CN112634934A - 语音检测方法及装置 - Google Patents
语音检测方法及装置 Download PDFInfo
- Publication number
- CN112634934A CN112634934A CN202011515942.5A CN202011515942A CN112634934A CN 112634934 A CN112634934 A CN 112634934A CN 202011515942 A CN202011515942 A CN 202011515942A CN 112634934 A CN112634934 A CN 112634934A
- Authority
- CN
- China
- Prior art keywords
- signal
- signals
- determining
- voice
- energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 22
- 239000002131 composite material Substances 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000002194 synthesizing effect Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0264—Noise filtering characterised by the type of parameter measurement, e.g. correlation techniques, zero crossing techniques or predictive techniques
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
- G10L2025/783—Detection of presence or absence of voice signals based on threshold decision
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
本公开一种语音检测方法、装置、电子设备和计算机可读存储介质。其中方法包括:确定原始信号的第一信号能量;根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量;当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,获取所述多个语音采集设备在所述来波方向的邻近方向上采集到的多个第二信号;根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号。本公开实施例当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,再根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号,可以进一步提高语音信号的检测准确率。
Description
技术领域
本公开涉及人工智能技术领域,特别是涉及一种语音检测方法、装置和计算机可读存储介质。
背景技术
随着科技的发展,应用麦克风阵列中波束成形技术拾取或抑制特定方向语音成分,被应用到很多语音检测场景中。很多现有的降噪算法中,都需要检测当前时刻是否存在目标声源。
例如,降噪算法中,需要判断当前时刻是否存在目标声源,如果不存在目标声源,则当成噪声处理,自适应滤波器需要更新;反之,则不更新。再例如,噪声估计算法中,在统计噪声功率谱的时候,也需要判断当前时刻是否存在目标声源,如果存在目标声源,则更新噪声功率谱,否则,不进行更新。
而目前还没有这样一种语音检测方法。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开解决的技术问题是提供一种语音检测方法,以至少部分地解决现有技术中不能进行语音检测的技术问题。此外,还提供一种语音检测装置、语音检测硬件装置、计算机可读存储介质和语音检测终端。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种语音检测方法,包括:
确定原始信号的第一信号能量;
根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量;
当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,获取所述多个语音采集设备在所述来波方向的邻近方向上采集到的多个第二信号;
根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号。
进一步的,所述根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量,包括:
将所述多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号进行加权求和,得到一个合成信号;
将所述合成信号的信号能量作为第二信号能量。
进一步的,所述将所述多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号进行加权求和,得到一个合成信号,包括:
确定每个语音采集设备在所述原始信号的来波方向上采集到的第一信号的权重;
根据每个第一信号的权重对所述多个第一信号进行加权求和,得到一个合成信号。
进一步的,所述确定每个语音采集设备在所述原始信号的来波方向上采集到的第一信号的权重,包括:
根据多个语音采集设备两两之间的距离、所述来波方向、声音在空气中的传播速度确定所述原始信号到达每个语音采集设备的时间差;
根据所述时间差、所述第一信号的角频率确定权重。
进一步的,所述根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号,包括:
