[发明专利]音频信号的端点检测方法、装置、处理系统及计算机设备

说明书

本发明公开了音频信号的端点检测方法、装置、处理系统及计算机设备。该方法包括：基于待检测音频信号的功率谱及预先确定的噪声功率谱，确定待检测音频信号的端点检测判定参数；基于设定长度的检测结果标识数组中记录的各端点检测标记值，确定检测结果标识数组的端点检测标记值之和，根据端点检测判定参数及端点检测标记值之和，确定待检测音频信号的端点检测结果。利用该方法，能够在低信噪比的条件下依旧保持端点检测的高准确率，且噪声环境的变化并不影响本技术方案端点检测的准确度，更好地增强了语音端点检测随噪声环境变化时的鲁棒性。

技术领域

本发明涉及音频信号处理技术领域，尤其涉及音频信号的端点检测方法、装置、处理系统及计算机设备。

背景技术

语音端点检测(Voice Active Detection，VAD)是音频编码、音频识别以及音频增强等音频信号处理中的一个重要环节，它通常作为一种音频信号处理的预处理模块，能够将输入的音频信号划分为语音段和非语音段，后续可对语音段或非语音段进行区别性处理，从而达到音频信号处理的目标效果。

一般地，VAD的性能容易受到环境噪声的影响，在信噪比越低的环境下，语音端点检测也就越不准确。目前工程中常用的VAD算法，如基于短时能量和过零率的“双门限”的VAD算法，其性能会随着信噪比的下降而明显降低，在低信噪比(小于5dB)的环境下会基本上失去应用价值，另外，其针对噪声强度、噪声类型等声学场景的变化缺少鲁棒性，算法参数往往需要根据环境的变化进行训练和调节。

近年来出现的一些新的VAD算法，如基于谱熵的VAD算法，基于小波变换的VAD算法等，在抗噪性能和鲁棒性方面都有所提高，但计算较为复杂，目前工程实际中应用的并不多。目前比较有代表性的VAD算法是由ITU-T的G.729Annex B提出的，该算法利用音频信号的短时平稳性，将待检测的音频信号以“帧”为单位分成若干段(每10～30ms长的数据为一帧，音频信号在该时间段范围内可被认为是平稳信号)，最终返回音频信号帧为语音信号帧或非语音信号帧的检测结果。具体地，G.729Annex B的VAD算法主要分为两步进行：第一步，待检测的一帧音频信号中提取4个特征参数，分别是：线谱频率LSF，过零率ZC，全带宽信号能量E_f，低频带信号能量E_i，然后用这些特征参数和各参数的门限阈值比较，做出初步的VAD判决I_vd；第二步，对初步判决结果进行平滑处理，得到平滑后的判决结果S_vd。平滑后的判决结果可以使语音帧和非语音帧之间的切换更为自然，在一定程度上降低有用语音信息的丢失。G.729Annex B的VAD算法的缺陷在于：它面对噪声环境变化的鲁棒性不足，并且在信噪比较低的环境下，语音端点检测的准确性会明显下降。

发明内容

本发明实施例提供了音频信号的端点检测方法、装置、处理系统及计算机设备，更好地增强了语音端点检测随噪声环境变化时的鲁棒性，从而提高了音频信号中语音信号检测的准确性。

第一方面，本发明实施例提供了一种音频信号的端点检测方法，包括：

基于待检测音频信号的功率谱及预先确定的噪声功率谱，确定所述待检测音频信号的端点检测判定参数；

基于设定长度的检测结果标识数组中记录的各端点检测标记值，确定所述检测结果标识数组的端点检测标记值之和，其中，所述端点检测标记值为语音端点标记值或非语音端点标记值；

根据所述端点检测判定参数及所述端点检测标记值之和，确定所述待检测音频信号的端点检测结果。

第二方面，本发明实施例提供了一种音频信号的端点检测装置，包括：

判定参数确定模块，用于基于待检测音频信号的功率谱及预先确定的噪声功率谱，确定所述待检测音频信号的端点检测判定参数；