[发明专利]语音处理的清音/浊音判决方法及装置

说明书

根据本发明一实施例，一种语音处理方法包括确定清音/浊音参数，所述清音/浊音参数反应包括多个帧的语音信号的当前帧中的清音/浊音语音特性。确定平滑后的清音/浊音参数包括所述语音信号的所述当前帧之前的帧中的所述清音/浊音参数的信息。计算所述清音/浊音参数和所述平滑后的清音/浊音参数之间的差值。所述方法还包括生成清音/浊音判决点以便通过将所述计算得出的差值用作判决参数确定所述当前帧包括清音语音还是浊音语音。

本发明要求2014年9月3日递交的发明名称为“语音处理的清音/浊音判决(Unvoiced/Voiced Decision for Speech Processing)”的第14/476,547号美国专利申请的在先申请优先权，该在先申请是2013年9月9日递交的发明名称为“语音编码/带宽扩展/语音增强的改进的清音/浊音判决(Improved Unvoiced/Voiced Decision for SpeechCoding/Bandwidth Extension/Speech Enhancement)”的第61/875,198号美国临时专利申请案的连续申请案，这两个在先申请均以引入的方式并入本文本中，如全文再现一般。

技术领域

本发明大体上涉及语音处理领域，尤其涉及用于语音处理的浊音/清音判决方法。

背景技术

语音编码是指一种降低语音文件的比特率的过程。语音编码是一种对包含语音的数字音频信号进行数据压缩的应用。语音编码通过音频信号处理技术使用特定语音参数估计来模拟语音信号，结合通用数据压缩算法以紧凑的比特流表示所得的模拟参数。语音编码的目的是为了通过减少每个样本的比特数来实现节省所需内存存储空间、传输带宽和传输功率的目的，使得已解码(已解压缩)语音在感知上与原始语音难以区分。

然而，语音编码器是有损编码器，即，已解码信号不同于原始信号。因此，语音编码的目标之一是为了使失真(或可感知损失)在给定比特率下最小化，或者使比特率最小化以达到给定的失真。

语音编码与其它形式的音频编码的不同之处在于语音是一种比大多数其它音频信号简单地多的信号，而且关于语音特性的统计信息更多。因此，与音频编码相关的一些听觉信息在语音编码上下文中可以是不必要的。在语音编码中，最重要的原则是用有限的传输数据保证语音的清晰度和“愉悦度”。

语音的清晰度，除了包括实际文字内容，还包括说话者身份、情绪、语调、音色，所有这些对于最佳清晰度都很重要。退化语音的愉悦度是一个较抽象概念，它是不同于清晰度的一个特性，因为退化语音有可能是完全清晰的，但是主观上另听众厌烦。

语音波形的冗余与不同类型的语音信号有关，例如浊音和清音语音信号。浊音，例如‘a’、‘b’，基本上是由于声带的振动而产生的，而且是振荡的。因此，在一个较短时间周期内，通过正弦等周期性信号的叠加可以很好地模拟它们。换言之，浊音语音信号基本上是周期性的。然而，这种周期性在语音片段的持续时间内可能是变化的，而且周期波的形状通常从一个片段到另一片段逐渐地变化。低比特率语音编码可以大大受益于研究这种周期性。浊音语音周期还被称为基音(pitch)，基音预测通常被称为长期预测(LTP)。相比之下，清音，例如‘s’、‘sh’，更像噪声。这是因为清音语音信号更像一种随机噪声，并且具有更小的可预测性。

传统上，所有参数语音编码方法利用语音信号内在的冗余来减少发送的信息量以及在短的间隔内估计信号的语音样本的参数。这种冗余主要是由语音波形以准周期速率重复，以及语音信号的频谱包络变化缓慢造成的。

可以参考若干不同类型的语音信号，例如浊音和清音，考虑语音波形的冗余。尽管浊音语音信号基本上是周期性的，但是这种周期性在语音片段的持续时间内可能是变化的，而且周期性波的形状通常随着片段而逐渐地变化。低比特率语音编码可以大大受益于研究这种周期性。浊音语音周期还被称为基音，基音预测通常被称为长期预测(LTP)。至于清音语音，信号更像一种随机噪声，并且具有更小的可预测性。