[发明专利]一种语音端点检测和唤醒方法及装置

权利要求书

1.一种语音端点检测和唤醒方法，其特征在于，包括：

获取语音端点检测数据和唤醒数据，并对所述语音端点检测数据和唤醒数据进行Fbank特征提取，得到语音Fbank特征数据；

将所述语音Fbank特征数据输入到二值化神经网络模型，得到二值化神经网络输出结果数据，其中，所述二值化神经网络模型中的正则化层仅有移位操作；

根据预先设置的后端评判策略，对所述二值化神经网络输出结果数据进行处理，确定语音端点检测数据的语音起始位置和语音结束位置，并检测唤醒数据中的唤醒词数据。

2.根据权利要求1所述的语音端点检测和唤醒方法，其特征在于，获取语音端点检测数据和唤醒数据，并对所述语音端点检测数据和唤醒数据进行Fbank特征提取，得到语音Fbank特征数据，包括：

根据预先设置的采样频率，在预先设置的采样环境中采集获取语音端点检测数据和唤醒数据；

对所述语音端点检测数据采用26维Fbank特征提取，并加一阶和二阶偏导，得到语音端点检测Fbank特征数据；

对所述唤醒数据采用40维Fbank特征提取，并加一阶和二阶偏导，得到唤醒Fbank特征数据。

3.根据权利要求2所述的语音端点检测和唤醒方法，其特征在于，将所述语音Fbank特征数据输入到二值化神经网络模型，得到二值化神经网络输出结果数据，包括：

将所述语音端点检测Fbank特征数据输入到由2层CNN和1层DNN组成的二值化神经网络模型，从模型最后一层的softmax层得到第一模型输出结果；

将所述唤醒Fbank特征数据输入到由2层CNN和4层DNN组成的二值化神经网络模型，从模型最后一层的softmax层得到第二模型输出结果。

4.根据权利要求3所述的语音端点检测和唤醒方法，其特征在于，根据预先设置的后端评判策略，对所述二值化神经网络输出结果数据进行处理，确定语音端点检测数据的语音起始位置和语音结束位置，包括：

对所述第一模型输出结果进行后验平滑处理得到各帧语音的声母和韵母合后的非静音的概率p_i；

若从一第一目标帧语音开始连续m帧语音的概率p_j均大于预先设置的非静音的阈值，则确定所述第一目标帧语音为语音端点检测数据的语音起始位置；所述m为预先设置的数值；

若从一第二目标帧语音开始连续n帧语音的概率p_j均小于预先设置的静音的阈值，则确定所述第二目标帧语音为语音端点检测数据的语音结束位置；所述n为预先设置的数值。

5.根据权利要求3所述的语音端点检测和唤醒方法，其特征在于，根据预先设置的后端评判策略，对所述二值化神经网络输出结果数据进行处理，检测唤醒数据中的唤醒词数据，包括：

对所述第二模型输出结果进行后验平滑处理得到各帧语音中与唤醒词中各关键字对应的关键字概率；

若从一第一目标帧语音开始连续m帧语音的一目标关键字的关键字概率大于目标关键字的预设阈值，则确定所述第二模型输出结果中包含所述目标关键字；所述m为预先设置的数值。

6.一种语音端点检测和唤醒装置，其特征在于，包括：

特征提取单元，用于获取语音端点检测数据和唤醒数据，并对所述语音端点检测数据和唤醒数据进行Fbank特征提取，得到语音Fbank特征数据；

二值化神经网络处理单元，用于将所述语音Fbank特征数据输入到二值化神经网络模型，得到二值化神经网络输出结果数据，其中，所述二值化神经网络模型中的正则化层仅有移位操作；

语音端点检测和唤醒处理单元，用于根据预先设置的后端评判策略，对所述二值化神经网络输出结果数据进行处理，确定语音端点检测数据的语音起始位置和语音结束位置，并检测唤醒数据中的唤醒词数据。