專利名稱：用于在語(yǔ)音信號(hào)處理中檢測(cè)語(yǔ)音片段的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及語(yǔ)音信號(hào)處理，尤其涉及用于檢測(cè)語(yǔ)音片段的方法和裝置。
背景技術(shù)：
在涉及了包括語(yǔ)音分析、合成、語(yǔ)音識(shí)別、語(yǔ)音譯碼、語(yǔ)音編碼等的語(yǔ)音信號(hào)處理的技術(shù)領(lǐng)域中精確檢測(cè)語(yǔ)音信號(hào)的語(yǔ)音片段是非常重要的。
但是在用來檢測(cè)語(yǔ)音片段的典型檢測(cè)器的情況下，所述設(shè)備的結(jié)構(gòu)復(fù)雜、計(jì)算量大，并且不能執(zhí)行實(shí)時(shí)處理。
換句話說，例如，典型的語(yǔ)音片段檢測(cè)方法包括能量和零交叉速率檢測(cè)方法、通過獲取由名稱標(biāo)識(shí)的片段的逆譜系數(shù)以及當(dāng)前片段的逆譜距離來確定語(yǔ)音信號(hào)存在的方法、通過測(cè)量話音和噪聲信號(hào)間的相干性來確定語(yǔ)音信號(hào)存在的方法等等。
這些典型的語(yǔ)音信號(hào)檢測(cè)方法都是有問題的，例如，檢測(cè)語(yǔ)音片段的性能在實(shí)際應(yīng)用中并不突出、所述設(shè)備的結(jié)構(gòu)復(fù)雜、如果SNR(信噪比)較低則很難應(yīng)用所述方法以及如果通過外部環(huán)境突然改變檢測(cè)到背景噪聲則很難檢測(cè)到語(yǔ)音片段。
因此，在應(yīng)用諸如通信系統(tǒng)、移動(dòng)通信系統(tǒng)、語(yǔ)音識(shí)別系統(tǒng)之類的語(yǔ)音信號(hào)處理的技術(shù)領(lǐng)域中，需要一種用于語(yǔ)音片段檢測(cè)的方法，使得就算是在背景噪聲突然改變、用于語(yǔ)音片段檢測(cè)的計(jì)算量較小并且期望進(jìn)行實(shí)時(shí)處理的情況下，話音片段檢測(cè)的性能也能十分突出。

發(fā)明內(nèi)容
因此，本發(fā)明的目標(biāo)在于提供一種用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的方法和裝置，其中所述設(shè)備即使在嘈雜環(huán)境中也能精確檢測(cè)語(yǔ)音片段、對(duì)于語(yǔ)音片段檢測(cè)所需要的計(jì)算量較小，并且具有實(shí)時(shí)處理的能力。
為了完成上述目標(biāo)，根據(jù)本發(fā)明提供了用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的裝置，所述裝置包括用于接收輸入信號(hào)的輸入部分；用于控制語(yǔ)音片段檢測(cè)全部操作的信號(hào)處理部分；用于在信號(hào)處理部分的控制下根據(jù)噪聲的頻率特性將輸入信號(hào)的臨界頻帶分成預(yù)定數(shù)目區(qū)域的臨界頻帶劃分部分；用于在信號(hào)處理部分的控制下通過劃分的區(qū)域計(jì)算自適應(yīng)信號(hào)閾值的信號(hào)閾值計(jì)算部分；用于在信號(hào)處理部分的控制下通過劃分的區(qū)域計(jì)算自適應(yīng)噪聲閾值的噪聲閾值計(jì)算部分；以及用于根據(jù)輸入信號(hào)每一區(qū)域的對(duì)數(shù)能量鑒別當(dāng)前幀(frame)是噪聲片段還是語(yǔ)音片段的片段鑒別部分。
為了完成上述目標(biāo)，根據(jù)本發(fā)明提供了用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的裝置，所述裝置包括用于接收指示語(yǔ)音片段檢測(cè)的用戶控制命令的用戶界面部分；用于根據(jù)所述用戶控制命令接收輸入信號(hào)的輸入部分；以及處理器，它用于依據(jù)臨界頻帶的幀使輸入信號(hào)格式化、根據(jù)噪聲的頻率特性將每個(gè)幀的臨界頻帶劃分成預(yù)定數(shù)目的區(qū)域、按區(qū)域自適應(yīng)地計(jì)算信號(hào)閾值以及噪聲閾值、自適應(yīng)地比較每一區(qū)域?qū)?shù)能量與每一區(qū)域信號(hào)閾值和噪聲閾值，并且根據(jù)比較的結(jié)果鑒別每一幀的語(yǔ)音片段是語(yǔ)音片段還是噪聲片段。
為了完成上述目標(biāo)，根據(jù)本發(fā)明提供了用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的方法，所述方法包括如下步驟根據(jù)噪聲的頻率特性將輸入信號(hào)的臨界頻帶劃分成預(yù)定數(shù)目的區(qū)域；比較按區(qū)域不同地設(shè)置的自適應(yīng)閾值以及按區(qū)域計(jì)算的對(duì)數(shù)能量，并且確定輸入信號(hào)是否是語(yǔ)音片段。
用于檢測(cè)語(yǔ)音片段的方法還包括通過使用按區(qū)域并且根據(jù)確定結(jié)果算出的對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差對(duì)自適應(yīng)閾值進(jìn)行更新的步驟。
自適應(yīng)閾值包括自適應(yīng)信號(hào)閾值和自適應(yīng)噪聲閾值。
為了完成上述目標(biāo)，根據(jù)本發(fā)明提供了用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的方法，所述方法包括如下步驟按臨界頻帶的幀使所述輸入信號(hào)格式化；根據(jù)噪聲的頻率特性將當(dāng)前幀劃分成預(yù)定數(shù)目的區(qū)域；比較按當(dāng)前幀區(qū)域的信號(hào)閾值和噪聲閾值和按區(qū)域算出的對(duì)數(shù)能量；確定當(dāng)前幀是否是語(yǔ)音片段；并且通過使用每個(gè)區(qū)域的對(duì)數(shù)能量選擇性地更新所述信號(hào)閾值和噪聲閾值。


