[发明专利]一种基于语音活动检测的辅助检测方法、装置及存储介质

说明书

本发明所提供的一种基于语音活动检测的辅助检测方法、装置及存储介质，包括：获取音频中当前帧和前一帧之间的共振峰相关性，并将所述共振峰相关性与预先设置的相关性门限值进行对比；若所述共振峰相关性大于或等于所述相关性门限值，则判断当前帧为音乐帧。本发明利用语音和音乐中共振峰会存在并且持续较长的时间，而噪声则没有长时间的共振峰信息，对VAD的检测功能做增强，使其能准确地检测出音乐信号，在音乐的持续时间里，VAD检测时一直有语音的标志，进而不会将某段音乐当做噪音进行处理,辅助VAD的检测，使得VAD检测不会产生误判，避免了将音乐信号误当作舒适噪音传输影响了用户的体验。

技术领域

本发明涉及语音活动检测技术领域，尤其涉及的是一种基于语音活动检测的辅助检测方法、装置及存储介质。

背景技术

语音活动检测(Voice Activity Detection，VAD)又称语音端点检测，语音边界检测，是从声音信号流里识别和消除长时间的静音期，以达到在不降低业务质量的情况下节省话路资源的作用，它是IP电话应用的重要组成部分。静音抑制可以节省宝贵的带宽资源，有利于减少用户感觉到的端到端的时延。具体的，VAD检测技术是对采集的音频进行检测，通过对音频进行处理，判断音频是否符合识别要求。目前的VAD检测主要是通过计算采集到的一段音频的能量值来判断音频处于语音还是背景噪音。

在进行VAD检测时，对于检测器输入人说话的信号(语音)，VAD一般能够正确的进行判断。但是，当输入信号是音乐的情况下，VAD则有可能工作不正常，因为音乐中的能量值有高有低，因此，在一段连续音乐信号输入的情况下，VAD可能时而能检测到语音，时而又检测到静音。通常VAD工作的方式是本端检测到静音(背景噪音)，向远端发送舒适噪音包，远端收到舒适噪音包再产生舒适噪音，因为舒适噪音包很小，节省了带宽。因此，在播放彩铃音频或者在通话中出现必要的音乐时，时常将音乐中的某段检测为静音，导致信号被擦除，然后通过舒适噪音包发到远端，远端产生舒适噪音来替代音乐，这样，远端用户听到的音乐则是断断续续的，因此，现有的VAD检测，可能会产生误判，而将音乐信号误当作舒适噪音传输影响了用户的体验。

因此，现有技术存在缺陷，有待改进与发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于语音活动检测的辅助检测方法、装置及存储介质，旨在解决现有技术中VAD检测可能会产生误判，为用户带来不便的问题。

本发明解决技术问题所采用的技术方案如下：

一种基于语音活动检测的辅助检测方法，其中，包括：

获取音频中当前帧和前一帧之间的共振峰相关性，并将所述共振峰相关性与预先设置的相关性门限值进行对比；

若所述共振峰相关性大于或等于所述相关性门限值，则判断当前帧为音乐帧。

进一步地，所述获取音频中当前帧和前一帧之间的共振峰相关性，并将所述共振峰相关性与预先设置的相关性门限值进行对比的步骤之后还包括：

若所述共振峰相关性小于所述相关性门限值，则判断当前帧为噪音帧。

进一步地，所述获取音频中当前帧和前一帧之间的共振峰相关性，并将所述共振峰相关性与预先设置的相关性门限值进行对比的步骤之前还包括：

预先设置相关性门限值、连续音乐帧门限值及连续噪音帧门限值。

进一步地，若所述共振峰相关性大于或等于所述相关性门限值，则判断当前帧为音乐帧的步骤具体包括：

若所述共振峰相关性大于或等于所述相关性门限值，则判断当前帧为音乐帧，并累计连续的音乐帧帧数；

当累计的音乐帧帧数达到预先设置的连续音乐帧门限值时，确定当前音频为音乐。