[发明专利]检测音频信号的方法和装置

说明书

本发明实施例提供检测音频信号的方法和装置，包括：确定输入的音频信号为待判断音频信号；确定该音频信号的增强分段信噪比SSNR，其中该增强SSNR大于基准SSNR；将该增强SSNR与语音活动检测VAD判决门限比较，确定该音频信号是否为活动信号。根据本发明实施例所提供的方法和装置能够准确地分辨活动语音和非活动语音。

技术领域

本发明实施例涉及信号处理技术领域，并且更具体地，涉及检测音频信号的方法和装置。

背景技术

语音活动检测(Voice Activity Detection,VAD)是一种广泛应用与语音通信、人机交互等领域的关键技术，VAD也可以被称为声音活动检测(Sound Activity Detection,SAD)。它的作用是检测输入的音频信号中是否有活动性信号，其中活动性信号是相对于非活动信号而言(例如环境背景噪音、静音等)。典型的活动信号包括语音、音乐等。VAD的原理是从输入的音频信号中提取一个或多个特征参数，根据这一个或多个特征参数确定一个或多个特征值，然后将这一个或多个特征值与一个或多个门限值进行比较。

现有技术中的基于分段信噪比(Segmental Signal to Noise Ratio，SSNR)的活动信号检测方法是将输入的音频信号在频带上划分为多个子带信号，计算该音频信号在每一个子带的能量，通过将该音频信号在每一个子带的能量与一个估计出的背景噪声信号在每个子带的能量做对比，获得该音频信号在每个子带上的信噪比(Signal-to-NoiseRatio，SNR)。然后根据每个子带上的子带SNR确定SSNR，将SSNR与预设的VAD判决门限进行比较，如果该SSNR超过该VAD判决门限，则该音频信号为活动信号；如果该SSNR没有超过该VAD判决门限，则该音频信号为非活动信号。

典型的一种计算SSNR的方法是将该音频信号所有子带SNR相加，得到的结果就是SSNR。例如，可以采用公式1.1确定SSNR：

其中，k表示第k个子带，snr(k)表示第k个子带的子带SNR，N表示该音频信号总共被划分为子带的子带个数。

通过上述计算SSNR的方法检测活动语音时，可能会造成活动语音的漏检。

发明内容

本发明实施例提供了检测音频信号的方法和装置，能够准确地分辨活动语音和非活动语音。

第一方面，本发明实施例提供一种检测音频信号的方法，该方法包括：根据由输入的音频信号的频谱划分的N个子带的子带SNR确定所述音频信号为待判断音频信号，N为大于1的正整数；确定所述音频信号的增强SSNR，所述增强SSNR大于基准SSNR；将所述增强SSNR与语音活动检测VAD判决门限进行比较以确定所述音频信号是否为活动信号。

结合第一方面，在第一方面的第一种可能的实现方式中，所述根据由输入的音频信号的频谱划分的N个子带的子带SNR确定所述音频信号为待判断音频信号包括：

在所述N个子带中子带SNR大于第一预设门限的高频端子带的数量大于第一数量的情况下，确定所述音频信号为所述待判断音频信号。结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述确定所述音频信号的增强分段信噪比SSNR，包括：

根据所述音频信号中各个子带的子带SNR的权重和各个子带的子带SNR，确定所述增强SSNR，其中，在所述N个子带中所述高频端子带的子带SNR的权重大于其他子带的子带SNR的权重。

结合第一方面的第一种可能的实现方式，在第一方面的第三种可能的实现方式中，所述确定所述音频信号的增强分段信噪比SSNR，包括：

确定所述音频信号的基准SSNR；

根据所述音频信号的基准SSNR，确定所述增强SSNR。