本發(fā)明屬于語(yǔ)音端點(diǎn)檢測(cè)領(lǐng)域，特別涉及一種雙門限地名語(yǔ)音端點(diǎn)檢測(cè)方法。
背景技術(shù)：
隨著經(jīng)濟(jì)的高速發(fā)展和全球化趨勢(shì)的日益突出，現(xiàn)代物流行業(yè)已在發(fā)達(dá)國(guó)家得到了空前的發(fā)展，并產(chǎn)生了巨大的經(jīng)濟(jì)效益和社會(huì)效益。物流資源有運(yùn)輸、倉(cāng)儲(chǔ)、分揀、包裝、配送等，這些資源分散在多個(gè)領(lǐng)域，包括制造業(yè)、農(nóng)業(yè)、流通業(yè)等。
在分揀環(huán)節(jié)中，現(xiàn)階段基本是人工進(jìn)行分揀，由于工人們長(zhǎng)期處于嘈雜的工作環(huán)境中，心里和身體上勢(shì)必會(huì)產(chǎn)生一定的疲勞感，并且工作任務(wù)的單一性和重復(fù)性也會(huì)使他們的工作狀態(tài)過(guò)于放松，這必然導(dǎo)致分揀精確性的下降，造成較多不可挽回的分揀失誤事故發(fā)生，因此工業(yè)領(lǐng)域中對(duì)流水線上的產(chǎn)品進(jìn)行人工檢測(cè)的方式已不能滿足現(xiàn)代化工業(yè)的需求。
語(yǔ)音識(shí)別作為人機(jī)交互的重要接口，發(fā)展到現(xiàn)在已經(jīng)在很多方面改變了我們的生活，從智能家居的語(yǔ)音控制系統(tǒng)到車載語(yǔ)音識(shí)別系統(tǒng)等，因此將語(yǔ)音識(shí)別技術(shù)與物流分揀環(huán)節(jié)的融合是物流行業(yè)發(fā)展的必然要求。
而在語(yǔ)音識(shí)別技術(shù)中，端點(diǎn)檢測(cè)技術(shù)是語(yǔ)音識(shí)別中極為重要的環(huán)節(jié)，其效果的好壞直接影響最終的識(shí)別結(jié)果，傳統(tǒng)的基于短時(shí)能量和過(guò)零率的端點(diǎn)檢測(cè)方法是在理想的環(huán)境中才能適用，且對(duì)于孤立詞的地名語(yǔ)音信號(hào)，端點(diǎn)檢測(cè)的準(zhǔn)確率相對(duì)較低。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種雙門限地名語(yǔ)音端點(diǎn)檢測(cè)方法，提高了端點(diǎn)檢測(cè)的準(zhǔn)確性。
一種雙門限地名語(yǔ)音端點(diǎn)檢測(cè)方法，包括以下步驟：從第一幀信號(hào)開(kāi)始判斷每幀語(yǔ)音信號(hào)的能量與最低能量閾值、最高能量閾值的大小，判斷過(guò)零率與過(guò)零率閾值的大小，從而確定對(duì)下一幀信號(hào)進(jìn)行檢測(cè)的合適方法，并在可能進(jìn)入語(yǔ)音狀態(tài)的情況下，通過(guò)增加變量來(lái)對(duì)語(yǔ)音段前面出現(xiàn)的發(fā)音輕時(shí)間段的語(yǔ)音信號(hào)進(jìn)行保留。
具體步驟如下：
1、接收經(jīng)過(guò)預(yù)處理的地名語(yǔ)音信號(hào)，判斷每幀語(yǔ)音信號(hào)的能量與最低能量閾值、最高能量閾值的大小以及判斷過(guò)零率與過(guò)零率閾值的大??；
2、當(dāng)?shù)趇幀語(yǔ)音信號(hào)的能量＜最低能量閾值時(shí)，將狀態(tài)變量設(shè)置為0，語(yǔ)音長(zhǎng)度計(jì)數(shù)變量設(shè)置成0，表明仍處于靜音段，繼續(xù)返回步驟1進(jìn)行下一幀檢測(cè)；
當(dāng)最高能量閾值＞第i幀語(yǔ)音信號(hào)的能量＞最低能量閾值，且過(guò)零率＞過(guò)零率閾值，將狀態(tài)變量設(shè)置為1，表明可能處于語(yǔ)音段，將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量加1，同時(shí)將可能處于語(yǔ)音段的長(zhǎng)度的變量加1，并返回步驟1進(jìn)行下一幀檢測(cè)；
3、若已經(jīng)有狀態(tài)變量為1，則對(duì)可能處于語(yǔ)音段的語(yǔ)音信號(hào)按照一定的標(biāo)準(zhǔn)進(jìn)行篩選，進(jìn)一步區(qū)分噪音段和語(yǔ)音段；
