本發(fā)明屬于音頻處理技術(shù)領(lǐng)域，尤其涉及voip通訊過(guò)程的音頻處理技術(shù)。

背景技術(shù)：

隨著voip及視頻會(huì)議技術(shù)的不斷發(fā)展創(chuàng)新，voip、視頻會(huì)議已成為公司日常工作溝通和交流的重要手段，因此長(zhǎng)時(shí)間的視頻會(huì)議，語(yǔ)音會(huì)議司空見慣。在會(huì)議間隙不免可能會(huì)有長(zhǎng)時(shí)間的資料整理，錄入，調(diào)試等工作，這段時(shí)間沒有人說(shuō)話，但是由于與會(huì)者離voip終端較近，會(huì)導(dǎo)致對(duì)端聽到鍵盤敲擊聲，紙張翻閱，或者其他的的較大的噪聲，對(duì)對(duì)端造成干擾。為了避免上述尷尬的發(fā)生，本發(fā)明提出一種語(yǔ)音激活檢測(cè)方法，其對(duì)語(yǔ)音通話中特定噪聲檢測(cè)并做相應(yīng)處理，當(dāng)有人重新說(shuō)話時(shí)，則開啟正常通話模式。

現(xiàn)有的語(yǔ)音激活檢測(cè)方法，大多只能區(qū)別比較小的背景噪音與語(yǔ)音，對(duì)于鍵盤敲擊等特定的較大的噪聲，則無(wú)法判別。本發(fā)明提出基于對(duì)語(yǔ)音信號(hào)和特定噪聲分別用gmm（gaussianmixturemodel,高斯混合模型）訓(xùn)練模型并用于檢測(cè)區(qū)別語(yǔ)音信號(hào)與特定噪聲的語(yǔ)音激活檢測(cè)方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于gmm模型的語(yǔ)音激活檢測(cè)方法,為了實(shí)現(xiàn)在voip通話過(guò)程中在無(wú)人說(shuō)話時(shí)對(duì)特定的噪聲信號(hào)進(jìn)行噪聲處理，以減少通話間隙長(zhǎng)時(shí)間無(wú)人說(shuō)話時(shí)，一些噪聲對(duì)對(duì)端與會(huì)者造成干擾。

為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明一種基于gmm模型的語(yǔ)音激活檢測(cè)方法，主要包括以下操作：數(shù)據(jù)訓(xùn)練：建立訓(xùn)練樣本庫(kù)和用em核心算法分別訓(xùn)練語(yǔ)音信號(hào)gmm模型、噪聲信號(hào)gmm模型；數(shù)據(jù)測(cè)試：對(duì)實(shí)時(shí)通話進(jìn)行檢測(cè)，包括：分幀處理、特征提取、概率計(jì)算；數(shù)據(jù)判斷：根據(jù)語(yǔ)音信號(hào)概率及噪聲信號(hào)概率判斷測(cè)試幀信號(hào)為語(yǔ)音信號(hào)還是噪聲信號(hào)。

優(yōu)選的，該數(shù)據(jù)訓(xùn)練進(jìn)一步包括：步驟1-a：收集語(yǔ)音信號(hào)樣本集和噪聲信號(hào)樣本集，對(duì)語(yǔ)音信號(hào)樣本集和噪聲信號(hào)樣本集中的音頻文件分別進(jìn)行分幀，語(yǔ)音幀信號(hào)集記為，噪聲幀信號(hào)集記為；步驟1-b：提取用于gmm訓(xùn)練的特征集，即對(duì)語(yǔ)音幀信號(hào)集提取的語(yǔ)音特征集記為，對(duì)噪聲幀信號(hào)集提取的噪聲特征集記為；步驟1-c：對(duì)語(yǔ)音特征集、噪聲特征集進(jìn)行g(shù)mm訓(xùn)練，分別得到：語(yǔ)音模型gmm參數(shù)集、噪聲模型gmm參數(shù)集。

優(yōu)選的，該數(shù)據(jù)測(cè)試包括：步驟2-a：對(duì)測(cè)試信號(hào)分幀處理；步驟2-b：對(duì)測(cè)試信號(hào)提取用于gmm測(cè)試的特征集，記為測(cè)試特征集；步驟2-c：分別計(jì)算語(yǔ)音信號(hào)概率和噪聲信號(hào)概率。

