[发明专利]语音激活检测方法和装置

权利要求书

1.一种语音激活检测方法，包括：

对接收的音频进行处理生成音频帧特征，其中，所述音频帧特征包括梅尔频率倒谱系数特征；

基于神经网络分类器对每一所述音频帧特征为噪声或语音的概率分布值进行计算；

对每一所述音频帧特征为噪声或语音的概率分布值进行后处理，输出每一所述音频帧特征的状态判定结果，其中，所述状态判定结果包括静音状态、预音频状态、音频状态和预静音状态，其中，所述静音状态、所述预音频状态、所述音频状态和所述预静音状态形成闭环，相邻的音频帧特征的状态仅能够在相邻的状态之间转换，将每一所述音频帧特征的概率分布值与每一状态的阈值进行比较；基于比较结果输出每一所述音频帧特征对应的状态判定结果；在所述静音状态，具有静音阈值T sil；在所述预音频状态，具有预音频阈值Tprsp；在所述音频状态，具有音频阈值T sp；

在所述预静音状态，具有预静音低阈值T low prsil和预静音高阈值T hight prsil，在所述预静音状态，若所述音频帧特征的概率分布值大于所述预静音高阈值T hightprsil，在所述预静音状态短时间逗留，然后跳到所述静音状态；如果所述音频帧特征的概率分布值大于预静音低阈值T low prsil时，在所述预静音状态长时间逗留，然后跳到所述静音状态。

2.根据权利要求1所述方法，还包括：

在所述静音状态，若所述音频帧特征的概率分布值小于所述静音阈值T sil，则进入所述预音频状态；

在所述预音频状态，若所述音频帧特征的概率分布值小于所述预音频阈值T prsp，则返回所述静音状态；若所述音频帧特征的概率分布值大于所述预音频阈值T prsp，且持续时间大于或等于第一预设时间，则进入所述音频状态；

在所述音频状态，若所述音频帧特征的概率分布值小于所述音频阈值T sp，则进入所述预静音状态；在所述预静音状态，若所述音频帧特征的概率分布值小于所述预静音低阈值T low prsil，则返回所述音频状态；若所述音频帧特征的概率分布值大于所述预静音低阈值T low prsil，且持续时间大于或等于第二预设时间，或若所述音频帧特征的概率分布值大于所述预静音高阈值T hight prsil，且持续时间大于或等于第三预设时间，则进入所述静音状态。

3.根据权利要求1所述的方法，还包括：

在所述静音状态，若所述音频帧特征的概率分布值不小于所述静音阈值T sil，则保持所述静音状态；

在所述预音频状态，若所述音频帧特征的概率分布值不小于所述预音频阈值T prsp，且持续时间小于第一预设时间，则保持所述预音频状态；

在所述音频状态，若所述音频帧特征的概率分布值不小于所述音频阈值T sp，则保持所述音频状态；在所述预静音状态，若所述音频帧特征的概率分布值不小于所述预静音低阈值T low prsil，且持续时间小于第二预设时间，或所述音频帧特征的概率分布值不小于所述预静音高阈值T hight prsil，且持续时间小于第三预设时间，则保持所述预静音状态。

4.根据权利要求2或3所述的方法，其中，所述第三预设时间小于所述第二预设时间。