為了進(jìn)一步理解本發(fā)明，作為說明書一部分的附圖示出了本發(fā)明的實(shí)施例并且連同說明一起解釋了本發(fā)明的原理。
在附圖中圖1是根據(jù)本發(fā)明示出了用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的典型方法的配置實(shí)例的視圖；圖2是根據(jù)本發(fā)明示出了根據(jù)噪聲的頻率特性用于確定臨界頻帶的劃分區(qū)域數(shù)目的典型方法的視圖；圖3是根據(jù)本發(fā)明示出了用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的典型方法實(shí)例的視圖；圖4是根據(jù)本發(fā)明示出了用于語(yǔ)音片段檢測(cè)的典型幀結(jié)構(gòu)的視圖。
具體實(shí)施例方式
通常情況下，人類的聽力的頻率范圍大約是從20Hz到20,000Hz，并且此范圍被稱為臨界頻帶。該臨界頻帶可根據(jù)諸如熟練程度和物理殘障情況擴(kuò)展或縮減。上述臨界頻帶是考慮了人類聽覺特征的頻帶。
在本發(fā)明中，為了使用人類聽覺特征，通過考慮各種噪聲的頻率特性，將臨界頻帶劃分成特定數(shù)目的區(qū)域，為每一區(qū)域自適應(yīng)地算出信號(hào)閾值和噪聲閾值，并且通過比較每一區(qū)域的對(duì)數(shù)能量與每一區(qū)域的信號(hào)閾值和噪聲閾值來鑒別每一幀是語(yǔ)音片段還是噪聲片段。
圖1是根據(jù)本發(fā)明示出了用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的典型方法的配置實(shí)例的視圖。
根據(jù)本發(fā)明的用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的裝置可以包括用于輸入語(yǔ)音信號(hào)的輸入部分100；用于控制語(yǔ)音片段檢測(cè)全部操作的信號(hào)處理部分110；用于在信號(hào)處理部分110的控制下根據(jù)噪聲的頻率特性將輸入信號(hào)的臨界頻帶劃分成預(yù)定數(shù)目區(qū)域的臨界頻帶劃分部分130；用于在信號(hào)處理部分110的控制下按劃分的區(qū)域計(jì)算自適應(yīng)信號(hào)閾值的信號(hào)閾值計(jì)算部分170；用于在信號(hào)處理部分110的控制下按劃分的區(qū)域計(jì)算自適應(yīng)噪聲閾值的噪聲閾值計(jì)算部分160；以及用于根據(jù)輸入信號(hào)每一區(qū)域的對(duì)數(shù)能量鑒別當(dāng)前幀是噪聲片段還是語(yǔ)音片段的片段鑒別部分150。
所述語(yǔ)音信號(hào)可包括噪聲成分。
用于檢測(cè)語(yǔ)音片段的裝置還包括用于輸入指示語(yǔ)音片段檢測(cè)的控制信號(hào)的用戶界面部分180；用于輸出檢測(cè)到語(yǔ)音片段的輸出部分140；以及用于存儲(chǔ)語(yǔ)音片段檢測(cè)操作所需程序和數(shù)據(jù)的存儲(chǔ)器部分120。
所述用戶界面180可包括鍵盤和其他類型的輸入工具。
將在以下描述根據(jù)本發(fā)明配置的用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的裝置的操作。
在這里的語(yǔ)音信號(hào)處理設(shè)備可包括提供了語(yǔ)音片段檢測(cè)功能的各種設(shè)備，諸如具有語(yǔ)音識(shí)別功能的移動(dòng)終端和語(yǔ)音識(shí)別設(shè)備等等。
在本發(fā)明中，根據(jù)各種類型噪聲的頻率特性將臨界頻帶劃分成特定數(shù)目的區(qū)域、比較按區(qū)域算出的對(duì)數(shù)能量與按區(qū)域設(shè)置的信號(hào)閾值和噪聲閾值，并且根據(jù)比較的結(jié)果檢測(cè)語(yǔ)音片段。
例如，如果用戶位于車輛環(huán)境中，則因?yàn)樵肼暥鄶?shù)分布在低頻帶，所以根據(jù)本發(fā)明以1-2KHz的邊界將臨界頻帶劃分成兩個(gè)區(qū)域。如果用戶正在步行，那么就根據(jù)本發(fā)明將臨界頻帶劃分成三至四個(gè)區(qū)域。由此在本發(fā)明中，對(duì)臨界頻帶劃分的區(qū)域數(shù)目可以根據(jù)噪聲的頻率特性變化。因此本發(fā)明可以根據(jù)背景噪聲的頻率特性進(jìn)一步改善語(yǔ)音片段檢測(cè)性能。
圖2是根據(jù)本發(fā)明示出了根據(jù)噪聲的頻率特性用于確定臨界頻帶的劃分區(qū)域數(shù)目的典型方法的視圖。
在期望檢測(cè)語(yǔ)音片段的情況下(S11)，所述語(yǔ)音信號(hào)處理設(shè)備檢查用戶是否為了根據(jù)噪聲的頻率特性設(shè)置劃分區(qū)域的數(shù)目而請(qǐng)求設(shè)置噪聲環(huán)境的類型。當(dāng)用戶請(qǐng)求設(shè)置噪聲環(huán)境的類型時(shí)(S13)，所述語(yǔ)音信號(hào)處理設(shè)備就輸出噪聲環(huán)境的類型(S15)。所述噪聲環(huán)境的類型可包括車輛環(huán)境、步行環(huán)境等等。
例如，當(dāng)用戶在車內(nèi)時(shí)，用戶可在語(yǔ)音信號(hào)處理設(shè)備提供的各選項(xiàng)中選擇車輛環(huán)境。當(dāng)用戶選擇了噪聲環(huán)境時(shí)(S17)，語(yǔ)音信號(hào)處理設(shè)備就對(duì)應(yīng)于所選的噪聲環(huán)境設(shè)置區(qū)域的數(shù)目(S19)。
