[发明专利]一种通过关键字定位话机录音位置的方法和装置

说明书

本发明提供了一种通过关键字定位话机录音位置的方法及装置，所述方法包括：话机保存通话录音；应用程序对保存的录音进行预处理；应用程序利用MFCC算法对预处理后的录音进行特征参数提取，把提取出的特征参数转化为特征向量组并将提特征向量组建立成参考模板；管理员输入查询关键词，应用程序使用DTW算法将关键词与参考模板匹配，识别关键词并将录音跳转至关键词的位置。以此方式，能够快速识别关键词并将录音定位至关键词的位置，节省了大量时间，且DTW算法能够应用于运算速度低、存储资源有限的嵌入式语音指令识别系统，适配度高。

技术领域

本发明的实施例一般涉及VOIP话机领域，尤其涉及一种通过关键字定位话机录音位置方法和装置。

背景技术

电话录音系统用于实时地监控和记录电话通讯信息，包括电话号码、呼叫时间、通话内容等，有着服务质量监督、营销分析，和解决纠纷等重要作用。在录音过程中，智能终端设备可通过内置麦克风对某场景中的音频信息进行采集，以在录音结束后生成对应的录音文件，然后可通过播放该录音文件以再现某场景，比如，可对与某人对话时的内容进行录音、对某授课过程中的授课内容进行录音、对某会议中的会议内容进行录音等，以便于更好的回忆与某人的对话内容、更好的学习授课内容、更好的了解会议内容等。当用户想要查找录音文件中的某特定内容时，比如想要查找与某人对话过程中的某段话等，通常是通过随意调整录音文件的播放进度或根据记忆中该特定内容可能出现的位置来调整录音文件的播放进度，以进行该特定内容的查找定位，在此过程中，可能需要反复调整很多次才能查找并定位到该特定内容，因此，查找定位的效率较低。

如专利：“关键词识别方法及装置(申请号：CN201510993729.8)”：将获取的待识别声音数据划分为多个重叠的声音帧；对划分得到的多个声音帧的声音信号分别进行快速傅立叶变换运算，得到对应的频谱能量；将各个声音帧对应的频谱能量转换为梅尔频率下的频谱能量，并计算对应的MFCC参数；根据各个声音帧对应的MFCC参数，分别计算得到所述待识别声音数据与预设的多个参考模板之间的DTW距离中值、欧氏距离中值和互相关距离中值；当确定所述待识别声音数据与当前参考模板之间的DTW距离中值、欧氏距离中值和互相关距离中值的均值小于预设的阈值时，将当前参考模板中的关键词作为识别结果。该方法对获取到的声音直接进行处理，会降低识别的准确度。

发明内容

为解决以上问题，本发明使用DTW算法，能够快速识别关键词并将录音定位至关键词的位置，节省了大量时间，且DTW算法能够应用于运算速度低、存储资源有限的嵌入式语音指令识别系统，适配度高。

根据本发明的实施例，提供了一种通过关键字定位话机录音位置的方法和装置。

在本发明的第一方面，提供了一种通过关键字定位话机录音位置的方法。该方法包括：

S01：话机保存通话录音；

S02：应用程序对保存的录音进行预处理；

S03：应用程序利用MFCC算法对预处理后的录音进行特征参数提取，把提取出的特征参数转化为特征向量组并将提特征向量组建立成参考模板；

S04：管理员输入查询关键词，应用程序使用DTW算法将关键词与参考模板匹配，识别关键词并将录音跳转至关键词的位置。

进一步地，S02所述的预处理包括：预加重、分帧、加窗及端点检测。

进一步地，所述的分帧采用前后帧交叠的方法，即帧移小于帧长的一半。

进一步地，所述的加窗指的是对分帧的截断处进行平滑处理，加窗的方法包括：矩形窗、海明窗、汉宁窗、三角窗和高斯窗。

进一步地，所述的端点检测的方法包括短时能量门限检测法及短时过零率检测法；

所述短时能量门限检测法的表达式为：其中N为语音信号的帧长，x_n(m)为第n帧的加窗语音信号，E为该帧的短时能量值；