[发明专利]语音活动检测装置与方法

说明书

本发明公开一种语音活动检测装置与方法，能够依据环境检测结果选择多个语音活动检测结果之一作为是否有语音活动的根据。该语音活动检测装置包括环境检测电路、语音活动检测电路以及语音活动决策电路。该环境检测电路用来处理声音输入信号以产生环境检测结果。该语音活动检测电路用来依据多种语音活动检测算法分析该声音输入信号，以产生多个语音活动检测结果。该语音活动决策电路用来依据该环境检测结果选择该多个语音活动检测结果之一。

技术领域

本发明是关于语音活动检测装置与方法，尤其是关于能够适应性地采用不同语音活动检测算法之一的语音活动检测装置与方法。

背景技术

许多电子装置(例如：移动式装置像是智能型手机(smart phone)、智能手表(smart watch)、智能音箱(smart speaker)等)可藉由语音识别(speech recognition)功能来判断用户说出的指令(commands)，并据以执行对应的操作。为避免漏掉用户说出的指令，电子装置可令语音识别功能保持在持续聆听(always listening)的状态；然而，大部分的时间里，语音识别功能所接收的声音信号并非用户指令，因此，为减少不必要的处理与耗电，电子装置可藉由语音活动检测(voice activity detection,VAD)来判断是否有语音出现，并据以控制语音识别功能的运行。更明确地说，当有语音出现时，电子装置会唤醒(wakeup)语音识别功能以判断是否有用户指令；当没有语音出现时，电子装置可关闭语音识别功能以减少耗电。一般语音唤醒系统(voice wake-up system)的运行流程图如图1所示，包括：

步骤S110：依据输入信号检测语音活动，以及停用语音识别功能。

步骤S120：判断是否有语音活动；若是，至步骤S130；若否，回到步骤S110。

步骤S130：唤醒语音识别功能，并执行语音识别。

步骤S140：判断是否有用户指令；若是，至步骤S150；若否，回到步骤S110。

步骤S150：依据用户指令执行相对应的操作，然后回到步骤S110。

在实际应用时，语音活动检测可能运行在具有许多不同的背景噪声(backgroundnoise)的环境中，这些背景噪声可分为稳态(stationary)噪声与非稳态(non-stationary)噪声。稳态噪声的能量随时间的变化幅度不大，像是风扇声、安静的办公室的声响等，这种噪声对语音活动检测的影响较小；而非稳态噪声的能量随时间的变化幅度大，像是电视声、街道交通工具声、人群讲话声等。许多非稳态噪声的特征(characteristic)与人声的特征相近，会影响语音活动检测的效能(performance)，使检测准确度(accuracy)下降。

语音活动检测的效能可按两种指标值被评估，一种是“将语音误判为噪声”的指标值(简称错失(miss)指标值)，另一种是“将噪声误判为语音”的指标值(简称误触发(falsetrigger)指标值)，这二种指标值之间的关系通常是权衡(trade off)关系。当错失指标值上升时，用户可能要常常重复说出指令，这会造成使用体验变差；当误触发指标值上升时，电子装置会被迫执行不必要的信号处理与数据传输，这会造成耗电量上升。

一般的电子装置采用固定的语音活动检测算法，而固定不变的语音活动检测算法可能在某种背景噪声的环境下的表现较好，但在另一种背景噪声的环境下的表现较差。因此，本领域需要一种能响应于不同环境条件来分别采用不同语音活动检测算法的技术，以在不同环境条件下都达到良好的语音活动检测表现。

发明内容

本公开的目的之一在于提供一种语音活动检测装置与方法，以避免先前技术的问题。