[发明专利]一种自适应的语音端点检测方法

权利要求书

1.一种自适应的语音端点检测方法，包括如下步骤：

(1)音频数据输入后，解析音频文件并提取数字采样值，对获取到的音 频采样序列进行带通滤波；

(2)将音频采样序列分成固定长度的帧，并形成一个帧序列，针对每一 帧数据提取短时能量、短时过零率和短时信息熵三个音频特征参数；

(3)根据上述音频特征参数计算每一帧数据的短时能频值，并形成一个短 时能频值序列；第i帧的短时能频值为：

EZE-feature_i＝(E_i-E_b)·(Z_i-Z_b)·(H_i-H_b)

其中，EZE-feature_i表示第i帧的短时能频值；E_i、Z_i和H_i分别表示第i 帧的短时能量、短时过零率和短时信息熵；E_b、Z_b和H_b分别表示当前背景噪 声的短时能量、短时过零率和短时信息熵；

(4)分析短时能频值序列，并找出一对语音起点和终点；

(5)分析背景噪声，如果发现背景噪声发生改变，则重新计算背景噪声 的音频特征参数，并更新短时能频值序列；

(6)返回步骤(4)，继续寻找下一对语音起点和终点，重复此过程直 到检测结束，并输出语音端点检测结果。

2.如权利要求1所述的自适应的语音端点检测方法，其特征在于：当 步骤(6)输出语音端点检测结果后，遍历这个语音端点序列，依次寻找一个 语音终点F_e，以及下一个语音起点F_b，如果F_e和F_b相距超过规定的时间间隔， 则确定F_e和F_b之间为语句的间隔，将F_e和F_b标记为语句端点，重复此过程确 定所有的语句端点。

3.如权利要求2所述的自适应的语音端点检测方法，其特征在于：所 述确定语句端点所规定的时间间隔为100ms。

4.如权利要求1或2所述的自适应的语音端点检测方法，其特征在于： 在步骤(1)中，所述的带通滤波的带宽为400Hz～3500Hz。

5.如权利要求1或2所述的自适应的语音端点检测方法，其特征在于： 在步骤(2)中，将音频采样序列分成10ms长度的帧。

6.如权利要求1或2所述的自适应的语音端点检测方法，其特征在于：在 步骤(2)中，所提取的第i帧的短时能量为：

Ei=Σn=1NSn2]]>

其中，N表示第i帧中所包含的音频采样数量；S_n表示第n个采样的取 样值。