[发明专利]一种融合GMM模型和HMM模型的婴儿哭声检测方法

权利要求书

1.一种融合GMM模型和HMM模型的婴儿哭声检测方法，其特征在于，包括如下步骤：

建立短哭声数据模型C1；

建立中哭声数据模型C2；

建立长哭声数据模型C3：

将上述得到的每种哭声数据模型，分别针对多条婴儿哭声声音进行识别训练测试，通过训练得到其对应的HMM模型；

建立短噪声数据模型N1；

建立中噪声数据模型N2：

建立长噪声数据模型N3：

将上述得到的每种噪声数据模型，分别针对多条婴儿哭声声音进行识别训练测试，通过训练得到其对应的GMM模型。

2.根据权利要求1所述的融合GMM模型和HMM模型的婴儿哭声检测方法，其特征在于，所述的建立短哭声数据模型C1包括如下步骤：

（1）针对剔除静音后的纯哭声，选取有效语音时长为0.5秒~1秒之间的短时长婴儿哭声语音5000条，通过训练得到其对应的GMM模型C1_G；

（2）从上个步骤中的5000条哭声语音中，随机选取整体语音时长为0.5秒~1秒之间的短时长婴儿哭声语音2000条，通过训练得到其对应的HMM模型C1_H。

3.根据权利要求1所述的融合GMM模型和HMM模型的婴儿哭声检测方法，其特征在于，所述的建立中哭声数据模型C2包括如下步骤：

（1）针对剔除静音后的纯哭声，选取有效语音时为1秒~2秒之间的中等时长婴儿哭声语音5000条，通过训练得到其对应的GMM模型C2_G；

（2）从上个步骤中的5000条哭声语音中随机选取整体语音时长为1秒~2秒之间的短时长婴儿哭声语音2000条，通过训练得到其对应的HMM模型C2_H。

4.根据权利要求1所述的融合GMM模型和HMM模型的婴儿哭声检测方法，其特征在于，所述的建立长哭声数据模型C3包括如下步骤：

（1）针对剔除静音后的纯哭声，选取有效语音时长为2秒~3秒之间的短时长婴儿哭声语音5000条，通过训练得到其对应的GMM模型C3_G；

（2）从上个步骤中的5000条哭声语音中随机选取整体语音时长为2秒~3秒之间的短时长婴儿哭声语音2000条，通过训练得到其对应的HMM模型C3_H。

5.根据权利要求1所述的融合GMM模型和HMM模型的婴儿哭声检测方法，其特征在于，所述的建立短噪声数据模型N1包括如下步骤：

（1）依比例混合已有的M类噪声库声音数据；

（2）针对剔除静音后的声音，选取有效语音时长为0.5秒~1秒之间的短时长噪声语音5000条，通过训练得到其对应的GMM模型N1_G；

（3）从上个步骤中的5000条噪声语音中随机选取整体语音时长为0.5秒~1秒之间的短时长噪声语音2000条，通过训练得到其对应的HMM模型N1_H。

6.根据权利要求1所述的融合GMM模型和HMM模型的婴儿哭声检测方法，其特征在于，所述的建立中噪声数据模型N2包括如下步骤：

（1）依比例混合已有的M类噪声库声音数据；

（2）针对剔除静音后的声音，选取有效语音时长为1秒~2秒之间的中等时长噪声语音5000条，通过训练得到其对应的GMM模型N2_G；

（3）从上个步骤中的5000条噪声语音中随机选取整体语音时长为1秒~2秒之间的中等时长噪声语音2000条，通过训练得到其对应的HMM模型N2_H。

7.根据权利要求1所述的融合GMM模型和HMM模型的婴儿哭声检测方法，其特征在于，所述的建立长噪声数据模型N3包括如下步骤：

（1）依比例混合已有的M类噪声库声音数据；

（2）针对剔除静音后的声音，选取有效语音时长为2秒~3秒之间的长噪声语音5000条，通过训练得到其对应的GMM模型N3_G；

（3）从上个步骤中的5000条噪声语音中随机选取整体语音时长为2秒~3秒之间的长噪声语音2000条，通过训练得到其对应的HMM模型N3_H。