一旦設(shè)置了劃分區(qū)域的數(shù)目，語(yǔ)音信號(hào)處理設(shè)備就根據(jù)上述用于語(yǔ)音片段檢測(cè)的劃分區(qū)域設(shè)置數(shù)目對(duì)臨界頻帶作出劃分。
圖3是根據(jù)本發(fā)明示出了用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的典型方法實(shí)例的視圖。圖4是根據(jù)本發(fā)明示出了用于語(yǔ)音片段檢測(cè)的典型幀結(jié)構(gòu)的視圖。
當(dāng)施加工作電源時(shí)，語(yǔ)音信號(hào)處理設(shè)備通過載入來自存儲(chǔ)器部分120的操作程序、應(yīng)用程序和數(shù)據(jù)而進(jìn)入就緒狀態(tài)。
在需要檢測(cè)語(yǔ)音片段的情況中(S21)，語(yǔ)音信號(hào)處理設(shè)備的臨界頻帶劃分部分130就如圖4所示按幀對(duì)輸入信號(hào)進(jìn)行格式化(S23)。每一幀都具有臨界頻帶的頻率信號(hào)。
臨界頻帶劃分部分130將每一幀細(xì)分為特定數(shù)目的區(qū)域(S25)。這時(shí)可根據(jù)圖2中設(shè)置的劃分區(qū)域的數(shù)目劃分每一幀，即臨界頻帶。在此將結(jié)合把一幀劃分成三個(gè)區(qū)域的實(shí)例進(jìn)行描述。盡管如此，可以容易理解的是本發(fā)明也可應(yīng)用于把每一幀劃分為其他數(shù)目區(qū)域的情況。
首先，語(yǔ)音信號(hào)處理設(shè)備的信號(hào)閾值計(jì)算部分170和噪聲閾值計(jì)算部分160考慮在輸入信號(hào)的第一特定數(shù)目幀期間不包含語(yǔ)音信號(hào)的無聲片段，并且對(duì)于考慮為無聲片段的幀的第一特定數(shù)目而計(jì)算的每一區(qū)域，計(jì)算對(duì)數(shù)能量的初始平均值和初始標(biāo)準(zhǔn)差(S27)。如數(shù)學(xué)表達(dá)式1所示，信號(hào)閾值計(jì)算部分170通過使用對(duì)幀的特定數(shù)目算出的每一區(qū)域的對(duì)數(shù)能量的初始平均值和初始標(biāo)準(zhǔn)差，計(jì)算在無聲片段之后輸入的幀的每一區(qū)域的初始語(yǔ)音閾值。如數(shù)學(xué)表達(dá)式2所示，噪聲閾值計(jì)算部分160通過使用對(duì)幀的特定數(shù)目算出的每一區(qū)域的對(duì)數(shù)能量的初始平均值和初始標(biāo)準(zhǔn)差，計(jì)算在無聲片段之后輸入的幀的每一區(qū)域的初始噪聲閾值(S29)。
(數(shù)學(xué)表達(dá)式1)Ts1＝μn1+αs1*δn1Ts2＝μn2+αs2*δn2Tsk＝μnk+αsk*δnk其中μ是平均值，δ是標(biāo)準(zhǔn)差的值，α是滯后值，而k是幀劃分區(qū)域的數(shù)目。
(數(shù)學(xué)表達(dá)式2)Tn1＝μn1+βn1*δn1Tn2＝μn2+βn2*δn2Tnk＝μnk+βnk*δnk其中μ是平均值，δ是標(biāo)準(zhǔn)差的值，β是滯后值，而k是幀劃分區(qū)域的數(shù)目。
滯后值α和β由實(shí)驗(yàn)確定，并且存儲(chǔ)在存儲(chǔ)器部分120內(nèi)。在本發(fā)明實(shí)例中，k等于3。
在移動(dòng)終端等開機(jī)之后，存在至少持續(xù)100ms的無聲持續(xù)時(shí)間的趨勢(shì)，隨后就有語(yǔ)音輸入。如果在語(yǔ)音信號(hào)處理內(nèi)使用的幀是20ms，那么100ms的幀將被劃分為四至五個(gè)幀片段。因此，用于計(jì)算初始平均值和初始標(biāo)準(zhǔn)差的幀的第一特定數(shù)目可以是，例如，4或5。
例如，如果考慮為無聲片段的幀的數(shù)目是4，那么臨界頻帶劃分部分130把在四個(gè)幀(即第一至第四個(gè)幀)之后輸入的每個(gè)幀細(xì)分為三個(gè)區(qū)域。
其后，片段鑒別部分150按區(qū)域?yàn)槊恳粠?jì)算對(duì)數(shù)能量。在第五次幀輸入的情況下(第五幀)，片段鑒別部分150為第五幀的第一區(qū)域計(jì)算對(duì)數(shù)能量E1、為第五幀的第二區(qū)域計(jì)算對(duì)數(shù)能量E2，并且為第五幀的第三區(qū)域計(jì)算對(duì)數(shù)能量E3。
圖4是根據(jù)本發(fā)明示出了用于語(yǔ)音片段檢測(cè)的幀結(jié)構(gòu)的視圖。
片段鑒別部分150通過使用數(shù)學(xué)表達(dá)式3鑒別每一幀是語(yǔ)音片段還是噪聲片段。
(數(shù)學(xué)表達(dá)式3)IF(E1＞Ts1OR E2＞Ts2OR E3＞Ts3)VOICE_ACTIVITY＝語(yǔ)音片段ELSE IF(E1＜Tn1OR E2＜Tn2OR E3＜Tn3)VOICE_ACTIVITY＝噪聲片段ELSE VOICE_ACTIVITY＝VOICE_ACTIVITY之前，其中E是對(duì)數(shù)能量，Ts是信號(hào)閾值，而Tn是噪聲閾值。
換句話說，片段鑒別部分150比較第五幀的每一區(qū)域的對(duì)數(shù)能量與其每一區(qū)域中的信號(hào)閾值Ts1和噪聲閾值Tn1。如果至少存在一個(gè)對(duì)數(shù)能量大于信號(hào)閾值的區(qū)域，那么片段鑒別部分150就確定第五幀是語(yǔ)音片段，并將其設(shè)置為語(yǔ)音片段。如果沒有對(duì)數(shù)能量大于語(yǔ)音閾值的區(qū)域，但是存在一個(gè)或多個(gè)對(duì)數(shù)能量小于噪聲閾值的區(qū)域，那么片段鑒別部分150就確定第五幀是噪聲片段，并將其設(shè)置為噪聲片段(S31)。
