[发明专利]一种声音控制语音交流的方法

说明书

所属技术领域

本发明涉及通信领域，更具体地涉及到多人语音通信时利用各自的声音特征来控制和协调相互交流的实现方法。

背景技术

目前实现远距离两两用户之间语音通信交流的方式是普通的电话业务，实现多人语音交流通信的平台主要有电话系统中的会议电话服务和对讲机方式。

电话业务需要发起人拨号连接，对方摘机通话。会议电话需要组织者先向电话公司申请该功能，再通知每个参会者拨通某个电话号码加入。会议电话实现的架构如图1所示，是一种集中式系统结构。与会者的语音都送到一个中心处理单元，进行叠加(也可按权重叠加)后再发送给每一个与会者。与会者之间不能再进行两两交流。对讲机方式是一种一对多的广播方式，同一时间只能一个用户讲话，每次讲话都需要按键切换通信模式。

上述三种语音交流方式都有明确的应用场合，在各自的应用环境中都有不可替代的优势。在有些应用场景中，有时群组成员之间需要两两单独交流，有时又需要大家一起交流。譬如野外旅游，时不时需要各自报告一下自己的情况，其他时间又各自交流，而且各自交流对象也不固定。如果大家走在一起，距离很近，谈话交流不存在问题。如果互相看不到，用到无线通信设备，采用目前现有的方案，还是很不方便。目前的移动终端，虽然智能化程度非常高，但几乎所有应用都依赖于屏幕操作或按键操作。在行动中操作屏幕或按键还很不安全。也有些终端采用了语音识别技术来控制操作，但还没能达到自由交流的效果。

还有一些应用场景如家庭成员之间，大家可能都不住在同一个地方，偶尔互相关心一下近况，一般先彼此打个招呼，向大家汇报一下近况，然后各自交流。这样的方式比逐一打电话询问效果好得多。目前的QQ群组或微信群组功能只相当于文本对讲机方式，文本交流还是赶不上语音方便、亲切。

人们在近距离谈话交流时，一般情况下，说话者的声音大小是想来控制交流范围的。音量大是想让多一点人听到，音量小是只想让周围几个人或一个人听到。听者及时应答表示对交流内容感兴趣，希望继续。如果听者不应答或应答响应的频率很低，有一搭没一搭的，表示对交流内容不感兴趣，慢慢地就应该退出该交流者范围。

目前移动通信已进入4G，无线带宽越来越大，加上目前移动终端极好的性能，实现远距离个性化的自由交流已经不存在技术问题。本发明根据人们近距离交流的特点，用电路采集讲话者及应答者的声音特征，主要包括说话者音量大小、应答的响应时间以及响应的频率。利用这些特征来控制和协调远距离的语音通信交流，增强用户的体验感。

发明内容

本发明中把人们交流的语音信号分为应答语和新话题两类。应答语指当前讲话人语音信号结束之后确定的一段时间内开始的其他人的语音信号。新话题指除了应答语之外的其他的交流语音信号。应答语的判断需要用到语音信号端点检测技术来确定语音信号的起始点。在一个终端上判断应答语分为下列两种情况：

1)第一种情况如图2所示，当前终端的用户讲话结束后，经过t时间开始听到其他用户发送来的声音信号。如果t＜T(系统定义的一个阈值)，则该用户向当前终端用户发送来的语音信号定义为应答语。

2)第二种情况如图3所示，当前终端的用户听到其他用户发送来的声音信号结束后，经过t′时间当前终端的用户开始讲话，向其他用户发送语音信号。如果t′＜T′(系统定义的一个阈值)，则当前终端用户向其他用户发送的语音信号定义为应答语。

由于上述的第一种情况需要考虑语音信号传播延时的影响，系统设定阈值时一般会让T比T′稍大一点。

本发明实现采用的架构如图4所示，是一种分布式系统结构，每个用户之间都可以直接双向通信。多人语音通信时，多路语音信号的叠加操作在各个用户本地实现。如图5所示，多路语音信号送到一个用户时，可以采用直接叠加。如果当前共有L路语音信号送过来，设K₁＝K₂...＝K_L＝1/L。和传统的会议电话系统比较，每个用户上叠加语音信号的路数及这些语音信号对应的成员都不一定相同的，叠加后的结果输出给该用户。