根据所述多个第一信号和所述多个第二信号确定一个相关度;
当所述相关度大于预设相关度阈值时,则确定所述原始信号中存在语音信号,否则,不存在语音信号。
进一步的,所述根据所述多个第一信号和所述多个第二信号确定一个相关度,包括:
确定所述多个第一信号和所述多个第二信号的两两相关度;
取最大相关度作为所述确定的一个相关度。
为了实现上述目的,根据本公开的一个方面,还提供以下技术方案:
一种语音检测装置,包括:
信号能量确定模块,用于确定原始信号的第一信号能量;
所述信号能量确定模块,还用于根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量;
信号采集模块,用于当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,获取所述多个语音采集设备在所述来波方向的邻近方向上采集到的多个第二信号;
语音检测模块,用于根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号。
进一步的,所述信号能量确定模块包括:
信号合成单元,用于将所述多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号进行加权求和,得到一个合成信号;
信号能量确定单元,用于将所述合成信号的信号能量作为第二信号能量。
进一步的,所述信号合成单元具体用于:确定每个语音采集设备在所述原始信号的来波方向上采集到的第一信号的权重;根据每个第一信号的权重对所述多个第一信号进行加权求和,得到一个合成信号。
进一步的,所述信号合成单元具体用于:根据多个语音采集设备两两之间的距离、所述来波方向、声音在空气中的传播速度确定所述原始信号到达每个语音采集设备的时间差;根据所述时间差、所述第一信号的角频率确定权重。
进一步的,所述语音检测模块包括:
相关度确定单元,用于根据所述多个第一信号和所述多个第二信号确定一个相关度;
语音检测单元,用于当所述相关度大于预设相关度阈值时,则确定所述原始信号中存在语音信号,否则,不存在语音信号。
进一步的,所述相关度确定单元具体用于:确定所述多个第一信号和所述多个第二信号的两两相关度;取最大相关度作为所述确定的一个相关度。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现上述任一项所述的语音检测方法。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行上述任一项所述的语音检测方法。
为了实现上述目的,根据本公开的又一个方面,还提供以下技术方案:
一种语音检测终端,包括上述任一语音检测装置。
本公开实施例通过确定原始信号的第一信号能量,根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量,当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,获取所述多个语音采集设备在所述来波方向的邻近方向上采集到的多个第二信号,根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号,可以进一步提高语音信号的检测准确率。
上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为根据本公开一个实施例的语音检测方法的流程示意图;
图2为根据本公开一个实施例的语音检测装置的结构示意图;
图3为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
实施例一
为了解决现有技术中不能进行语音检测的技术问题,本公开实施例提供一种语音检测方法。如图1所示,该语音检测方法主要包括如下步骤S11至步骤S14。
步骤S11:确定原始信号的第一信号能量。
具体的,可以通过语音采集设备在所述原始信号的来波方向上采集得的原始信号。该语音采集设备可以为一个或多个,当语音采集设备为一个时,则将语音采集设备在所述原始信号的来波方向上采集得的信号直接作为原始信号。当语音采集设备为多个时,则将多个语音采集设备在所述原始信号的来波方向上采集得到的多个信号求平均信号,将所述平均信号作为原始信号。该语音采集设备具体可以为步骤S12中的语音采集设备。该语音采集设备可以为麦克风、话筒。
在采集到原始信号后,计算该原始信号的能量即第一信号能量。具体可采用如下公式计算:
步骤S12:根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量。
其中,语音采集设备的个数至少为2个,可由用户自定义设置。该多个语音采集设备放置在原始信号的来波方向上。其中,来波方向可以用角度表示,具体角度也可以由用户自定义设置。例如,为90度。
其中,第二信号能量由多个第一信号确定。
具体的,所述步骤S12包括:
步骤S121:将所述多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号进行加权求和,得到一个合成信号。
步骤S122:将所述合成信号的信号能量作为第二信号能量。
第二信号能量的计算方法与上述第一信号能量的计算方法相同,具体参见上述步骤S11中的描述,在此不再赘述。
可选的,步骤S121具体包括:
步骤S1211:确定每个语音采集设备在所述原始信号的来波方向上采集到的第一信号的权重。
步骤S1212:根据每个第一信号的权重对所述多个第一信号进行加权求和,得到一个合成信号。
在一个可选的实施例中,所述步骤S1211具体包括:根据多个语音采集设备两两之间的距离、所述来波方向、声音在空气中的传播速度确定所述原始信号到达每个语音采集设备的时间差;根据所述时间差、所述第一信号的角频率确定权重。
具体的,对于任意两个语音采集设备,将采集到的第一信号分别记为x1(n)和x2(n),将两个语音采集设备之间的距离记为δ,将声音在空气中的传播速度为记为c,则可采用如下公式计算得到原始信号到达该两个语音采集设备的时间差τ0为:
其中,θ为来波方向的角度,cos()为求余弦。