優(yōu)選的，語(yǔ)音信號(hào)概率是根據(jù)測(cè)試特征集和語(yǔ)音模型gmm參數(shù)集計(jì)算所得；噪聲信號(hào)概率是根據(jù)測(cè)試特征集和噪聲模型gmm參數(shù)集計(jì)算所得。

優(yōu)選的，語(yǔ)音幀信號(hào)集包含10ms長(zhǎng)度的幀語(yǔ)音信號(hào)；噪聲幀信號(hào)集包含10ms長(zhǎng)度的幀噪聲信號(hào)，為語(yǔ)音信號(hào)幀總數(shù)以及噪聲信號(hào)幀總數(shù)。

優(yōu)選的，語(yǔ)音特征集包括所有語(yǔ)音幀信號(hào)提取的特征集集合，是對(duì)中的每一幀語(yǔ)音信號(hào)提取基音頻率特征和時(shí)域特征；噪聲特征集包括所有噪聲幀信號(hào)提取的特征集集合，是對(duì)中的每一幀噪聲信號(hào)提取基音頻率特征和時(shí)域特征。

優(yōu)選的，數(shù)據(jù)訓(xùn)練還包括：提取訓(xùn)練特征操作，記為第幀語(yǔ)音信號(hào)，其為時(shí)域采樣點(diǎn)的集合，記為，其中為10ms一幀信號(hào)包含的時(shí)域采樣點(diǎn)總數(shù)，由基音頻率、過(guò)零率、短時(shí)能量、歸一化自相關(guān)系數(shù)、第一語(yǔ)音線性預(yù)測(cè)系數(shù)這五個(gè)特征組成，即，其中，由現(xiàn)有的基音檢測(cè)技術(shù)，即對(duì)自相關(guān)系數(shù)求峰值得到，為第一個(gè)lpc（線性預(yù)測(cè)編碼）系數(shù)，lpc為現(xiàn)有的較為成熟的語(yǔ)音線性預(yù)測(cè)編碼技術(shù)，其他三個(gè)特征的計(jì)算公式分別如下：，其中為符號(hào)函數(shù)，即；；。

優(yōu)選的，對(duì)整理為gmm模型訓(xùn)練算法的輸入矩陣形式，即，每一行對(duì)應(yīng)每一幀語(yǔ)音信號(hào)的特征集，并對(duì)用gmm訓(xùn)練器訓(xùn)練語(yǔ)音信號(hào)模型參數(shù)；對(duì)整理為gmm模型訓(xùn)練算法的輸入矩陣形式，即，每一行對(duì)應(yīng)每一幀噪聲信號(hào)的特征集，并對(duì)用gmm訓(xùn)練器訓(xùn)練噪聲信號(hào)模型參數(shù)。

優(yōu)選的，數(shù)據(jù)測(cè)試包括：步驟2-a：對(duì)測(cè)試信號(hào)提取基音頻率特征和時(shí)域特征，由基音頻率、過(guò)零率、短時(shí)能量、歸一化自相關(guān)系數(shù)、第一語(yǔ)音線性預(yù)測(cè)系數(shù)這五個(gè)特征組成，記為，；步驟2-b：用多維高斯概率密度計(jì)算公式，根據(jù)及訓(xùn)練部分的，計(jì)算測(cè)試幀信號(hào)為語(yǔ)音信號(hào)的概率，根據(jù)及訓(xùn)練部分的計(jì)算測(cè)試幀信號(hào)為噪聲信號(hào)的概率，其計(jì)算公式如下：，。

優(yōu)選的，數(shù)據(jù)判斷包括：根據(jù)及判別所述測(cè)試幀信號(hào)為語(yǔ)音信號(hào)還是噪聲信號(hào)，若則判別為語(yǔ)音信號(hào)，否則判別為噪聲信號(hào)；對(duì)判別為語(yǔ)音信號(hào)的幀信號(hào)保持正常通話模式，對(duì)判別為噪聲信號(hào)的幀信號(hào)則進(jìn)行相應(yīng)處理。

本發(fā)明提供的方案在會(huì)議通話過(guò)程中，有效監(jiān)測(cè)通話信號(hào)為噪聲信號(hào)還是語(yǔ)音信號(hào),從而對(duì)無(wú)效噪聲信號(hào)進(jìn)行相應(yīng)處理。