由此，當(dāng)完成對(duì)當(dāng)前幀(第五幀)是噪聲片段還是語(yǔ)音片段的鑒別時(shí)，信號(hào)處理部分110就可通過輸出部分140輸出當(dāng)前幀(S33)。
其后，如果當(dāng)前幀不是最后的幀(S35)，那么信號(hào)處理部分110控制信號(hào)閾值計(jì)算部分170或噪聲閾值計(jì)算部分160從而可以更新信號(hào)閾值或噪聲閾值。
換句話說，在把當(dāng)前幀鑒別為語(yǔ)音片段的情況中(S37)，信號(hào)閾值計(jì)算部分170在信號(hào)處理部分110的控制下使用如數(shù)學(xué)表達(dá)式4示出的方法重新計(jì)算每一區(qū)域的語(yǔ)音對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差，并且使算出的語(yǔ)音對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差適用于數(shù)學(xué)表達(dá)式1，從而為每一區(qū)域更新信號(hào)閾值(S39)。這時(shí)不更新噪聲閾值。
(數(shù)學(xué)表達(dá)式4)μs1(t)＝γ*μs1(t-1)+(1-γ)*E1[E12]mean(t)＝γ*[E12]mean(t-1)+(1-γ)*E12δs1(t)＝root([E12]mean(t)-[μs1(t)]2)μs2(t)＝γ*μs2(t-1)+(1-γ)*E2[E22]mean(t)＝γ*[E22]mean(t-1)+(1-γ)*E22δs2(t)＝root([E22]mean(t)-[μs2(t)]2)μs3(t)＝γ*μs3(t-1)+(1-γ)*E3[E32]mean(t)＝γ*[E32]mean(t-1)+(1-γ)*E32δs3(t)＝root([E32]mean(t)-[μs3(t)]2)其中μ是語(yǔ)音對(duì)數(shù)能量的平均值，δ是標(biāo)準(zhǔn)差的值，t是幀時(shí)間的值，γ是作為實(shí)驗(yàn)值的權(quán)值，而E1、E2和E3是相應(yīng)區(qū)域內(nèi)的語(yǔ)音對(duì)數(shù)能量值。
在鑒別當(dāng)前幀作為噪聲片段的情況中(S41)，信號(hào)閾值計(jì)算部分170在信號(hào)處理部分110的控制下通過如數(shù)學(xué)表達(dá)式5所示的方法，為每一區(qū)域重新計(jì)算噪聲對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差，并且使算出的噪聲對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差適用于數(shù)學(xué)表達(dá)式2，從而為每一區(qū)域更新了信號(hào)閾值(S43)。
(數(shù)學(xué)表達(dá)式5)
μn2(t)＝γ*μn2(t-1)+(1-γ)*E2[E22]mean(t)＝γ*[E22]mean(t-1)+(1-γ)*E22δn2(t)＝root([E22]mean(t)-[μn2(t)]2)μn3(t)＝γ*μn3(t-1)+(1-γ)*E3[E32]mean(t)＝γ*[E32]mean(t-1)+(1-γ)*E32δn3(t)＝root([E32]mean(t)-[μn3(t)]2)其中μ是噪聲對(duì)數(shù)能量的平均值，δ是標(biāo)準(zhǔn)差的值，t是幀時(shí)間的值，γ是作為實(shí)驗(yàn)值的權(quán)值，而E1、E2和E3是相應(yīng)區(qū)域內(nèi)噪聲對(duì)數(shù)能量值。
在數(shù)學(xué)表達(dá)式4和數(shù)學(xué)表達(dá)式5中，γ可以具有諸如0.95的值，并且存儲(chǔ)在存儲(chǔ)器部分120內(nèi)。在數(shù)學(xué)表達(dá)式4和數(shù)學(xué)表達(dá)式5中，使用遞歸的方法計(jì)算每一區(qū)域?qū)?shù)能量的平均值從而能夠算出自適應(yīng)于輸入信號(hào)的相應(yīng)閾值，并且通過遞歸方法對(duì)平均值的計(jì)算也有利于語(yǔ)音片段處理器的實(shí)時(shí)處理。
盡管如此，在步驟S31中，參見相應(yīng)幀每一區(qū)域的對(duì)數(shù)能量與每一區(qū)域信號(hào)閾值Ts1和噪聲閾值Ts1間的比較結(jié)果，如果不存在對(duì)數(shù)能量大于信號(hào)閾值的區(qū)域，并且也不存在對(duì)數(shù)能量小于噪聲閾值的區(qū)域，那么片段鑒別部分150就把前一幀鑒別出的片段應(yīng)用于相應(yīng)的幀(S45)。
換句話說，如果前一幀是語(yǔ)音片段，那么片段鑒別部分150就確定相應(yīng)幀(當(dāng)前幀)是語(yǔ)音片段，如果前一幀是噪聲片段，那么片段鑒別部分150就確定相應(yīng)幀是噪聲片段。
一旦鑒別出相應(yīng)幀(當(dāng)前幀)的片段類型，信號(hào)處理部分110就行進(jìn)到步驟S35。
如上所述，本發(fā)明通過為檢測(cè)來自噪聲環(huán)境內(nèi)輸入信號(hào)輸入的語(yǔ)音片段而使用的快速實(shí)時(shí)處理，僅使用較小計(jì)算(操作)量就能夠精確檢測(cè)語(yǔ)音片段。
同時(shí)，下面將要描述根據(jù)本發(fā)明用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的典型裝置的另一個(gè)配置實(shí)例。
