[发明专利]音频数据的编码方法及解码方法

权利要求书

1.一种音频数据的编码方法，其特征在于，包括：

获取原始音频，通过短时能量和短时过零率进行端点检测，剔除所述原始音频中的非音频数据，获得语音段数据；

从所述语音段数据提取特征参数，通过已训练的隐马尔科夫模型和Viterbi算法，对每帧语音段数据进行状态识别，确定状态序列和状态时长；以及

对所述状态序列和状态时长进行编码，生成音频数据包。

2.根据权利要求1所述的编码方法，其特征在于，所述通过短时能量和短时过零率进行端点检测，剔除原始音频中的非音频数据包括：

将原始音频等间隔分成若干子段，计算每段原始音频的短时能量和短时过零率；以及

将每段原始音频的短时能量和短时过零率分别与预先设定的短时能量和短时过零率的两个门限进行比较，根据比较结果将采集的音频数据分为静音段、过渡段和语音段，去除静音段和过渡段，仅保留语音段数据。

3.根据权利要求1所述的编码方法，其特征在于，所述对去噪的语音段数据提取特征参数，通过已训练的隐马尔科夫模型和Viterbi算法，对每帧语音段数据进行状态识别，确定状态序列和状态时长的步骤包括：

对于每帧音频数据，对其进行特征参数提取，提取梅尔频率倒谱系数；

利用提取的每帧音频数据的梅尔频率倒谱系数，通过训练好的隐马尔科夫模型和Viterbi算法进行状态识别，确定最优状态序列；以及

对识别出的状态序列进行纠错处理，确定最终生成的状态序列以及各状态的时长，从而保证状态识别的准确性。

4.根据权利要求3所述的编码方法，其特征在于，所述通过训练好的隐马尔科夫模型和Viterbi算法进行状态识别的步骤之前还包括：

对剔除非音频数据并滤除噪声的训练语料提取谱参数和基频；

利用提取的谱参数和基频进行模型的初始训练，确定模型的初始概率、观测概率和转移概率，每个音素对应一个隐马尔科夫模型，每个隐马尔科夫模型包含5个状态，不同状态对应于不同的分布；

对状态进行聚类，根据谱参数、基频将相似的状态归为1类；以及

根据状态聚类的结果，更新模型的初始概率、观测概率和转移概率，通过Viterbi算法重新调整不同状态之间边界，经过多次迭代优化模型参数后确定最终的隐马尔科夫模型。

5.根据权利要求1所述的编码方法，其特征在于，所述对每个语音段数据的状态序列和状态时长进行编码包括：

对状态序列以及状态时长根据相应的码值进行编码，传输对应码值的编号，其中每个状态对应一个码值，不同时长对应于相应的码值；以及

将状态序列及状态时长的码值组成音频数据包，其中，数据包第一位作为同步头，每个状态信息按照时间顺序依次排列，数据包最后一位作为奇偶校验位。

6.根据权利要求1至5中任一项所述的编码方法，其特征在于，从语音段数据提取特征参数的步骤之前还包括：

采取小波去噪方法降低语音段数据中的噪声干扰。

7.一种对权利要求1至5中任一项编码方法获得的音频数据包进行解码的方法，其特征在于，包括：

对接收到的音频数据包进行解码，提取状态序列以及各状态时长参数；以及

对状态序列和状态时长通过训练好的隐马尔科夫模型和动态参数生成算法确定每帧数据的谱参数和基频，通过声码器生成音频数据。

8.根据权利要求7所述的解码方法，其特征在于，所述对接收到的音频数据包进行解码，提取状态序列以及各状态时长参数的步骤包括：

对音频数据包的校验信息进行检验，判断同步头和奇偶校验位的正确性；以及

在确定数据包在通信系统中正确传输后，对状态序列和状态时长进行解码，通过相应的状态码值和时长码值依次解析各状态的类别和时长。

9.根据权利要求7所述的解码方法，其特征在于，所述对状态序列和状态时长通过训练好的隐马尔科夫模型和动态参数生成算法确定每帧数据的谱参数和基频，通过声码器生成音频数据的步骤包括：

在已知状态序列以及各状态时长的基础上，通过训练好的隐马尔科夫模型和动态参数生成算法计算最优的参数序列；以及

利用上述的最优参数序列通过声码器生成音频数据。

10.根据权利要求7至9中任一项所述的解码方法，其特征在于，所述生成音频数据的步骤之后还包括：

对音频数据增加适当的背景噪声，以增加语音的真实感。