4、當(dāng)?shù)趇幀語(yǔ)音信號(hào)的能量＞最高能量閾值，則將狀態(tài)變量設(shè)置為2，表示進(jìn)入語(yǔ)音段，同時(shí)將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量加1，按照步驟5進(jìn)行下一幀檢測(cè)；
5、判斷當(dāng)前幀語(yǔ)音信號(hào)的能量＞最低能量閾值或當(dāng)前幀語(yǔ)音信號(hào)的過(guò)零率＞過(guò)零率閾值是否成立；
若成立，表示還在語(yǔ)音段，不是靜音，將狀態(tài)變量保持為2，語(yǔ)音長(zhǎng)度計(jì)數(shù)變量加1，按照步驟5繼續(xù)下一幀檢測(cè)；
若不成立，說(shuō)明信號(hào)已經(jīng)從語(yǔ)音段轉(zhuǎn)向靜音段，則將靜音長(zhǎng)度加1，并對(duì)靜音長(zhǎng)度作進(jìn)一步判斷；直到找到全部有效的語(yǔ)音信號(hào)，將狀態(tài)參數(shù)設(shè)置為3，結(jié)束進(jìn)程。
優(yōu)選的，若已經(jīng)有狀態(tài)變量為1，且語(yǔ)音信號(hào)的能量小于最低能量閾值時(shí)，判斷可能處于語(yǔ)音段的長(zhǎng)度的變量大于一定閾值是否成立，若成立，表示當(dāng)前是噪音段，舍棄前面的語(yǔ)音部分，令狀態(tài)變量，語(yǔ)音長(zhǎng)度計(jì)數(shù)變量和可能處于語(yǔ)音段的長(zhǎng)度的變量等于0并返回步驟1繼續(xù)下一幀檢測(cè)；若不成立，則表示可能還在語(yǔ)音段，保持狀態(tài)變量等于1且將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量加1，可能處于語(yǔ)音段的長(zhǎng)度的變量加1，返回步驟1進(jìn)行下一幀檢測(cè)。
進(jìn)一步的，上述一定閾值等于6。
優(yōu)選的，對(duì)靜音長(zhǎng)度作進(jìn)一步判斷的步驟是：判斷靜音長(zhǎng)度＜最大靜音長(zhǎng)度是否成立；
若成立，則保持狀態(tài)變量為2，將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量加1，并按照步驟5進(jìn)行下一幀檢測(cè)；
若不成立，則判斷語(yǔ)音長(zhǎng)度計(jì)數(shù)變量＜語(yǔ)音信號(hào)最小長(zhǎng)度是否成立；若語(yǔ)音長(zhǎng)度計(jì)數(shù)變量＜語(yǔ)音信號(hào)最小長(zhǎng)度成立，表明前面檢測(cè)出來(lái)的都是噪聲，將狀態(tài)變量設(shè)置為0、靜音段長(zhǎng)度設(shè)置為0、語(yǔ)音長(zhǎng)度計(jì)數(shù)變量設(shè)置為0，再繼續(xù)檢驗(yàn)；若語(yǔ)音長(zhǎng)度計(jì)數(shù)變量＜語(yǔ)音信號(hào)最小長(zhǎng)度不成立，表示語(yǔ)音段已經(jīng)找到，認(rèn)為是有效的語(yǔ)音信號(hào)，將狀態(tài)參數(shù)設(shè)置為3，結(jié)束進(jìn)程。
優(yōu)選的，初始狀態(tài)下，令狀態(tài)變量等于0，語(yǔ)音長(zhǎng)度計(jì)數(shù)變量等于0，用于計(jì)算未確定進(jìn)入語(yǔ)音段時(shí)可能處于語(yǔ)音段的長(zhǎng)度的變量等于0，靜音長(zhǎng)度等于0。
優(yōu)選的，所述最低能量閾值的值為0.01，最高能量閾值的值是0.1，過(guò)零率閾值為100。
優(yōu)選的，所述靜音最大長(zhǎng)度等于10，所述語(yǔ)音信號(hào)最小長(zhǎng)度等于5。
優(yōu)選的，預(yù)處理過(guò)程包括預(yù)加重處理及分幀處理。
具體的，預(yù)加重處理是通過(guò)具有6dB/倍頻程的提升高頻特性的數(shù)字濾波器來(lái)實(shí)現(xiàn)，所述高通濾波器滿足H(z)＝1-μz-1，μ＝0.97；按照幀長(zhǎng)256，幀移128對(duì)語(yǔ)音信號(hào)進(jìn)行分幀。
