[发明专利]一种嘈杂环境下特定目标语音端点搜索的方法

说明书

技术领域：

本发明涉及语音处理领域，尤其涉及一种嘈杂环境下特定目标语音端点搜索的方法。

背景技术：

随着语音识别技术的出现和日渐成熟,通过预先录入特定目标的声音样本,提取目 标人物一无二的语音特征并保存在数据库中,应用时将待验证的声音与数据库中的特征进 行匹配,从而决定所寻目标的身份。但是在嘈杂环境下和安静环境下的差异，经常无法判 断准确，不能正确的截取有用的语音信息，甚至远远低于各种语音识别应用的最低限度， 导致无法使用。

发明内容：

本发明为克服上述缺陷，提供了一种嘈杂环境下特定目标语音端点搜索的方法，其通 过以语音片的方式对声音进行录制，对初始的若干时间片进行采样和能量计算，根据能量 的计算结果判断语音的起点和终点，使之适应嘈杂环境和安静环境下的不同参数检测标 准，从而自适应环境检测语音的端点。

本发明采用的技术方案在于：一种嘈杂环境下特定目标语音端点搜索的方法，包括：

步骤1：录制多个连续的语音片获取多个分帧段作为样本语音；

步骤2：根据各分帧段的能量值计算样本语音中每个语音片的语音平均能量值和所有 语音片的平均能量值；

步骤3：从所述各分帧段中获取其能量值超过语音平均能量值和平均能量值的分帧 段，则以该分帧段为句中间帧对该帧的前序帧或后序帧进行扫描，若前序帧或后序帧的能 量阀值小于设定语音平均能量值，则将该帧与所述句中间帧按帧起始顺序合并成为独立 句；

步骤4：判断所述独立句的帧长是否为设定的短句帧长范围，若是，则将历史存储的 短独立句标本与当前独立句进行对比，若匹配度低于设定值，则将独立句标识为噪音句；

步骤5：将所述音频的各分帧段获得的未标识为噪音句的独立句作为音频的断句。

进一步优选地，所述步骤3还包括：若所述独立句的帧长超出设定独立帧长，则计算 该独立局每帧的谱熵比，以最低谱熵比所对应的帧作为分割点，将上述独立局风格为两个 独立句。

本发明的有益效果是：通过以语音片的方式对声音进行录制，对初始的若干时间片进 行采样和能量计算，根据能量的计算结果判断语音的起点和终点，使之适应嘈杂环境和安 静环境下的不同参数检测标准，从而自适应环境检测语音的端点。

具体实施方式：

下面将结合本发明，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实 施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域 普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护 的范围。

本发明的一种嘈杂环境下特定目标语音端点搜索的方法，包括：

步骤1：录制多个连续的语音片获取多个分帧段作为样本语音。

本发明可以安装在服务器上，也可以安装在个人计算机或移动计算设备上。所称的计 算终端即可以是服务器，也可以是个人计算机，也可以是移动计算设备。首先，向服务器 上传音视频文件，或者在个人计算机或者移动计算设备上打开音视频文件。之后，计算设 备提取音视频文件里的音频流，将音频流统一到固定采样频率有符号单通道数据。之后采 用预先设定的分帧参数，对数据进行分帧处理。

步骤2：根据各分帧段的能量值计算样本语音中每个语音片的语音平均能量值和所有 语音片的平均能量值。

语音端点的检测基于语音的能量值实现，首先要计算单个语音片的语音平均能量值和 所有语音片的平均能量值(每个语音片的语音平均能量值求和后除以语音片的个数)。

步骤3：从所述各分帧段中获取其能量值超过语音平均能量值和平均能量值的分帧 段，则以该分帧段为句中间帧对该帧的前序帧或后序帧进行扫描，若前序帧或后序帧的能 量阀值小于设定语音平均能量值，则将该帧与所述句中间帧按帧起始顺序合并成为独立 句；若所述独立句的帧长超出设定独立帧长，则计算该独立局每帧的谱熵比，以最低谱熵 比所对应的帧作为分割点，将上述独立局风格为两个独立句。

步骤4：判断所述独立句的帧长是否为设定的短句帧长范围，若是，则将历史存储的 短独立句标本与当前独立句进行对比，若匹配度低于设定值，则将独立句标识为噪音句。

步骤5：将所述音频的各分帧段获得的未标识为噪音句的独立句作为音频的断句。