对于其余语音采集设备均可以采用上述方法,得到原始信号到达每个语音采集设备的时间差。
在得到原始信号到达每个语音采集设备的时间差之后,可以采用如下公式计算得到每个第一信号对于的权重矢量:
其中,ω为角频率,ω=2πf,f为第一信号的频率,j为虚数单位,h(w)为权重矢量。
最终可以得到所述合成信号:y(n)=h(n)*x(n),其中h(n)表示权重矢量,x(n)表示第一信号矢量。
通过上述方法合成的第一信号的合成信号,对来波方向的信号中的语音信号有抑制作用,对其他方向的语音信号抑制作用较小,也就是说,如果来波方向在90度方向,原始信号中的语音信号会被抑制,则原始信号与所述第一信号的合成信号的能量差会较大,此时如果计算出来的能量差较小,如小于所述能量阈值,则表示原始信号中没有语音信号,如果能相差较大,则表示原始信号中有语音信号。
步骤S13:当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,获取所述多个语音采集设备在所述来波方向的邻近方向上采集到的多个第二信号。
其中,邻近方向为来波方向的左右方向,也可以采用角度表示。例如,在所述来波方向对应角度上增加或减少预设角度。其中,预设角度一般不会太大,例如5度左右。如果所述来波方向对应角度为90度,则可选择95度和/或85度作为邻近方向。即分别将多个语音采集设备放置在95度和/或85度方向采集到多个第二信号。
具体的,当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,说明该原始信号中可能存在语音信号,为了进一步提高检测准确率,则进一步采用所述多个语音采集设备在所述来波方向的邻近方向上采集多个第二信号,以便后续通过第二信号进一步判断原始信号中否是存在语音信号。
当所述第一信号能量与所述第二信号能量的差值小于或等于预设能量阈值时,说明该原始信号中不存在语音信号,则结束操作。
步骤S14:根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号。
具体在确定所述原始信号中是否存在语音信号时,可以预先将多个第一信号合成为一个信号,和/或,将每个邻近方向上的多个第二信号合成为一个信号。根据合成后的信号之间的相关度确定所述原始信号中是否存在语音信号。例如,将多个语音采集设备放置在95度采集到的多个第二信号合成为一个信号,和/或将多个语音采集设备放置在85度方向采集到的多个第二信号合成为一个信号,这样一共得到3个信号,根据该3个信号的相关度确定所述原始信号中是否存在语音信号。
可选的,所述步骤S14具体包括:
步骤S141:根据所述多个第一信号和所述多个第二信号确定一个相关度。
具体的,在计算相似度时,可以预先将多个第一信号合成一个信号,将多个第二信号合成一个信号,合成方法可以之间相加求平均,也可以加权求和。然后再计算两个合成之后的信号的相关度。具体可以计算两个信号的余弦值、或相关系数、或欧式距离作为相关度。
步骤S142:当所述相关度大于预设相关度阈值时,则确定所述原始信号中存在语音信号,否则,不存在语音信号。
在一个可选的实施例中,步骤S141具体包括:确定所述多个第一信号和所述多个第二信号的两两相关度;取最大相关度作为所述确定的一个相关度。
具体的,在确定相似度之前,可以预先将多个第一信号合成为一个信号,和/或,将每个邻近方向上的多个第二信号合成为一个信号。根据合成后的信号之间的相关度确定所述原始信号中是否存在语音信号。例如,所述多个第一信号为所述多个语音采集设备从90度方向采集到的信号,将所述多个第一信号合成为一个信号,将多个语音采集设备从95度方向采集到的多个第二信号合成为一个信号,将多个语音采集设备从85度方向采集到的多个第二信号合成为一个信号,这样一共得到3个信号,根据该3个信号的相关度确定所述原始信号中是否存在语音信号。即根据该3个信号进行两两相似度计算,可以得到3个相似度,然后取最大的相似度作为最终确定的相似度,再与所述相关度阈值进行比较,如果大于所述相关度阈值,则确定原始信号中存在语音信号。
由于噪声信号在每个频点相关性都很弱,而语音信号在中高频具有相关性,因此可以通过相关性进一步判断是否存在语音信号。
本实施例通过确定原始信号的第一信号能量,根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量,当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,获取所述多个语音采集设备在所述来波方向的邻近方向上采集到的多个第二信号,根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号,通过上述能量和相关性的两步判断,可以进一步提高语音信号的检测准确率。
本领域技术人员应能理解,在上述各个实施例的基础上,还可以进行明显变型(例如,对所列举的模式进行组合)或等同替换。
在上文中,虽然按照上述的顺序描述了语音检测方法实施例中的各个步骤,本领域技术人员应清楚,本公开实施例中的步骤并不必然按照上述顺序执行,其也可以倒序、并行、交叉等其他顺序执行,而且,在上述步骤的基础上,本领域技术人员也可以再加入其他步骤,这些明显变型或等同替换的方式也应包含在本公开的保护范围之内,在此不再赘述。
下面为本公开装置实施例,本公开装置实施例可用于执行本公开方法实施例实现的步骤,为了便于说明,仅示出了与本公开实施例相关的部分,具体技术细节未揭示的,请参照本公开方法实施例。
实施例二
为了解决现有技术中不能进行语音检测的技术问题,本公开实施例提供一种语音检测装置。该装置可以执行上述实施例一所述的语音检测方法实施例中的步骤。如图2所示,该装置主要包括:信号能量确定模块21、信号采集模块22和语音检测模块23;其中,
信号能量确定模块21用于确定原始信号的第一信号能量;
所述信号能量确定模块21还用于根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量;
信号采集模块22用于当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,获取所述多个语音采集设备在所述来波方向的邻近方向上采集到的多个第二信号;
