[发明专利]一种静音检测方法和装置

说明书

技术领域

本发明涉及一种信号检测方法，尤其涉及一种从音频帧的时间序列中检测识别语音和噪声的方法。

背景技术

音频信号的传输基本以图1的形式进行。如图1所示，首先必须对音频信号进行静音检测，其目的就是从音频的时间序列中检测或识别出语音和噪声。之所以需要利用静音检测对语音和噪声作区分，是因为一般的音频时间序列中含有大量的噪声，有时候甚至达到50％，若对噪声和语音用同一个编解码方式则显得很浪费也不合理。区分出语音和噪声后分别对其进行不同的编解码，既节省比特数也节省了一定的运算量。

静音检测方法一般包括两个阶段，如图2所示，分为信号特征提取阶段11和语音/噪声决策阶段12。静音检测首先接收一个输入的音频，在信号特征提取阶段11将音频信号的相关特征提取出来，然后在语音/噪声决策阶段12对这些相关特征进行分析，识别出是否存在语音，最后将识别结果作为输出。很多语音编解码标准例如G.729和AMR-WB中都规定了静音检测的算法。G.729标准里规定的静音检测算法包括了过零率提取、低频能量提取、总能量提取和谱距离提取。AMR-WB标准里则采用信号在不同频带里的能量和开环基音特征进行提取。在特征提取以后，它们都是采用多边界决策和hangover平滑进行最终的决策。它们有一个共同的缺点：在静音检测之前，必须对每一帧音频信号进行一次线性预测(LinearPrediction，LP)分析，而一次线性预测所需要的时间是O(N²)，其中N是LP分析的阶数。尽管对于含有语音的帧，本来就是要在语音编码阶段做LP分析，所以在静音检测的时候做LP分析并不是时间上的浪费。但是对于仅含噪声的帧来说，并不需要做LP分析，因此在静音检测时做一次LP分析则是没有必要的，是一种浪费。

发明内容

本发明的目的在于解决上述问题，提供了一种静音检测方法和装置，它避免了对仅含噪声的音频帧做多余的线性预测分析，具有较好的检测率和低复杂性。

本发明的技术方案为：本发明提供了一种静音检测方法，用于对一个音频帧序列进行检测，识别出存在语音信号的音频帧和只含有噪声的音频帧，所述检测方法包括：

(1)第一帧音频进行预处理；

(2)接收下一帧音频作为当前的音频帧；

(3)根据N阶线性预测系数计算线性预测加权能量，其中N为自然数；

(4)根据线性预测加权能量判断是否存在语音信号，若存在则说明当前帧是语音且继续下一步，否则识别出当前帧是噪声并转入步骤(6)；

(5)将当前帧进行线性预测分析得出该帧自身的N阶线性预测系数，以替换原来步骤(3)中的N阶线性预测系数；

(6)判断当前帧是否是帧序列中的最后一帧，若是则结束，否则转入步骤(2)。

上述的静音检测方法，其中，步骤(1)进一步包括：(a)第一帧音频进行线性预测分析，得出N阶线性预测系数；(b)根据N阶线性预测系数计算第一帧的线性预测加权能量；(c)根据线性预测加权能量判断是否存在语音信号。

上述的静音检测方法，其特征在于，音频帧的线性预测加权能量的计算过程包括：

根据N阶线性预测系数a₁～a_N建立n×n维的矩阵A，其中n为当前帧的采样点个数，矩阵A为：A＝[K_ij]，其中1≤i，j≤n且i，j为自然数，当i-j＝0时K_ij＝1，当i-j＜0或i-j＞N时K_ij＝0，当0＜i-j≤N时K_ij＝a_i-j；

求矩阵A的逆矩阵A^-1＝[K_ij^-1]，其中1≤i，j≤n且i，j为自然数；

根据逆矩阵A^-1求出中间系数b₁～b_N：b_i＝K_1，i+1^-1，i是1～N之间的自然数；