本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)和有益效果：
本發(fā)明結(jié)合孤立詞的地名語(yǔ)音信號(hào)的特點(diǎn)，通過(guò)對(duì)傳統(tǒng)的雙門限方法進(jìn)行改進(jìn)，加入用于計(jì)算未確定進(jìn)入語(yǔ)音段時(shí)可能處于語(yǔ)音段的長(zhǎng)度的變量slience1變量，以及優(yōu)化各種端點(diǎn)檢測(cè)參數(shù)，能夠保證輕音且持續(xù)時(shí)間很短的斷續(xù)的地名語(yǔ)音信號(hào)的前一部分不會(huì)被判定為噪聲，從而避免丟失語(yǔ)音信號(hào)，提高了端點(diǎn)檢測(cè)的準(zhǔn)確性以及現(xiàn)場(chǎng)應(yīng)用環(huán)境的適應(yīng)性，降低了端點(diǎn)檢測(cè)對(duì)環(huán)境的要求。
附圖說(shuō)明
圖1是實(shí)施例方法的過(guò)程示意圖。
具體實(shí)施方式
下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限于此。
在地名語(yǔ)音信號(hào)的端點(diǎn)檢測(cè)過(guò)程中，如果一段地名語(yǔ)音先是處于語(yǔ)音段，然后處于靜音段，再進(jìn)入正常語(yǔ)音段，則傳統(tǒng)的端點(diǎn)檢測(cè)方法會(huì)將正常語(yǔ)音段前面的一段認(rèn)為是噪音段，然后重新剪切語(yǔ)音信號(hào)，這就導(dǎo)致語(yǔ)音信號(hào)的丟失，例如“石家莊”這個(gè)發(fā)音，“石”發(fā)音很輕很短，不易識(shí)別。
而本實(shí)施例給出的雙門限地名語(yǔ)音端點(diǎn)檢測(cè)方法，基于改進(jìn)的短時(shí)平均能量和過(guò)零率，通過(guò)加入用于計(jì)算未確定進(jìn)入語(yǔ)音段時(shí)可能處于語(yǔ)音段的長(zhǎng)度的變量slience1，即使遇到上述情況，也能夠保存正常語(yǔ)音段前面的語(yǔ)音長(zhǎng)度，將其作為有效片段，從而提高端點(diǎn)檢測(cè)的有效性。
在進(jìn)行端點(diǎn)檢測(cè)前，對(duì)地名語(yǔ)音信號(hào)進(jìn)行預(yù)處理，包括預(yù)加重處理(Pre-emphasis)及分幀處理。
由于語(yǔ)音信號(hào)的平均功率受聲門激勵(lì)和口鼻輻射的影響，高頻端大約在80Hz以上按6dB倍頻程跌落，所以當(dāng)求語(yǔ)音信號(hào)頻譜時(shí)，頻率越高相應(yīng)的成分越小，高頻部分的頻譜比低頻部分難求，因此要對(duì)語(yǔ)音信號(hào)進(jìn)行預(yù)加重處理。預(yù)加重處理的中心思想是利用信號(hào)特性和噪聲特性的差別來(lái)有效地對(duì)信號(hào)進(jìn)行處理，目的是提升高頻部分，使信號(hào)的頻譜變得平坦，保持在低頻到高頻的整個(gè)頻帶中，能用同樣的信噪比求頻譜，以便于頻譜分析或聲道參數(shù)分析。預(yù)加重是通過(guò)具有6dB/倍頻程的提升高頻特性的數(shù)字濾波器來(lái)實(shí)現(xiàn)，本實(shí)施例中采用高通濾波器，所述高通濾波器滿足H(z)＝1-μz-1，μ＝0.97。
另外，語(yǔ)音信號(hào)從整體來(lái)看，其特性及表征其本質(zhì)特征的參數(shù)均是隨時(shí)間變化的，但是它又具有短時(shí)平穩(wěn)特性，在短時(shí)間內(nèi)(一般為10ms～30ms內(nèi))可以看作是一個(gè)近似不變的平穩(wěn)過(guò)程。
