[发明专利]基于时域和频域的语音活性检测方法和设备

权利要求书

1.一种基于时域和频域的语音活性检测方法，其特征在于，该方法包括：

在向输入的语音信号中加入白噪声之前，估计所述语音信号的噪声能量；

根据所估计的噪声能量确定要加入的白噪声的比例；

按照所确定的比例向所述输入的语音信号中加入白噪声；

对加入白噪声后的语音信号进行分帧处理；

确定每帧的短时能量值，所述短时能量反映所述语音信号的时域特性；

确定每帧的谐波乘积谱值；以及

针对每一帧，根据该帧的短时能量值和该帧的谐波乘积谱值来共同确定该帧是否为语音帧，并得出所述语音信号中所包含的语音片段。

2.根据权利要求1所述的方法，其特征在于，对所述语音信号的噪声能量的所述估计是动态进行的。

3.根据权利要求1所述的方法，其特征在于，所述白噪声为高斯白噪声。

4.根据权利要求1所述的方法，其特征在于，确定所述每帧的谐波乘积谱值的步骤包括：

对所述加入白噪声后的语音信号进行规范化；

获取每帧的频域信息；以及

根据所述每帧的频域信息来确定所述每帧的谐波乘积谱值。

5.根据权利要求1-4中任一权利要求所述的方法，其特征在于，通过以下方式来确定所述帧是否为语音帧：

在所述帧的短时能量值大于或等于第一阈值、并且所述帧的谐波乘积谱值大于或等于第二阈值的情况下，确定所述帧为所述语音帧。

6.根据权利要求1-4中任一权利要求所述的方法，其特征在于，通过以下方式来确定所述帧是否为语音帧：

利用预先建立的分类模型、根据所述帧的短时能量值和所述帧的谐波乘积谱值来对所述帧进行分类，以确定所述帧是否为所述语音帧。

7.一种基于时域和频域的语音活性检测设备，其特征在于，该设备包括：

用于在向输入的语音信号中加入白噪声之前，估计所述语音信号的噪声能量的装置；

用于根据所估计的噪声能量确定要加入的白噪声的比例的装置；

用于按照所确定的比例向所述输入的语音信号中加入白噪声的装置；

用于对加入白噪声后的语音信号进行分帧处理的装置；

用于确定每帧的短时能量值的装置，所述短时能量值反映所述语音信号的时域特性；

用于确定每帧的谐波乘积谱值的装置；以及

用于针对每一帧，根据该帧的短时能量值和该帧的谐波乘积谱值来共同确定该帧是否为语音帧，并得出所述语音信号中所包含的语音片段的装置。

8.根据权利要求7所述的设备，其特征在于，对所述语音信号的噪声能量的所述估计是动态进行的。

9.根据权利要求7所述的设备，其特征在于，所述白噪声为高斯白噪声。

10.根据权利要求7所述的设备，其特征在于，用于确定所述每帧的谐波乘积谱值的装置包括：

用于对所述加入白噪声后的语音信号进行规范化的装置；

用于获取每帧的频域信息的装置；以及

用于根据所述每帧的频域信息来确定所述每帧的谐波乘积谱值的装置。

11.根据权利要求7-10中任一权利要求所述的设备，其特征在于，通过以下方式来确定所述帧是否为语音帧：

在所述帧的短时能量值大于或等于第一阈值、并且所述帧的谐波乘积谱值大于或等于第二阈值的情况下，确定所述帧为所述语音帧。

12.根据权利要求7-10中任一权利要求所述的设备，其特征在于，通过以下方式来确定所述帧是否为语音帧：

利用预先建立的分类模型、根据所述帧的短时能量值和所述帧的谐波乘积谱值来对所述帧进行分类，以确定所述帧是否为所述语音帧。