[发明专利]一种孤立词语音端点检测的方法及系统

说明书

技术领域

本发明涉及语音识别技术领域，尤其涉及一种孤立词语音端点检测的方法及系统。

背景技术

图1给出了孤立词语音识别系统的通用模块框图。由图1可以看出，孤立词语音识别的基本流程为：输入语音信号经分帧后送入语音端点检测模块，该模块检测出各孤立词的起、止点，也即判定出某孤立词对应的信号帧范围为n₁～n₂帧。然后参数提取模块依次计算出这些语音信号帧的特征参数矢量，构成该孤立词的特征集合。如果处于训练模式，则将该特征集合存入模板库中备用；如果处于识别模式，则将该特征集合送入模式匹配模块中，并与模板库中存储的特征集合逐个进行比对，计算特征距离。再由判决逻辑模块依据该特征距离给出识别结果。

上述孤立词语音识别系统中，孤立词语音端点检测是孤立词语音识别系统中的一个重要模块。现有的双门限语音端点检测方法主要依据语音信号的短时平均幅度参数M和短时过零率参数Z进行检测。该方法的理论基础是：与无声段相比，有声段特别是浊音段的信号短时平均幅度参数较大；辅音段虽然短时平均幅度参数较小，但其短时过零率参数明显高于无声段。具体过程为：首先设置一个高阈值幅度门限参数M_H，当一帧信号的M值超过M_H时，认为该帧信号处于有声段，这样根据M_H可以检测出两个端点帧和帧，认为处于两者之间的语音信号帧为有声段，而且很可能是浊音段，但准确的起点和终点应分别位于帧之前和帧之后。其次，设定一个低阈值门限参数M_L，由帧向前考察，帧向后考察，当信号帧的M值由大到小减至M_L时，可以检测出两个端点n₁′帧和n₂′帧，并认为两者之间均是语音段。最后由n₁′帧向前，n₂′帧向后，用短时过零率阈值Z_s判定出孤立词的精确起点n₁帧，终点n₂帧。

该种方法理论简单，运算量小，在孤立词语音识别系统中得到大量应用。但由于该方法先判定出孤立词的起点和终点，再进行参数提取，因此需要缓存大量语音数据，不利于实时实现。

发明内容

本发明实施例提供一种孤立词语音端点检测的方法，用以解决现有技术中存在的由于先判定出孤立词的起点和终点再进行参数提取造成的需要缓存大量语音数据的问题。

相应地，本发明实施例还提供一种孤立词语音端点检测的装置。

一种孤立词语音端点检测的方法，包括步骤：

在接收的语音信号帧中确定孤立词起点；

对确定出的孤立词起点之后接收的语音信号帧，同步进行特征参数的计算和孤立词终点的检测。

一种孤立词语音端点检测的装置，包括：

起点检测单元，用于在接收到的语音信号帧中确定孤立词起点；

特征参数计算单元，用于对所述起点检测单元确定出的孤立词起点之后接收的语音信号帧，进行特征参数的计算；

终点检测单元，用于对所述起点检测单元确定出的孤立词起点之后接收的语音信号帧，与所述特征参数计算单元进行特征参数的计算同步进行孤立词终点的检测。

本发明实施例首先检测出孤立词起点，从起点语音信号帧开始进行特征参数计算，在计算语音信号帧特征参数的同时，进行孤立词终点的检测，因此确定出孤立词终点后，便可以停止语音信号帧特征参数计算，无需再缓存大量语音数据，有利于实时实现。

附图说明

图1为现有技术中孤立词语音识别系统的通用模块框图；

图2为本发明实施例中孤立词语音端点检测方法的流程图；

图3为本发明实施例中孤立词语音端点检测装置的结构图；

图4A、图4B为本发明实施例中起点检测单元的结构图；

图5A、图5B为本发明实施例中终点检测单元的结构图。

具体实施方式

现有的双门限语音端点检测方法除了需要缓存大量语音数据外，还存在以下缺陷：

1、由于是利用单个语音信号帧的相关参数进行起点和终点的检测，因此当存在敲击等突发毛刺信号时，容易判定该毛刺信号为孤立词起点，还容易把一个三声孤立词检测为两段孤立词。

2、在有不确定的背景噪声存在时，端点检测的准确性不容易保证。