[发明专利]一种识别音频中人声的方法及装置

权利要求书

1.一种识别音频中人声的方法，其特征在于，所述方法包括：

对音频数据进行分帧处理；

使用阶数为P的线性预测编码(LPC)分析分帧处理后的每一帧音频数据并提取音频特征，所述音频特征包括短时过零率、P阶LPC预测系数和LPC预测残差幅度谱的偏度和峰度；

根据所述音频特征形成P+3阶特征向量；

使用支持向量机(SVM)算法对所述特征向量进行训练得到相应的支持向量机；

根据所述支持向量机识别所述每一帧音频数据中是否含有人声。

2.根据权利要求1所述的识别音频中人声的方法，其特征在于，所述对音频数据进行分帧处理包括：

检测音频是否为双声道或多声道；

当音频是双声道或多声道时，融合所有声道为一个声道提取音频数据；

将所述音频数据中的音频采样数据序列按照预设帧长进行分帧处理，将所述音频采样数据序列划分为一个音频数据帧序列。

3.根据权利要求1所述的识别音频中人声的方法，其特征在于，所述阶数P为10。

4.根据权利要求1所述的识别音频中人声的方法，其特征在于，所述使用阶数为P的线性预测编码(LPC)分析分帧处理后的每一帧音频数据并提取音频特征包括：

分别对每一帧音频数据提取该帧音频数据的短时过零率，所述短时过零率是在该帧中的音频信号穿过零电平的次数；

分别对每一帧音频数据进行线性预测编码(LPC)分析得到相应的P阶LPC预测系数a和LPC预测残差；

分别对每一帧音频数据对应的所述LPC预测残差进行快速傅里叶变换得到相应的LPC预测残差幅度谱，计算所述LPC预测残差幅度谱的偏度和峰度。

5.根据权利要求4所述的识别音频中人声的方法，其特征在于，所述短时过零率根据以下公式计算：

Zi=12Σn=1N|sgn(Sn)-sgn(Sn-1)|]]>

其中，自然数n是第i帧中的音频采样值的序列号，其最大值为N，S_n是第n个采样值，sgn()为符号函数，音频采样值S_n为正数的符号函数是1，音频采样值S_n为负数和0的符号函数都是-1，即sgn(Sn)=1,Sn>0-1,Sn≤0.]]>