根據(jù)本發(fā)明用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的裝置包括用于接收指示語(yǔ)音片段檢測(cè)的用戶控制命令的用戶界面部分；用于根據(jù)所述用戶控制命令接收輸入信號(hào)的輸入部分；以及處理器，它用于依據(jù)臨界頻帶的幀使輸入信號(hào)格式化、根據(jù)噪聲的頻率特性將每個(gè)幀的臨界頻帶劃分成預(yù)定數(shù)目的區(qū)域、自適應(yīng)地按區(qū)域計(jì)算信號(hào)閾值以及噪聲閾值、自適應(yīng)地比較每一區(qū)域?qū)?shù)能量與每一區(qū)域信號(hào)閾值和噪聲閾值，并且根據(jù)比較的結(jié)果鑒別每一幀的語(yǔ)音片段是語(yǔ)音片段還是噪聲片段。
用于檢測(cè)語(yǔ)音片段的所述裝置還包括用于輸出已檢測(cè)語(yǔ)音片段的輸出部分；以及用于存儲(chǔ)語(yǔ)音片段檢測(cè)操作要求的程序和數(shù)據(jù)的存儲(chǔ)器部分。
能夠按參考圖2和圖3解釋的操作相同的(等效的或相似的)方法來執(zhí)行根據(jù)本發(fā)明配置的用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的裝置的操作。
如上所述，本發(fā)明可以僅使用較小的操作量而實(shí)時(shí)檢測(cè)從噪聲環(huán)境內(nèi)輸入信號(hào)輸入的語(yǔ)音片段。
本發(fā)明甚至可以在噪聲環(huán)境中精確檢測(cè)語(yǔ)音片段，因?yàn)樗鶕?jù)噪聲的頻率特性將臨界頻帶細(xì)分為預(yù)定數(shù)目的區(qū)域，并且檢測(cè)每一區(qū)域的語(yǔ)音片段。
本發(fā)明還可以通過根據(jù)噪聲環(huán)境區(qū)分臨界頻帶的多個(gè)劃分區(qū)域而根據(jù)噪聲的頻率特性更精確地檢測(cè)語(yǔ)音片段。
上述實(shí)施例和優(yōu)點(diǎn)僅是示意性的，并且不應(yīng)被解釋為對(duì)本發(fā)明的限制?，F(xiàn)有的教程也可方便地應(yīng)用于其他類型的裝置。本發(fā)明的描述旨在說明，并非限制權(quán)利要求的范圍。更多的可選、修改和變化對(duì)本領(lǐng)域普通技術(shù)人員來說都是顯而易見的。在權(quán)利要求中，方法加功能的條款旨在覆蓋在此描述的執(zhí)行所述功能的結(jié)構(gòu)，并且不但覆蓋結(jié)構(gòu)性的等效物，也覆蓋等效的結(jié)構(gòu)。
權(quán)利要求
1.一種用于檢測(cè)語(yǔ)音信號(hào)的語(yǔ)音片段的裝置，所述裝置包括用于接收輸入信號(hào)的輸入部分；用于控制語(yǔ)音片段檢測(cè)的全部操作的信號(hào)處理部分；用于在信號(hào)處理部分的控制下根據(jù)噪聲的頻率特性將所述輸入信號(hào)的臨界頻帶分成特定數(shù)目區(qū)域的臨界頻帶劃分部分；用于在信號(hào)處理部分的控制下通過劃分的區(qū)域計(jì)算自適應(yīng)信號(hào)閾值的信號(hào)閾值計(jì)算部分；用于在信號(hào)處理部分的控制下通過劃分的區(qū)域計(jì)算自適應(yīng)噪聲閾值的噪聲閾值計(jì)算部分；以及用于根據(jù)所述輸入信號(hào)每一區(qū)域的對(duì)數(shù)能量鑒別當(dāng)前幀是噪聲片段還是語(yǔ)音片段的片段鑒別部分。
2.如權(quán)利要求1所述的裝置，其特征在于，還包括用于輸入指示語(yǔ)音片段檢測(cè)的控制信號(hào)的用戶界面部分；用于輸出檢測(cè)到的語(yǔ)音片段的輸出部分；以及用于存儲(chǔ)語(yǔ)音片段檢測(cè)操作所需程序和數(shù)據(jù)的存儲(chǔ)器部分。
3.如權(quán)利要求1所述的裝置，其特征在于，如果噪聲的頻率特性涉及車輛噪聲，那么將所述臨界頻帶劃分成的區(qū)域數(shù)目就是2。
4.如權(quán)利要求1所述的裝置，其特征在于，如果噪聲的頻率特性涉及步行時(shí)產(chǎn)生的外圍噪聲，那么將所述臨界頻帶劃分成的區(qū)域數(shù)目就是3或4。
5.如權(quán)利要求1所述的裝置，其特征在于，所述臨界頻帶劃分部分根據(jù)噪聲環(huán)境的類型將所述臨界頻帶分成不同數(shù)目的區(qū)域。
6.如權(quán)利要求1所述的裝置，其特征在于，所述信號(hào)處理部分檢查如果請(qǐng)求語(yǔ)音片段檢查，用戶請(qǐng)求是否要設(shè)置臨界頻帶劃分成的區(qū)域數(shù)目，并且根據(jù)用戶所選的噪聲環(huán)境類型設(shè)置聲臨界頻帶劃分成的區(qū)域數(shù)目。
7.如權(quán)利要求1所述的裝置，其特征在于，信號(hào)處理部分為了初始階段特定幀輸入數(shù)目而控制按區(qū)域計(jì)算能量對(duì)數(shù)的初始平均值和初始標(biāo)準(zhǔn)差的操作。
8.如權(quán)利要求7所述的裝置，其特征在于，初始階段幀輸入的數(shù)目是4或5。
9.如權(quán)利要求1所述的裝置，其特征在于，當(dāng)由片段鑒別部分鑒別出相應(yīng)幀是語(yǔ)音片段時(shí)，所述信號(hào)閾值計(jì)算部分為該幀的每一部分計(jì)算所述語(yǔ)音對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差，并且通過使用算出的平均值和標(biāo)準(zhǔn)差來更新所述信號(hào)閾值。