本發(fā)明提供的技術(shù)方案對(duì)特定噪聲信號(hào)進(jìn)行采集，提取特征集，并用gmm訓(xùn)練特定噪聲模型參數(shù)集，從而用于對(duì)實(shí)時(shí)信號(hào)計(jì)算其為噪聲信號(hào)的概率，對(duì)特定噪聲信號(hào)的訓(xùn)練，能夠有針對(duì)性的處理目標(biāo)噪聲信號(hào)，如敲擊聲，腳步聲等。

本發(fā)明提供的技術(shù)方案對(duì)語(yǔ)音信號(hào)提取特征集，并用gmm訓(xùn)練語(yǔ)音模型參數(shù)集，用于對(duì)實(shí)時(shí)信號(hào)計(jì)算其為語(yǔ)音信號(hào)的概率，從而保證在無(wú)人說(shuō)話的消噪狀態(tài)到有人說(shuō)話時(shí)恢復(fù)正常通話狀態(tài)的準(zhǔn)確切換。

本發(fā)明先用噪聲信號(hào)及語(yǔ)音信號(hào)預(yù)先訓(xùn)練gmm模型參數(shù)，再對(duì)實(shí)時(shí)通話信號(hào)進(jìn)行檢測(cè)判別其為噪聲信號(hào)還是語(yǔ)音信號(hào)時(shí)對(duì)提取的信號(hào)特征，根據(jù)預(yù)先訓(xùn)練的gmm模型參數(shù)分別計(jì)算其為噪聲的概率還是語(yǔ)音的概率，計(jì)算復(fù)雜度低，保證實(shí)時(shí)性。

附圖說(shuō)明

圖1為本發(fā)明具體實(shí)施例中g(shù)mm模型參數(shù)訓(xùn)練框圖。

圖2為本發(fā)明具體實(shí)施例中測(cè)試幀信號(hào)測(cè)試框圖。

具體實(shí)施方式

發(fā)明的基本原理：本發(fā)明采用gmm對(duì)特定噪聲和語(yǔ)音分別訓(xùn)練模型參數(shù)，用于實(shí)時(shí)檢測(cè)voip通話信號(hào)為特定噪聲信號(hào)還是語(yǔ)音信號(hào),如果為噪聲信號(hào)則做相應(yīng)處理，為語(yǔ)音信號(hào)則為正常通話狀態(tài)。用于gmm訓(xùn)練和檢測(cè)的語(yǔ)音信號(hào)的特征集為語(yǔ)音基音頻率特征與時(shí)域特征的結(jié)合。

為了更清楚地說(shuō)明本發(fā)明實(shí)例的技術(shù)方案，下面將結(jié)合示例圖對(duì)本發(fā)明的具體實(shí)施例進(jìn)行詳細(xì)的介紹，下面的描述僅僅是本發(fā)明的一些實(shí)施例。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些實(shí)施例獲得本發(fā)明的其他實(shí)施方式。

本發(fā)明實(shí)施例提供了一種對(duì)voip終端采集信號(hào)判斷其為噪聲還是語(yǔ)音信號(hào)并做相應(yīng)處理，從而實(shí)現(xiàn)在無(wú)人說(shuō)話時(shí)，針對(duì)性的處理會(huì)議室如敲擊聲，鍵盤聲，腳步聲等噪聲，避免與會(huì)者在對(duì)端無(wú)人說(shuō)話時(shí)，受其噪聲干擾。

本發(fā)明實(shí)施例提供的基于gmm對(duì)特定噪聲訓(xùn)練模型的語(yǔ)音激活檢測(cè)方法分為訓(xùn)練部分和檢測(cè)部分。訓(xùn)練部分對(duì)特定噪聲信號(hào)訓(xùn)練gmm噪聲模型參數(shù)集，對(duì)語(yǔ)音信號(hào)訓(xùn)練gmm語(yǔ)音模型參數(shù)集。

圖1為本發(fā)明具體實(shí)施例中g(shù)mm模型參數(shù)訓(xùn)練框圖。如圖1所示，本發(fā)明的訓(xùn)練部分主要內(nèi)容包括：

步驟s110：收集語(yǔ)音信號(hào)樣本集，應(yīng)盡量包含多種語(yǔ)音，多個(gè)說(shuō)話人，多樣化內(nèi)容；收集噪聲信號(hào)樣本集，應(yīng)包含需要檢測(cè)的會(huì)議室特定噪聲如敲擊聲，文件翻閱聲，腳步聲等。