目前絕大多數(shù)的語(yǔ)音信號(hào)處理技術(shù)均是在短時(shí)的基礎(chǔ)上對(duì)語(yǔ)音信號(hào)進(jìn)行分幀處理，然后分別對(duì)每一幀提取特征參數(shù)段，為了使幀與幀之間平滑，保持連續(xù)性，一般采用交疊分幀的方法，使前一幀和后一幀具有相交部分，相交部分稱為幀移，分幀時(shí)要對(duì)幀長(zhǎng)和幀移的長(zhǎng)度進(jìn)行選擇，如果采用較大的幀長(zhǎng)，則幀數(shù)太少，計(jì)算量會(huì)小，系統(tǒng)處理的速度快，但容易增加端點(diǎn)檢測(cè)的誤差，如果采用較小的幀長(zhǎng)，則幀數(shù)較多，計(jì)算量增加，系統(tǒng)處理的速度慢。一般每秒的幀數(shù)約為33～100幀，幀移一般取幀長(zhǎng)的1/3～2/3，本實(shí)施例中，按照幀長(zhǎng)256，幀移128對(duì)語(yǔ)音信號(hào)進(jìn)行分幀，256、128均為采樣點(diǎn)個(gè)數(shù)。
對(duì)地名語(yǔ)音信號(hào)經(jīng)過(guò)預(yù)處理后，即可進(jìn)行端點(diǎn)檢測(cè)，，如附圖1所示，具體步驟如下：
初始狀態(tài)下，令狀態(tài)變量status＝0，語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count＝0，用于計(jì)算未確定進(jìn)入語(yǔ)音段時(shí)可能處于語(yǔ)音段的長(zhǎng)度的變量slience1＝0，靜音長(zhǎng)度slience＝0。
S1、接收經(jīng)過(guò)預(yù)處理的地名語(yǔ)音信號(hào)，判斷每幀語(yǔ)音信號(hào)的能量amp[i]與最低能量閾值amp2、最高能量閾值amp1的大小以及判斷過(guò)零率zcr[i]與過(guò)零率閾值z(mì)cr的大小，其中，所述最低能量閾值amp2的值為0.01，最高能量閾值amp1的值是0.1，過(guò)零率閾值z(mì)cr為100。
這些閾值均是語(yǔ)音信號(hào)在歸一化處理之后設(shè)置的閾值，假設(shè)語(yǔ)音信號(hào)為x＝[x1，x2，…xn]，則歸一化處理是：
在這些處理之后，信號(hào)x中的所有值均在[-1，1]之間。在這基礎(chǔ)上設(shè)定的閾值，以下數(shù)據(jù)均是在歸一化之后設(shè)定的閾值。
這個(gè)過(guò)程是將語(yǔ)音信號(hào)的每一幀依次進(jìn)行檢測(cè)，根據(jù)語(yǔ)音信號(hào)各幀的判斷結(jié)果，設(shè)置狀態(tài)變量status的值，從而確定下一幀語(yǔ)音信號(hào)應(yīng)該如何進(jìn)行判斷。
S2、當(dāng)?shù)趇幀語(yǔ)音信號(hào)的能量amp[i]＜最低能量閾值amp2時(shí)，將狀態(tài)變量status設(shè)置為0，語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count設(shè)置成0，表明仍處于靜音段，繼續(xù)返回S1步驟進(jìn)行下一幀檢測(cè)；
S3、當(dāng)最高能量閾值amp1＞第i幀語(yǔ)音信號(hào)的能量amp[i]＞最低能量閾值amp2，且過(guò)零率zcr[i]＞過(guò)零率閾值z(mì)cr，將狀態(tài)變量status設(shè)置為1，表明可能處于語(yǔ)音段，將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count加1，同時(shí)將可能處于語(yǔ)音段的長(zhǎng)度的變量sliencel加1，并返回S1步驟進(jìn)行下一幀檢測(cè)。
S4、若已經(jīng)進(jìn)入狀態(tài)status＝1，且當(dāng)下一幀語(yǔ)音信號(hào)的能量小于最低能量閾值amp2時(shí)，判斷sliencel＞6是否成立，若成立，表示當(dāng)前是噪音段，舍棄前面的語(yǔ)音部分，令狀態(tài)變量status＝0，語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count＝0，可能處于語(yǔ)音段的長(zhǎng)度的變量slience1＝0并返回S1步驟繼續(xù)下一幀檢測(cè)；若不成立，則表示可能還在語(yǔ)音段，保持狀態(tài)變量status＝1且將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count加1，可能處于語(yǔ)音段的長(zhǎng)度的變量slience1加1，返回S1步驟進(jìn)行下一幀檢測(cè)。