10.如權(quán)利要求9所述的裝置，其特征在于，由以下數(shù)學(xué)表達(dá)式按區(qū)域更新信號(hào)閾值Tsk＝μsk+αsk*δsk其中μ是所述幀第k個(gè)區(qū)域的語(yǔ)音對(duì)數(shù)能量的平均值，δ是所述幀第k個(gè)區(qū)域的語(yǔ)音對(duì)數(shù)能量的標(biāo)準(zhǔn)差的值，α是滯后值，Tsk是信號(hào)閾值，而k的最大值是所述幀劃分區(qū)域的數(shù)目。
11.如權(quán)利要求9所述的裝置，其特征在于，由如下數(shù)學(xué)表達(dá)式算出所述平均值和標(biāo)準(zhǔn)差的值μsk(t)＝γ*μsk(t-1)+(1-γ)*Ek[Ek2]mean(t)=γ*[Ek2]mean(t-1)+(1-γ)*Ek2]]>δsk(t)=root([Ek2]mean(t)-[μsk(t)]2)]]>其中μsk(t-1)是前一幀第k個(gè)區(qū)域的語(yǔ)音對(duì)數(shù)能量的平均值，Ek是所述幀(當(dāng)前幀)第k個(gè)區(qū)域的語(yǔ)音對(duì)數(shù)能量，δsk(t)是所述幀第k個(gè)區(qū)域的語(yǔ)音對(duì)數(shù)能量的標(biāo)準(zhǔn)差的值，γ是加權(quán)值，而k的最大值是所述幀劃分區(qū)域的數(shù)目。
12.如權(quán)利要求1所述的裝置，其特征在于，當(dāng)由片段鑒別部分鑒別出相應(yīng)幀是噪聲片段時(shí)，所述信號(hào)閾值計(jì)算部分為該幀的每一部分計(jì)算所述噪聲對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差，并且通過使用算出的平均值和標(biāo)準(zhǔn)差來更新所述信號(hào)閾值。
13.如權(quán)利要求12所述的裝置，其特征在于，由以下數(shù)學(xué)表達(dá)式按區(qū)域算出噪聲閾值Tnk＝μnk+βnk*δnk其中μ是所述幀第k個(gè)區(qū)域的噪聲對(duì)數(shù)能量的平均值，δ是所述幀第k個(gè)區(qū)域的噪聲對(duì)數(shù)能量的標(biāo)準(zhǔn)差的值，βnk是所述幀第k個(gè)區(qū)域的滯后值，Tnk是噪聲閾值，而k的最大值是所述幀劃分區(qū)域的數(shù)目。
14.如權(quán)利要求12所述的裝置，其特征在于，由如下數(shù)學(xué)表達(dá)式算出所述平均值和標(biāo)準(zhǔn)差的值μnk(t)＝γ*μnk(t-1)+(1-γ)*Ek[Ek2]mean(t)=γ*[Ek2]mean(t-1)+(1-γ)*Ek2]]>δnk(t)=root([Ek2]mean(t)-[μnk(t)]2)]]>其中μnk(t-1)是前一幀第k個(gè)區(qū)域的噪聲對(duì)數(shù)能量的平均值，Ek是所述幀(當(dāng)前幀)第k個(gè)區(qū)域的噪聲對(duì)數(shù)能量，δnk(t)是所述幀第k個(gè)區(qū)域的噪聲對(duì)數(shù)能量的標(biāo)準(zhǔn)差的值，γ是加權(quán)值，而k的最大值是所述幀劃分區(qū)域的數(shù)目。
15.如權(quán)利要求1所述的裝置，其特征在于，片段鑒別部分為所述輸入信號(hào)的所述幀的每一區(qū)域計(jì)算對(duì)數(shù)能量，并且如果存在至少一個(gè)具有的對(duì)數(shù)能量大于信號(hào)閾值的區(qū)域，就將該幀鑒別為語(yǔ)音片段。
16.如權(quán)利要求1所述的裝置，其特征在于，片段鑒別部分為述輸入信號(hào)的所述幀的每一區(qū)域計(jì)算對(duì)數(shù)能量，并且如果不存在具有的對(duì)數(shù)能量大于信號(hào)閾值的區(qū)域但是存在至少一個(gè)具有的對(duì)數(shù)能量小于噪聲閾值的區(qū)域，就將該幀鑒別為噪聲片段。
17.如權(quán)利要求1所述的裝置，其特征在于，片段鑒別部分為述輸入信號(hào)的所述幀的每一區(qū)域計(jì)算對(duì)數(shù)能量，并且在不存在具有的對(duì)數(shù)能量大于信號(hào)閾值的區(qū)域并且不存在具有的對(duì)數(shù)能量小于噪聲閾值的區(qū)域的情況下，對(duì)于所述幀應(yīng)用前一幀鑒別出的片段。
18.如權(quán)利要求1所述的裝置，其特征在于，所述片段鑒別部分通過如下表達(dá)式鑒別幀的片段IF(E1＞Ts1OR E2＞Ts2OR Ek＞Tsk)，那么鑒別所述幀為語(yǔ)音片段ELSE IF(E1＜Tn1OR E2＜Tn2OR Ek＜Tnk)，那么鑒別所述幀為噪聲片段ELSE，鑒別所述片段被前一幀所鑒別出的片段其中E是每一區(qū)域的對(duì)數(shù)能量，Ts是用于每一區(qū)域的信號(hào)閾值，Tn是用于每一區(qū)域的噪聲閾值，而k是所述幀劃分區(qū)域的數(shù)目。
19.一種用于檢測(cè)語(yǔ)音信號(hào)的語(yǔ)音片段的裝置，所述裝置包括用于接收指示語(yǔ)音片段檢測(cè)的用戶控制命令的用戶界面部分；用于根據(jù)所述用戶控制命令接收輸入信號(hào)的輸入部分；以及處理器，它用于通過所述臨界頻帶的幀使輸入信號(hào)格式化、根據(jù)噪聲的頻率特性將每個(gè)幀的臨界頻帶劃分成預(yù)定數(shù)目的區(qū)域、自適應(yīng)地按區(qū)域計(jì)算信號(hào)閾值以及噪聲閾值、自適應(yīng)地比較每一區(qū)域的對(duì)數(shù)能量與每一區(qū)域信號(hào)閾值和噪聲閾值，并且根據(jù)比較結(jié)果鑒別每一幀的語(yǔ)音片段是語(yǔ)音片段還是噪聲片段。
20.如權(quán)利要求19所述的裝置，其特征在于，所述處理器檢查在接收到用戶控制命令時(shí)是否需要對(duì)所述幀劃分區(qū)域的數(shù)目進(jìn)行設(shè)置，并且根據(jù)用戶所選的噪聲環(huán)境類型設(shè)置所述臨界頻帶劃分成的區(qū)域數(shù)目。