步驟s120：對(duì)語(yǔ)音信號(hào)樣本集和噪聲信號(hào)樣本集中的音頻文件分別進(jìn)行分幀，每一幀幀長(zhǎng)固定，對(duì)語(yǔ)音幀信號(hào)記為，對(duì)噪聲幀信號(hào)記為。

步驟s130：對(duì)語(yǔ)音幀信號(hào)提取用于gmm訓(xùn)練的特征集，記為，對(duì)噪聲幀信號(hào)提取用于gmm訓(xùn)練的特征集，記為。

其中，和為語(yǔ)音特征的集合，包括基音頻率特征，時(shí)域特征。

步驟s140：對(duì)用gmm訓(xùn)練，得到語(yǔ)音模型gmm參數(shù)集，對(duì)用gmm訓(xùn)練，得到噪聲模型gmm參數(shù)集。

圖2為本發(fā)明具體實(shí)施例中測(cè)試幀信號(hào)測(cè)試框圖。由該圖所示，本發(fā)明的測(cè)試部分主要內(nèi)容包括：

步驟s210：對(duì)測(cè)試信號(hào)分幀處理，該測(cè)試幀信號(hào)記為。

步驟s220：對(duì)提取用于gmm測(cè)試的特征集，記為。

其中，包含的語(yǔ)音特征的集合與訓(xùn)練部分步驟s130中的，包含的特征集合一致，即基音頻率特征，時(shí)域特征。

步驟s230：根據(jù)及訓(xùn)練部分的計(jì)算測(cè)試幀信號(hào)為語(yǔ)音信號(hào)的概率，根據(jù)及訓(xùn)練部分的計(jì)算測(cè)試幀信號(hào)為噪聲信號(hào)的概率。

步驟s240：根據(jù)及判別測(cè)試幀信號(hào)為語(yǔ)音信號(hào)還是噪聲信號(hào)。

步驟s250：根據(jù)步驟s240判決結(jié)果，對(duì)判別為語(yǔ)音信號(hào)的幀信號(hào)保持正常通話模式，對(duì)判別為噪聲信號(hào)的幀信號(hào)則進(jìn)行噪聲處理模式。

此時(shí)，訓(xùn)練過(guò)程具體實(shí)施方案如下所述：

首先是對(duì)于訓(xùn)練部分，主要包括建立訓(xùn)練樣本庫(kù)和用em核心算法分別訓(xùn)練語(yǔ)音信號(hào)gmm模型、噪聲信號(hào)gmm模型。

步驟s310：收集語(yǔ)音信號(hào)樣本庫(kù)。通過(guò)網(wǎng)絡(luò)下載及自己錄制獲得一定數(shù)量的語(yǔ)音信號(hào)音頻文件，將這些文件用音頻編輯軟件進(jìn)行整理，獲得語(yǔ)音樣本集，其中包含的語(yǔ)音文件為，采樣率，大小均相同。收集噪聲音頻文件，建立噪聲信號(hào)樣本集，其中包含的噪聲文件為，主要來(lái)源為網(wǎng)絡(luò)下載的部分噪聲音頻文件以及自己錄制會(huì)議室容易產(chǎn)生的噪聲，如鍵盤敲擊聲，腳步聲，紙張翻閱聲等噪聲音頻文件。其中，為樣本庫(kù)中包含的音頻文件總數(shù)，即語(yǔ)音信號(hào)樣本庫(kù)包含個(gè)文件大小相同，采樣率相同的語(yǔ)音音頻文件，噪聲信號(hào)樣本庫(kù)包含個(gè)與語(yǔ)音信號(hào)樣本庫(kù)中語(yǔ)音文件大小相同，采樣率相同的噪聲音頻文件。

步驟s320：對(duì)語(yǔ)音信號(hào)樣本集中的所有語(yǔ)音文件以10ms時(shí)間長(zhǎng)度為一幀進(jìn)行分幀，得到語(yǔ)音幀信號(hào)集，包含的都是10ms長(zhǎng)度的幀語(yǔ)音信號(hào)。對(duì)噪聲信號(hào)樣本集中的所有噪聲信號(hào)文件以10ms時(shí)間長(zhǎng)度為一幀進(jìn)行分幀，得到噪聲幀信號(hào)集，包含的都是10ms長(zhǎng)度的幀噪聲信號(hào)。其中，為語(yǔ)音信號(hào)幀總數(shù)以及噪聲信號(hào)幀總數(shù)。