语音检测模块23用于根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号。
进一步的,所述信号能量确定模块21包括:信号合成单元211和信号能量确定单元212;其中,
信号合成单元211用于将所述多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号进行加权求和,得到一个合成信号;
信号能量确定单元212用于将所述合成信号的信号能量作为第二信号能量。
进一步的,所述信号合成单元211具体用于:确定每个语音采集设备在所述原始信号的来波方向上采集到的第一信号的权重;根据每个第一信号的权重对所述多个第一信号进行加权求和,得到一个合成信号。
进一步的,所述信号合成单元211具体用于:根据多个语音采集设备两两之间的距离、所述来波方向、声音在空气中的传播速度确定所述原始信号到达每个语音采集设备的时间差;根据所述时间差、所述第一信号的角频率确定权重。
进一步的,所述语音检测模块23包括:相关度确定单元231和语音检测单元232;其中,
相关度确定单元231用于根据所述多个第一信号和所述多个第二信号确定一个相关度;
语音检测单元232用于当所述相关度大于预设相关度阈值时,则确定所述原始信号中存在语音信号,否则,不存在语音信号。
进一步的,所述相关度确定单元231具体用于:确定所述多个第一信号和所述多个第二信号的两两相关度;取最大相关度作为所述确定的一个相关度。
有关语音检测装置实施例的工作原理、实现的技术效果等详细说明可以参考前述语音检测方法实施例中的相关说明,在此不再赘述。
实施例三
下面参考图3,其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:确定原始信号的第一信号能量;根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量;当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,获取所述多个语音采集设备在所述来波方向的邻近方向上采集到的多个第二信号;根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (9)
1.一种语音检测方法,其特征在于,包括:
确定原始信号的第一信号能量;
根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量;
当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,获取所述多个语音采集设备在所述来波方向的邻近方向上采集到的多个第二信号;
根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号。
2.根据权利要求1所述的方法,其特征在于,所述根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量,包括:
将所述多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号进行加权求和,得到一个合成信号;
将所述合成信号的信号能量作为第二信号能量。
3.根据权利要求2所述的方法,其特征在于,所述将所述多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号进行加权求和,得到一个合成信号,包括:
确定每个语音采集设备在所述原始信号的来波方向上采集到的第一信号的权重;
根据每个第一信号的权重对所述多个第一信号进行加权求和,得到一个合成信号。
4.根据权利要求3所述的方法,其特征在于,所述确定每个语音采集设备在所述原始信号的来波方向上采集到的第一信号的权重,包括:
根据多个语音采集设备两两之间的距离、所述来波方向、声音在空气中的传播速度确定所述原始信号到达每个语音采集设备的时间差;
根据所述时间差、所述第一信号的角频率确定权重。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号,包括:
根据所述多个第一信号和所述多个第二信号确定一个相关度;
当所述相关度大于预设相关度阈值时,则确定所述原始信号中存在语音信号,否则,不存在语音信号。
6.根据权利要求5所述的方法,其特征在于,所述根据所述多个第一信号和所述多个第二信号确定一个相关度,包括:
确定所述多个第一信号和所述多个第二信号的两两相关度;
取最大相关度作为所述确定的一个相关度。
7.一种语音检测装置,其特征在于,包括:
信号能量确定模块,用于确定原始信号的第一信号能量;
所述信号能量确定模块,还用于根据多个语音采集设备在所述原始信号的来波方向上采集到的多个第一信号确定第二信号能量;
信号采集模块,用于当所述第一信号能量与所述第二信号能量的差值大于预设能量阈值时,获取所述多个语音采集设备在所述来波方向的邻近方向上采集到的多个第二信号;
语音检测模块,用于根据所述多个第一信号和所述多个第二信号的相关度确定所述原始信号中是否存在语音信号。
8.一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现根据权利要求1-6任一项所述的语音检测方法。
9.一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行权利要求1-6任一项所述的语音检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011515942.5A CN112634934A (zh) | 2020-12-21 | 2020-12-21 | 语音检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011515942.5A CN112634934A (zh) | 2020-12-21 | 2020-12-21 | 语音检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112634934A true CN112634934A (zh) | 2021-04-09 |