21.如權(quán)利要求19所述的裝置，其特征在于，所述處理器為了初始階段幀輸入的預(yù)定數(shù)目而計(jì)算用于每一區(qū)域的對(duì)數(shù)能量的初始平均值和初始標(biāo)準(zhǔn)差，并且通過使用所述初始平均值和初始標(biāo)準(zhǔn)差計(jì)算初始信號(hào)閾值和初始噪聲閾值。
22.如權(quán)利要求19所述的裝置，其特征在于，所述處理器通過如下表達(dá)式鑒別當(dāng)前幀是語(yǔ)音片段還是噪聲片段IF(E1＞Ts1OR E2＞Ts2OR Ek＞Tsk)，那么鑒別所述幀為語(yǔ)音片段ELSE IF(E1＜Tn1OR E2＜Tn2OR Ek＜Tnk)，那么鑒別所述幀為噪聲片段ELSE，鑒別所述片段為前一幀所鑒別出的片段其中E是每一區(qū)域的對(duì)數(shù)能量，Ts是用于每一區(qū)域的信號(hào)閾值，Tn是用于每一區(qū)域的噪聲閾值，而k是所述幀劃分區(qū)域的數(shù)目。
23.如權(quán)利要求22所述的裝置，其特征在于，當(dāng)鑒別所述幀為語(yǔ)音片段時(shí)，所述處理器為該幀的每一區(qū)域計(jì)算所述語(yǔ)音對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差，并且通過使用算出的平均值和標(biāo)準(zhǔn)差來更新所述信號(hào)閾值。
24.如權(quán)利要求22所述的裝置，其特征在于，當(dāng)鑒別所述幀為噪聲片段時(shí)，所述處理器為該幀的每一區(qū)域計(jì)算所述噪聲對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差，并且通過使用算出的平均值和標(biāo)準(zhǔn)差來更新所述噪聲閾值。
25.一種檢測(cè)語(yǔ)音信號(hào)的語(yǔ)音片段的方法，所述方法包括根據(jù)噪聲的頻率特性將輸入信號(hào)的臨界頻帶劃分成預(yù)定數(shù)目的區(qū)域；比較按區(qū)域不同地設(shè)置的自適應(yīng)閾值與按區(qū)域計(jì)算的對(duì)數(shù)能量；以及確定輸入信號(hào)是否是語(yǔ)音片段。
26.如權(quán)利要求25所述的方法，其特征在于，還包括通過使用按區(qū)域計(jì)算出的所述對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差以及根據(jù)確定結(jié)果來更新自適應(yīng)閾值的步驟。
27.如權(quán)利要求26所述的方法，其特征在于，所述自適應(yīng)閾值包括自適應(yīng)信號(hào)閾值和自適應(yīng)噪聲閾值。
28.如權(quán)利要求27所述的方法，其特征在于，當(dāng)確定輸入信號(hào)是語(yǔ)音片段時(shí)，處理器通過使用按區(qū)域算出的所述對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差來更新所述自適應(yīng)信號(hào)閾值。
29.如權(quán)利要求28所述的方法，其特征在于，當(dāng)確定輸入信號(hào)是噪聲片段時(shí)，處理器通過使用按區(qū)域算出的所述對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差來更新所述自適應(yīng)噪聲閾值。
30.如權(quán)利要求25所述的方法，其特征在于，還包括如下步驟為了初始階段輸入的幀的預(yù)定數(shù)目而計(jì)算用于每一區(qū)域?qū)?shù)能量的初始平均值和初始標(biāo)準(zhǔn)差；以及通過使用所述初始平均值和初始標(biāo)準(zhǔn)差為每一區(qū)域設(shè)置初始閾值。
31.一種用于檢測(cè)語(yǔ)音信號(hào)的語(yǔ)音片段的方法，所述方法包括按臨界頻帶的幀使所述輸入信號(hào)格式化；根據(jù)噪聲的頻率特性將當(dāng)前幀劃分成預(yù)定數(shù)目的區(qū)域；比較按當(dāng)前幀區(qū)域設(shè)置的信號(hào)閾值和噪聲閾值以及按區(qū)域算出的對(duì)數(shù)能量；確定當(dāng)前幀是否是語(yǔ)音片段；以及通過使用每個(gè)區(qū)域的對(duì)數(shù)能量選擇性地更新所述信號(hào)閾值和噪聲閾值。
32.如權(quán)利要求31所述的方法，其特征在于，所述方法還包括如下步驟通過使用為了在初始階段輸入的幀的預(yù)定數(shù)目按區(qū)域算出的對(duì)數(shù)能量的初始平均值和初始標(biāo)準(zhǔn)差，為每一區(qū)域設(shè)置初始信號(hào)閾值和初始噪聲閾值。
33.如權(quán)利要求32所述的方法，其特征在于，幀的預(yù)定數(shù)目是3或4。
34.如權(quán)利要求31所述的方法，其特征在于，如果噪聲的頻率特性是車輛噪聲的頻率特性，那么所述臨界頻帶的幀劃分成的區(qū)域數(shù)目就是2。
35.如權(quán)利要求31所述的方法，其特征在于，如果噪聲的頻率特性是步行時(shí)產(chǎn)生外圍噪聲的頻率特性，那么所述臨界頻帶的幀劃分成的區(qū)域數(shù)目就是3或4。
36.如權(quán)利要求31所述的方法，其特征在于，根據(jù)用戶輸入的噪聲環(huán)境類型設(shè)置由臨界頻帶的幀劃分成的區(qū)域數(shù)目。
37.如權(quán)利要求31所述的方法，其特征在于，如果存在至少一個(gè)其對(duì)數(shù)能量大于信號(hào)閾值的區(qū)域，那么片段鑒別部分就將所述幀鑒別為語(yǔ)音片段。
