[发明专利]检测语音信号的方法和装置

说明书

技术领域

本发明涉及音频处理领域，更具体地，涉及检测语音信号的方法和装置。

背景技术

音频技术中，出于分析方便，语音信号的异常开始(英文为abrupt start)和/或异常结束(英文为abrupt stop)在本文中指示两类情形：一种是出现在同一段语音段中的持续时间较短的成对出现的异常结束及异常开始，上下文中简称异常间断。例如，在讲话过程中，一段语音信号丢失中间的部分信息，就会造成异常间断。另一种是单独出现的异常开始或单独出现的异常结束，上下文中简称为异常开始或异常结束。例如，开始讲话时语音信号的异常开始，或是结束讲话时语音信号的异常结束。下文中，语音信号的异常可以包括语音信号的异常间断、异常开始和异常结束之一。

语音信号的异常主要是由于信号处理过程中丢包及VAD误判等引起的，会对语音信号还原后的语义(英文为semantic)及句法(英文为syntactic)造成损伤。由于语义及句法是与语言内容(英文为language content)相关的，与非母语测试者相比，语音信号的异常开始或异常结束会对母语测试者造成更大的影响。现有的语音质量评估模型在评估语音信号的质量时，通常并不会去分析语言内容，因此无法体现出语音信号的异常对于音质的影响。针对该问题，需要在基本的评估模型的基础上，能够检测出语音信号的异常，进而针对全部语音信号中出现的语音信号的异常单独进行质量评估。

现有技术中，检测语音信号的异常的准确性较低。

发明内容

有鉴于此，本发明实施例提供一种检测语音信号的方法和装置，能够解决检测语音信号的异常的准确性较低的问题。

第一方面，提供了一种检测语音信号的方法，包括：以第一时帧帧长为单位对连续语音样本进行分帧以得到多个第一时帧，检测每一个第一时帧的能量，通过分析多个第一时帧的能量之间的关系确定包含潜在的语音信号的异常的目标第一时帧，潜在的语音信号的异常包括潜在的语音信号的异常间断、异常开始和异常结束之一；以第二时帧帧长为单位，对连续语音样本进行分帧以得到多个第二时帧，每个第二时帧帧长为第一时帧帧长的整数倍，其中，包括目标第一时帧的第二时帧为目标第二时帧；对每个第二时帧进行处理以获取音调特征，通过分析至少一个包括至少一个目标第二时帧的第二时帧的音调特征，以确定目标第二时帧所包括的目标第一时帧所包含的潜在的语音信号的异常是否为真正的语音信号的异常。

在第一种可能的实现方式中，以第一时帧帧长为单位对连续语音样本进行分帧，以将连续语音样本按照时间顺序划分为多个第一时帧；获取每一个第一时帧的能量frame_energy_short(i)，其中第i帧为多个第一时帧中的第i个第一时帧，且i为自然数。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，如果第一时帧的能量之间的关系满足(frame_energy_short(i-1)-frame_energy_short(i)≥a₂)并且(frame_energy_short(i)<a₁)，则第i帧为包含潜在的语音信号的异常结束的目标第一时帧，其中a₁和a₂分别为预设的第一阈值和第二阈值，其中i≥1。

结合第一方面的第一种可能的实现方式，在第三种可能的实现方式中，如果第一时帧的能量之间的关系满足(frame_energy_short(i-2)-frame_energy_short(i)≥a₂)并且(frame_energy_short(i)<a₁)，其中a₁和a₂分别为预设的第一阈值和第二阈值，并且第(i-1)帧及第(i-2)帧均不是包含潜在的语音信号的异常结束的目标第一时帧，则第i帧为包含潜在的语音信号的异常结束的目标第一时帧，其中i≥2且第0帧和第1帧预设为不包含潜在的语音信号的异常结束的第一时帧。