步驟s330：對(duì)中的每一幀語(yǔ)音信號(hào)提取基音頻率特征和時(shí)域特征，組成用于gmm訓(xùn)練的語(yǔ)音特征集，記所有語(yǔ)音幀信號(hào)提取的特征集集合為。對(duì)中的每一幀噪聲信號(hào)提取基音頻率特征和時(shí)域特征，組成用于gmm訓(xùn)練的噪聲特征集，記所有噪聲幀信號(hào)提取的特征集集合為。

3-a記為第幀語(yǔ)音信號(hào)，其為時(shí)域采樣點(diǎn)的集合，記為，其中為10ms一幀信號(hào)包含的時(shí)域采樣點(diǎn)總數(shù)。由基音頻率，過(guò)零率，短時(shí)能量，歸一化自相關(guān)系數(shù)，第一語(yǔ)音線性預(yù)測(cè)系數(shù)這五個(gè)特征組成。即，。由現(xiàn)有的基音檢測(cè)技術(shù)，即對(duì)自相關(guān)系數(shù)求峰值得到。為第一個(gè)lpc（線性預(yù)測(cè)編碼）系數(shù)，lpc為現(xiàn)有的較為成熟的語(yǔ)音線性預(yù)測(cè)編碼技術(shù)。其他三個(gè)特征的計(jì)算公式如下：

，其中為符號(hào)函數(shù)，即；

。

3-b對(duì)語(yǔ)音幀信號(hào)中的每一幀信號(hào)，均按照3-a中的步驟提取特征集，從而獲得語(yǔ)音信號(hào)特征集集合。同樣，按照3-a中的各特征計(jì)算方法和公式，對(duì)噪聲信號(hào)中的每一幀信號(hào)，計(jì)算噪聲信號(hào)特征集集合。

步驟s340對(duì)信號(hào)特征集集合用em為核心算法的gmm模型訓(xùn)練，得到語(yǔ)音信號(hào)gmm模型參數(shù)集，對(duì)噪聲特征集集合用em為核心算法的gmm模型訓(xùn)練，得到噪聲信號(hào)gmm模型參數(shù)集：

4-a.對(duì)整理為gmm模型訓(xùn)練算法的輸入矩陣形式，即，即每一行對(duì)應(yīng)每一幀語(yǔ)音信號(hào)的特征集；

4-b.對(duì)用gmm訓(xùn)練器訓(xùn)練語(yǔ)音信號(hào)模型參數(shù)；

4-c.對(duì)整理為gmm模型訓(xùn)練算法的輸入矩陣形式，即

，每一行對(duì)應(yīng)每一幀噪聲信號(hào)的特征集；

4-d.對(duì)用gmm訓(xùn)練器訓(xùn)練噪聲信號(hào)模型參數(shù)。

步驟4-c,4-d中，為高斯混合模型數(shù)。

本發(fā)明的測(cè)試部分主要為：

步驟s410：以10ms為一幀長(zhǎng)對(duì)測(cè)試信號(hào)時(shí)域采樣點(diǎn)進(jìn)行讀取，得到測(cè)試幀信號(hào)，記為。

步驟s420：對(duì)提取基音頻率特征和時(shí)域特征，由基音頻率，過(guò)零率，短時(shí)能量，歸一化自相關(guān)系數(shù)，第一語(yǔ)音線性預(yù)測(cè)系數(shù)這五個(gè)特征組成，記為，。測(cè)試幀信號(hào)特征提取方法與訓(xùn)練部分步驟3中的提取訓(xùn)練特征的提取方法一致。

步驟s430：用多維高斯概率密度計(jì)算公式，根據(jù)及訓(xùn)練部分的，計(jì)算測(cè)試幀信號(hào)為語(yǔ)音信號(hào)的概率，根據(jù)及訓(xùn)練部分的計(jì)算測(cè)試幀信號(hào)為噪聲信號(hào)的概率。計(jì)算公式如下：

。

步驟s440：根據(jù)及判別測(cè)試幀信號(hào)為語(yǔ)音信號(hào)還是噪聲信號(hào)，若則判別為語(yǔ)音信號(hào)，否則判別為噪聲信號(hào)。

步驟s450：根據(jù)步驟s440判決結(jié)果，對(duì)判別為語(yǔ)音信號(hào)的幀信號(hào)保持正常通話模式，對(duì)判別為噪聲信號(hào)的幀信號(hào)則進(jìn)行相應(yīng)處理。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。