[发明专利]用于话音活动检测的系统、方法和设备

权利要求书

1.一种处理音频信号的方法，所述方法包括：

基于来自所述音频信号的第一多个帧的信息，计算第一话音活动量度的一系列值；

基于来自所述音频信号的第二多个帧的信息，计算与所述第一话音活动量度不同的第二话音活动量度的一系列值；

基于所述第一话音活动量度的所述系列值，计算所述第一话音活动量度的边界值；以及

基于所述第一话音活动量度的所述系列值、所述第二话音活动量度的所述系列值和所述第一话音活动量度的所述计算出的边界值，产生一系列组合话音活动决策。

2.根据权利要求1所述的方法，其中所述第一话音活动量度的所述系列值中的每一值是基于所述音频信号的声道之间的关系。

3.根据权利要求1所述的方法，其中所述第一话音活动量度的所述系列值中的每一值对应于所述第一多个帧中的不同帧。

4.根据权利要求3所述的方法，其中所述计算所述第一话音活动量度的一系列值包括对于所述系列值中的每一者且对于所述对应的帧的多个不同频率分量中的每一者，计算在(A)所述帧的第一声道中的所述频率分量的相位与(B)所述帧的第二声道中的所述频率分量的相位之间的差。

5.根据权利要求1所述的方法，其中所述第二话音活动量度的所述系列值中的每一值对应于所述第二多个帧中的不同帧，且

其中所述计算所述第二话音活动量度的一系列值包括对于所述系列值中的每一者，计算针对所述对应的帧的多个不同频率分量中的每一者的能量的时间导数，且

其中所述第二话音活动量度的所述系列值中的每一者是基于所述对应的帧的能量的所述多个计算出的时间导数。

6.根据权利要求1所述的方法，其中所述第二话音活动量度的所述系列值中的每一者是基于所述音频信号的第一声道的电平与所述音频信号的第二声道的电平之间的关系。

7.根据权利要求1所述的方法，其中所述第二话音活动量度的所述系列值中的每一值对应于所述第二多个帧中的不同帧，且

其中所述计算所述第二话音活动量度的一系列值包括对于所述系列值中的每一者，计算(A)在低于一千赫的频率范围中的所述对应的帧的第一声道的电平，和(B)在低于一千赫的所述频率范围中的所述对应的帧的第二声道的电平，且

其中所述第二话音活动量度的所述系列值中的每一者是基于(A)所述对应的帧的所述第一声道的所述计算出的电平与(B)所述对应的帧的所述第二声道的所述计算出的电平之间的关系。

8.根据权利要求1所述的方法，其中所述计算所述第一话音活动量度的所述边界值包括计算所述第一话音活动量度的最小值。

9.根据权利要求8所述的方法，其中所述计算最小值包括：

使所述第一话音活动量度的所述系列值平滑化；以及

确定所述经平滑化的值中的最小值。

10.根据权利要求1所述的方法，其中所述计算所述第一话音活动量度的所述边界值包括计算所述第一话音活动量度的最大值。

11.根据权利要求1所述的方法，其中所述产生所述系列组合话音活动决策包含将第一组值中的每一者与第一阈值比较以获得一系列第一话音活动决策，

其中所述第一组值是基于所述第一活动量度的所述系列值，且

其中(A)所述第一组值与(B)所述第一阈值中的至少一者是基于所述第一话音活动量度的所述计算出的边界值。

12.根据权利要求11所述的方法，其中所述产生所述系列组合话音活动决策包含基于所述第一话音活动量度的所述计算出的边界值正规化所述第一话音活动量度的所述系列值，以产生所述第一组值。

13.根据权利要求11所述的方法，其中所述产生所述系列组合话音活动决策包含将所述第一话音活动量度的所述系列值重新映射至基于所述第一话音活动量度的所述计算出的边界值的范围，以产生所述第一组值。

14.根据权利要求11所述的方法，其中所述第一阈值是基于所述第一话音活动量度的所述计算出的边界值。

15.根据权利要求11所述的方法，其中所述第一阈值是基于来自所述第二话音活动量度的所述系列值的信息。