中，E_n为第n帧的语音信号的短时能量，x_n(m)为第n帧中第m个采样点的语音信号；

1.4）根据式（2）计算每一帧语音信号的过零率；

Zn=12Σm=0255|sgn[xn(m)]-sgn[xn(m-1)]|---(2)]]>

式（2）中，Z_n为第n帧的语音信号的过零率，sgn[]为符号函数，sgn[]满足式（3）所示的关系，x_n(m)为第n帧中第m个采样点的语音信号，x_n(m-1)为第n帧中第m-1个采样点的语音信号，|·|为取绝对值运算符；

sgn[x]=1,(x≥0)-1,(x>0)---(3)]]>

式（3）中，x为语音采样点值的大小；

1.5）判断当前帧语音信号往前连续三帧语音信号的短时能量和过零率是否满足式（4）和式（5），如果满足式（4），则判定当前帧语音信号为开始帧；如果满足式（5），则判定当前帧语音信号为结束帧；

En≥∂Emax]]>且Zn≥∂Zmax]]>        （4）

En≤∂Emin]]>且Zn≤∂Zmin]]>      （5）

式（4）中，为预设的短时能量判决门限上限值，为预设的短时能量判决门限下限值；式（5）中，为预设的过零率判决门限上限值，为预设的过零率判决门限下限值；

1.6）根据开始帧和结束帧提取有效语音信号，对有效语音信号进行语音增强。