[发明专利]一种双门限地名语音端点检测方法

说明书

本发明公开了一种双门限地名语音端点检测方法，从第一帧信号开始判断每帧语音信号的能量与最低能量阈值、最高能量阈值的大小，判断过零率与过零率阈值的大小，从而确定下一帧信号如何进行检测，并在可能进入语音状态的情况下，通过增加变量来对语音段前面出现的发音轻时间端的语音信号进行保留。本发明结合孤立词的地名语音信号的特点，对传统的双门限方法进行改进，能够保证轻音且持续时间很短的语音信号的前一部分不会被判定为噪声，从而避免丢失语音信号，提高了端点检测的准确性以及现场应用环境的适应性，降低了对环境的要求。

技术领域

本发明属于语音端点检测领域，特别涉及一种双门限地名语音端点检测方法。

背景技术

随着经济的高速发展和全球化趋势的日益突出，现代物流行业已在发达国家得到了空前的发展，并产生了巨大的经济效益和社会效益。物流资源有运输、仓储、分拣、包装、配送等，这些资源分散在多个领域，包括制造业、农业、流通业等。

在分拣环节中，现阶段基本是人工进行分拣，由于工人们长期处于嘈杂的工作环境中，心里和身体上势必会产生一定的疲劳感，并且工作任务的单一性和重复性也会使他们的工作状态过于放松，这必然导致分拣精确性的下降，造成较多不可挽回的分拣失误事故发生，因此工业领域中对流水线上的产品进行人工检测的方式已不能满足现代化工业的需求。

语音识别作为人机交互的重要接口，发展到现在已经在很多方面改变了我们的生活，从智能家居的语音控制系统到车载语音识别系统等，因此将语音识别技术与物流分拣环节的融合是物流行业发展的必然要求。

而在语音识别技术中，端点检测技术是语音识别中极为重要的环节，其效果的好坏直接影响最终的识别结果，传统的基于短时能量和过零率的端点检测方法是在理想的环境中才能适用，且对于孤立词的地名语音信号，端点检测的准确率相对较低。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种双门限地名语音端点检测方法，提高了端点检测的准确性。

一种双门限地名语音端点检测方法，包括以下步骤：从第一帧信号开始判断每帧语音信号的能量与最低能量阈值、最高能量阈值的大小，判断过零率与过零率阈值的大小，从而确定对下一帧信号进行检测的合适方法，并在可能进入语音状态的情况下，通过增加变量来对语音段前面出现的发音轻时间段的语音信号进行保留。

具体步骤如下：

1、接收经过预处理的地名语音信号，判断每帧语音信号的能量与最低能量阈值、最高能量阈值的大小以及判断过零率与过零率阈值的大小；

2、当第i帧语音信号的能量＜最低能量阈值时，将状态变量设置为0，语音长度计数变量设置成0，表明仍处于静音段，继续返回步骤(1)进行下一帧检测；

当最高能量阈值＞第i帧语音信号的能量＞最低能量阈值，且过零率＞过零率阈值，将状态变量设置为1，表明可能处于语音段，将语音长度计数变量加1，同时将可能处于语音段的长度的变量加1，并返回步骤(1)进行下一帧检测；

3、若已经有状态变量为1，则对可能处于语音段的语音信号按照一定的标准进行筛选，进一步区分噪音段和语音段；

4、当第i帧语音信号的能量＞最高能量阈值，则将状态变量设置为2，表示进入语音段，同时将语音长度计数变量加1，按照步骤(5)进行下一帧检测；

5、判断当前帧语音信号的能量＞最低能量阈值或当前帧语音信号的过零率＞过零率阈值是否成立；

若成立，表示还在语音段，不是静音，将状态变量保持为2，语音长度计数变量加1，按照步骤(5)继续下一帧检测；

若不成立，说明信号已经从语音段转向静音段，则将静音长度加1，并对静音长度作进一步判断；直到找到全部有效的语音信号，将状态参数设置为3，结束进程。