S5、當(dāng)?shù)趇幀語(yǔ)音信號(hào)的能量amp[i]＞最高能量閾值amp1，則將狀態(tài)變量status設(shè)置為2，表示進(jìn)入語(yǔ)音段，同時(shí)將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count加1，按照S6步驟進(jìn)行下一幀檢測(cè)。
S6、判斷當(dāng)前幀語(yǔ)音信號(hào)的能量amp[i]＞最低能量閾值amp2或當(dāng)前幀語(yǔ)音信號(hào)的過(guò)零率zcr[i]＞過(guò)零率閾值z(mì)cr是否成立。
若成立，表示還在語(yǔ)音段，不是靜音，將狀態(tài)變量status保持為2，語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count加1，按照S6步驟繼續(xù)下一幀檢測(cè)。
若不成立，說(shuō)明信號(hào)已經(jīng)從語(yǔ)音段轉(zhuǎn)向靜音段，則將靜音長(zhǎng)度slience加1，此處?kù)o音長(zhǎng)度slience變量是用于后面判斷語(yǔ)音信號(hào)是否結(jié)束，并執(zhí)行S9步驟。
S9、判斷靜音長(zhǎng)度slience＜最大靜音長(zhǎng)度maxslience是否成立，其中所述靜音最大長(zhǎng)度maxslience＝10；
若成立，則表示可能還在語(yǔ)音段，這是因?yàn)樵谇懊娉霈F(xiàn)語(yǔ)音信號(hào)之后，當(dāng)前靜音段的語(yǔ)音長(zhǎng)度沒(méi)有達(dá)到最大靜音長(zhǎng)度，則說(shuō)明語(yǔ)音信號(hào)后面可能還沒(méi)結(jié)束，可能還有信號(hào)，因此可能還在語(yǔ)音段，保持狀態(tài)變量status為2，將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count加1，并按照步驟S6進(jìn)行下一幀檢測(cè)。
若不成立，則判斷語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count＜語(yǔ)音信號(hào)最小長(zhǎng)度minlen是否成立，其中所述語(yǔ)音信號(hào)最小長(zhǎng)度minlen＝5；若語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count＜語(yǔ)音信號(hào)最小長(zhǎng)度minlen成立，表明前面檢測(cè)出來(lái)的都是噪聲，這是因?yàn)椋赫５恼Z(yǔ)音信號(hào)長(zhǎng)度應(yīng)該大于語(yǔ)音信號(hào)最小長(zhǎng)度minlen，若小于此長(zhǎng)度，則判定為噪聲，將狀態(tài)變量status設(shè)置為0、靜音段長(zhǎng)度slience設(shè)置為0、語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count設(shè)置為0，再繼續(xù)檢驗(yàn)；若語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count＜語(yǔ)音信號(hào)最小長(zhǎng)度minlen不成立，表示語(yǔ)音段已經(jīng)找到，認(rèn)為是有效的語(yǔ)音信號(hào)，因此可以結(jié)束整個(gè)過(guò)程，即將狀態(tài)參數(shù)status設(shè)置為3，結(jié)束進(jìn)程。
本實(shí)施例中對(duì)于范圍的判斷都是用大于或者小于表達(dá)，未提及等于，可將等于歸結(jié)為大于那一類。
上述實(shí)施例為本發(fā)明較佳的實(shí)施方式，但本發(fā)明的實(shí)施方式并不受上述實(shí)施例的限制，其他的任何未背離本發(fā)明的精神實(shí)質(zhì)與原理下所作的改變、修飾、替代、組合、簡(jiǎn)化，均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護(hù)范圍之內(nèi)。