Family
ID=75317946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011515942.5A Pending CN112634934A (zh) | 2020-12-21 | 2020-12-21 | 语音检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112634934A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0876794A (ja) * | 1994-06-30 | 1996-03-22 | Omron Corp | 雑音除去装置、および本装置を用いた自動販売機、現金入出金装置 |
DE69924280D1 (de) * | 1998-11-13 | 2005-04-21 | Qualcomm Inc | Sprachsynthese aus grundfrequenz-prototypwellenformen durch zeit-synchrone wellenforminterpolation |
US20090254341A1 (en) * | 2008-04-03 | 2009-10-08 | Kabushiki Kaisha Toshiba | Apparatus, method, and computer program product for judging speech/non-speech |
EP2752848A1 (en) * | 2013-01-07 | 2014-07-09 | Dietmar Ruwisch | Method and apparatus for generating a noise reduced audio signal using a microphone array |
WO2016015461A1 (zh) * | 2014-07-29 | 2016-02-04 | 华为技术有限公司 | 异常帧检测方法和装置 |
CN105590631A (zh) * | 2014-11-14 | 2016-05-18 | 中兴通讯股份有限公司 | 信号处理的方法及装置 |
US9947338B1 (en) * | 2017-09-19 | 2018-04-17 | Amazon Technologies, Inc. | Echo latency estimation |
CN108369813A (zh) * | 2017-07-31 | 2018-08-03 | 深圳和而泰智能家居科技有限公司 | 特定声音识别方法、设备和存储介质 |
CN109741762A (zh) * | 2019-02-15 | 2019-05-10 | 杭州嘉楠耘智信息科技有限公司 | 声音活动检测方法及装置和计算机可读存储介质 |
US20190164567A1 (en) * | 2017-11-30 | 2019-05-30 | Alibaba Group Holding Limited | Speech signal recognition method and device |
US20190306620A1 (en) * | 2018-03-29 | 2019-10-03 | Panasonic Corporation | Sound source direction estimation device, sound source direction estimation method, and recording medium therefor |
US20200021932A1 (en) * | 2017-03-24 | 2020-01-16 | Yamaha Corporation | Sound Pickup Device and Sound Pickup Method |
CN110827846A (zh) * | 2019-11-14 | 2020-02-21 | 深圳市友杰智新科技有限公司 | 采用加权叠加合成波束的语音降噪方法及装置 |
CN111161751A (zh) * | 2019-12-25 | 2020-05-15 | 声耕智能科技(西安)研究院有限公司 | 复杂场景下的分布式麦克风拾音系统及方法 |
-
2020
- 2020-12-21 CN CN202011515942.5A patent/CN112634934A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0876794A (ja) * | 1994-06-30 | 1996-03-22 | Omron Corp | 雑音除去装置、および本装置を用いた自動販売機、現金入出金装置 |
DE69924280D1 (de) * | 1998-11-13 | 2005-04-21 | Qualcomm Inc | Sprachsynthese aus grundfrequenz-prototypwellenformen durch zeit-synchrone wellenforminterpolation |
US20090254341A1 (en) * | 2008-04-03 | 2009-10-08 | Kabushiki Kaisha Toshiba | Apparatus, method, and computer program product for judging speech/non-speech |
EP2752848A1 (en) * | 2013-01-07 | 2014-07-09 | Dietmar Ruwisch | Method and apparatus for generating a noise reduced audio signal using a microphone array |
