[发明专利]一种语音端点检测方法、装置及设备

说明书

本发明公开了一种语音端点检测方法，包括对所接收的语音信号进行滤波并分帧，得到一次信号；计算每帧所述一次信号的短时幅值和频谱；根据所述短时幅值构造加权因子，并利用所述加权因子对所述频谱进行谱加权，得到二次信号；计算每帧所述二次信号的功率谱，并计算谱能量总和；根据所述功率谱和所述谱能量总和，计算每帧所述二次信号的短时谱熵值；以若干帧的短时谱熵值的倒数的平均值作为语音端点的检测阈值，进行语音帧和噪声帧的判断。本发明提供的语音端点检测方法能够适用于功率谱分布相对较为集中的噪声类型，并提高语音端点检测的准确性。

技术领域

本发明涉及语音识别技术领域，尤其是涉及一种语音端点检测方法、装置及设备。

背景技术

语音端点检测是一种应用于语音前端处理的技术，其通过端点检测算法把信号中的含噪语音信号提取出来，为后期声源定位、语音增强、语音识别、语音编码等算法和技术提供有效的信息。现有技术中的语音端点检测方法的步骤主要分为两步：语音信号特征提取和检测语音信号。首先通过不同的算法进行语音信号的特征提取，把声音信号和噪声信号进行区分；然后通过不同的检测方法检验提取的语音信号。语音信号的特征提取是语音端点检测技术的核心部分，决定了最终语音端点检测的准确率。

语音端点检测技术在处理域上主要是频域端点检测，其中频域端点检测是一种基于谱熵法的语音端点检测方法，其利用语音信号与噪声信号具备不同谱熵的特点对信号进行区分，然后通过检测功率谱的平坦程度进行语音端点检测，即需要根据谱概率密度函数(Probability Density Function,PDF)计算谱熵。当信号的功率谱分布较为平坦或均匀时，趋向于等概率分布，熵函数取较大值，其倒数取较小值；反之，当信号的功率谱分布较为集中或不均匀，熵函数取较小值，其倒数取较大值。由于语音信号具有共振峰结构，功率谱分布较为集中和不均匀，所以谱熵比较低，其倒数为较大值；噪声信号(白噪声、粉噪声等)的功率谱较为发散，谱熵比较大，其倒数为较小值，从而可将语音信号和噪声信号区分开来。基于谱熵法的端点检测方法具备受声音信号能量影响较少的特点，因此对噪声具有一定的鲁棒性；但是在实际的嘈杂环境下，如餐厅或地铁等充斥着嘈杂人噪声、汽车行驶噪声等环境下，噪声信号与声音信号都具备较为集中的功率谱分布，使基于谱熵法的语音端点检测方法难以准确估计。

发明内容

本发明提供了一种语音端点检测的方法，以解决现有技术中的语音端点检测方法在功率谱分布较为集中的噪声下难以准确估计的技术问题；本发明能够适用于功率谱分布相对较为集中的噪声类型，并提高语音端点检测的准确性。

为了解决上述技术问题，本发明实施例提供了一种语音端点检测方法，包括：

对所接收的语音信号进行滤波并分帧，得到一次信号；

计算每帧所述一次信号的短时幅值和频谱；

根据所述短时幅值构造加权因子，并利用所述加权因子对所述频谱进行谱加权，得到二次信号；具体为：对每帧所述一次信号的短时幅值E(n)进行归一化处理，并构造加权因子e(n)；利用所述加权因子e(n)对每帧所述一次信号的频谱X(n,l)进行谱加权，得到每帧所述二次信号X_g(n,l)；其中，e(n)为加权因子， e(n)＝1-E_g(n)，E_g(n)＝E(n)/max(E(n))；X_g(n,l)＝X(n,l)./|X(n,l)|^e(n)；其中，，所述一次信号为x(n,m)，n＝1,2,3,…,N， m＝1,2,3,…,M，N为帧数，M为帧长；X(n,l)＝fft(x(n,m))，fft为快速傅里叶变换， l为频率；

计算每帧所述二次信号的功率谱，并计算谱能量总和；

根据所述功率谱和所述谱能量总和，计算每帧所述二次信号的短时谱熵值；

以若干帧的短时谱熵值的倒数的平均值作为语音端点的检测阈值，进行语音帧和噪声帧的判断。