38.如權(quán)利要求31所述的方法，其特征在于，如果不存在其對(duì)數(shù)能量大于信號(hào)閾值的區(qū)域但是存在至少一個(gè)其對(duì)數(shù)能量小于噪聲閾值的區(qū)域，那么片段鑒別部分就將所述幀鑒別為噪聲片段。
39.如權(quán)利要求31所述的方法，其特征在于，如果不存在其對(duì)數(shù)能量大于信號(hào)閾值的區(qū)域并且不存在其對(duì)數(shù)能量小于噪聲閾值的區(qū)域，那么片段鑒別部分確定當(dāng)前幀的片段與前一幀的片段相同。
40.如權(quán)利要求31所述的方法，其特征在于，所述片段鑒別部分通過如下表達(dá)式鑒別當(dāng)前幀是語(yǔ)音片段還是噪聲片段IF(E1＞Ts1OR E2＞Ts2OR Ek＞Tsk)，那么鑒別所述幀為語(yǔ)音片段ELSE IF(E1＜Tn1OR E2＜Tn2OR Ek＜Tnk)，那么鑒別所述幀為噪聲片段ELSE鑒別所述片段為前一幀所鑒別出的片段其中E是每一區(qū)域的對(duì)數(shù)能量，Ts是用于每一區(qū)域的信號(hào)閾值，Tn是用于每一區(qū)域的噪聲閾值，而k是所述幀被劃分成的數(shù)目。
41.如權(quán)利要求31所述的方法，其特征在于，當(dāng)確定所述幀是語(yǔ)音片段時(shí)，所述信號(hào)閾值計(jì)算部分為該幀的每一部分計(jì)算所述語(yǔ)音對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差，并且通過使用算出的平均值和標(biāo)準(zhǔn)差來更新所述信號(hào)閾值。
42.如權(quán)利要求41所述的方法，其特征在于，由以下數(shù)學(xué)表達(dá)式算出按區(qū)域更新的信號(hào)閾值Tsk＝μsk+αsk*δsk其中μ是所述幀第k個(gè)區(qū)域的語(yǔ)音對(duì)數(shù)能量的平均值，δ是所述幀第k個(gè)區(qū)域的語(yǔ)音對(duì)數(shù)能量的標(biāo)準(zhǔn)差的值，α是滯后值，Tsk是信號(hào)閾值，而k的最大值是所述幀劃分區(qū)域的數(shù)目。
43.如權(quán)利要求41所述的方法，其特征在于，由如下數(shù)學(xué)表達(dá)式算出所述平均值和標(biāo)準(zhǔn)差的值μsk(t)＝γ*μsk(t-1)+(1-γ)*Ek[Ek2]mean(t)=γ*[Ek2]mean(t-1)+(1-γ)*Ek2]]>δsk(t)=root([Ek2]mean(t)-[μsk(t)]2)]]>其中μsk(t-1)是前一幀第k個(gè)區(qū)域的語(yǔ)音對(duì)數(shù)能量的平均值，Ek是所述幀(當(dāng)前幀)第k個(gè)區(qū)域的語(yǔ)音對(duì)數(shù)能量，δsk(t)是所述幀第k個(gè)區(qū)域的語(yǔ)音對(duì)數(shù)能量的標(biāo)準(zhǔn)差的值，γ是加權(quán)值，而k的最大值是所述幀劃分區(qū)域的數(shù)目。
44.如權(quán)利要求31所述的方法，其特征在于，當(dāng)鑒別所述當(dāng)前幀為噪聲片段時(shí)，所述信號(hào)閾值計(jì)算部分為該幀的每一部分計(jì)算所述噪聲對(duì)數(shù)能量的平均值和標(biāo)準(zhǔn)差，并且通過使用算出的平均值和標(biāo)準(zhǔn)差來更新所述信號(hào)閾值。
45.如權(quán)利要求44所述的方法，其特征在于，由以下數(shù)學(xué)表達(dá)式算出按區(qū)域更新的信號(hào)閾值Tnk＝μnk+βnk*δnk其中μ是所述幀第k個(gè)區(qū)域的噪聲對(duì)數(shù)能量的平均值，δ是所述幀第k個(gè)區(qū)域的噪聲對(duì)數(shù)能量的標(biāo)準(zhǔn)差的值，βnk是所述幀第k個(gè)區(qū)域的滯后值，Tnk是信號(hào)閾值，而k的最大值是所述幀劃分區(qū)域的數(shù)目。
46.如權(quán)利要求45所述的方法，其特征在于，由如下數(shù)學(xué)表達(dá)式算出所述平均值和標(biāo)準(zhǔn)差的值μnk(t)＝γ*μnk(t-1)+(1-γ)*Ek[Ek2]mean(t)=γ*[Ek2]mean(t-1)+(1-γ)*Ek2]]>δnk(t)=root([Ek2]mean(t)-[μnk(t)]2)]]>其中μnk(t-1)是前一幀第k個(gè)區(qū)域的噪聲對(duì)數(shù)能量的平均值，Ek是所述幀(當(dāng)前幀)第k個(gè)區(qū)域的噪聲對(duì)數(shù)能量，δnk(t)是所述幀第k個(gè)區(qū)域的噪聲對(duì)數(shù)能量的標(biāo)準(zhǔn)差的值，γ是加權(quán)值，而k的最大值是所述幀劃分區(qū)域的數(shù)目。
全文摘要
一種用于檢測(cè)語(yǔ)音信號(hào)處理設(shè)備的語(yǔ)音片段的方法和裝置。根據(jù)噪聲的頻率特性將臨界頻帶劃分為特定數(shù)目的區(qū)域，按每一幀的區(qū)域設(shè)置自適應(yīng)信號(hào)閾值和自適應(yīng)噪聲閾值，并且通過比較按每一幀的區(qū)域算出的所述對(duì)數(shù)能量與按區(qū)域設(shè)置的信號(hào)閾值和噪聲閾值來確定每一幀是語(yǔ)音片段還是噪聲片段。這樣，即使在噪聲環(huán)境內(nèi)也可通過使用較小操作量而快速并精確地檢測(cè)語(yǔ)音片段。
文檔編號(hào)G10L11/00GK1805007SQ20051012679
公開日2006年7月19日 申請(qǐng)日期2005年11月21日 優(yōu)先權(quán)日2004年11月20日
發(fā)明者禹敬浩 申請(qǐng)人:Lg電子株式會(huì)社