WO2016015461A1 (zh) * | 2014-07-29 | 2016-02-04 | 华为技术有限公司 | 异常帧检测方法和装置 |
CN105590631A (zh) * | 2014-11-14 | 2016-05-18 | 中兴通讯股份有限公司 | 信号处理的方法及装置 |
US20200021932A1 (en) * | 2017-03-24 | 2020-01-16 | Yamaha Corporation | Sound Pickup Device and Sound Pickup Method |
CN108369813A (zh) * | 2017-07-31 | 2018-08-03 | 深圳和而泰智能家居科技有限公司 | 特定声音识别方法、设备和存储介质 |
US9947338B1 (en) * | 2017-09-19 | 2018-04-17 | Amazon Technologies, Inc. | Echo latency estimation |
US20190164567A1 (en) * | 2017-11-30 | 2019-05-30 | Alibaba Group Holding Limited | Speech signal recognition method and device |
CN109859749A (zh) * | 2017-11-30 | 2019-06-07 | 阿里巴巴集团控股有限公司 | 一种语音信号识别方法和装置 |
US20190306620A1 (en) * | 2018-03-29 | 2019-10-03 | Panasonic Corporation | Sound source direction estimation device, sound source direction estimation method, and recording medium therefor |
CN109741762A (zh) * | 2019-02-15 | 2019-05-10 | 杭州嘉楠耘智信息科技有限公司 | 声音活动检测方法及装置和计算机可读存储介质 |
CN110827846A (zh) * | 2019-11-14 | 2020-02-21 | 深圳市友杰智新科技有限公司 | 采用加权叠加合成波束的语音降噪方法及装置 |
CN111161751A (zh) * | 2019-12-25 | 2020-05-15 | 声耕智能科技(西安)研究院有限公司 | 复杂场景下的分布式麦克风拾音系统及方法 |
Non-Patent Citations (3)
Title |
---|
XIAOLING YANG等: "Comparative Study on Voice Activity Detection Algorithm", 2010 INTERNATIONAL CONFERENCE ON ELECTRICAL AND CONTROL ENGINEER * |
蔡卫平等: "基于分布式麦克风阵列的声源定位算法", 计算机应用与软件, vol. 31, no. 5 * |
陈孝良: "语音交互为何迭代如此之快", 科技导报 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110413812B (zh) | 神经网络模型的训练方法、装置、电子设备及存储介质 | |
CN113327598B (zh) | 模型的训练方法、语音识别方法、装置、介质及设备 | |
CN112786069B (zh) | 语音提取方法、装置和电子设备 | |
WO2022105622A1 (zh) | 图像分割方法、装置、可读介质及电子设备 | |
WO2022135131A1 (zh) | 声源定位方法、装置和电子设备 | |
CN110555798A (zh) | 图像变形方法、装置、电子设备及计算机可读存储介质 | |
CN113674752B (zh) | 音频信号的降噪方法、装置、可读介质和电子设备 | |
WO2022012178A1 (zh) | 用于生成目标函数的方法、装置、电子设备和计算机可读介质 | |
CN112599147B (zh) | 音频降噪传输方法、装置、电子设备和计算机可读介质 | |
WO2022194145A1 (zh) | 一种拍摄位置确定方法、装置、设备及介质 | |
CN111967584A (zh) | 生成对抗样本的方法、装置、电子设备及计算机存储介质 | |
CN112634934A (zh) | 语音检测方法及装置 | |
CN112946576B (zh) | 声源定位方法、装置和电子设备 | |
CN111402159A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN113763976B (zh) | 音频信号的降噪方法、装置、可读介质和电子设备 | |
CN116072108A (zh) | 模型生成方法、语音识别方法、装置、介质及设备 | |
CN112766190B (zh) | 对抗样本生成方法、装置、存储介质及电子设备 | |
CN112634931B (zh) | 语音增强方法及装置 | |
CN113240108A (zh) | 模型训练方法、装置和电子设备 | |
CN111444384B (zh) | 一种音频关键点确定方法、装置、设备及存储介质 | |
CN113382119B (zh) | 消除回声的方法、装置、可读介质和电子设备 | |
CN112634930B (zh) | 多通道声音增强方法、装置及电子设备 | |
CN113435528B (zh) | 对象分类的方法、装置、可读介质和电子设备 | |
CN117351978A (zh) | 音频掩蔽模型的确定方法、音频掩蔽方法 | |
CN116167933A (zh) | 图像降噪方法、装置、电子设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |