[发明专利]一种基于语音激活检测的语音质量评估方法及装置

权利要求书

1.一种基于语音激活检测的语音质量评估方法，其特征在于，包括：

S1、获取样本音频文件的PCM二进制数据；

S2、对样本音频文件的PCM二进制数据进行分帧处理，得到每帧PCM二进制数据对应的短时平稳音频信号；

S3、依次按帧对短时平稳音频信号进行语音激活检测，确定短时平稳音频信号对应的帧为语音帧或非语音帧；

S4、以预置帧数为步长对样本音频文件的片段音频文件进行语音质量检测，确定不存在削顶失真的片段音频，并计算片段音频文件的信噪比、有效时间占比和平均能量值，并依次将信噪比、有效时间占比和平均能量值与对应的预设阈值进行比较，若信噪比、有效时间占比和平均能量值均高于对应的预设阈值，则确定片段音频文件质量合格，并保存片段音频文件；

S5、将保存的质量合格的片段音频文件拼接合成为完整的音频文件。

2.根据权利要求1所述的基于语音激活检测的语音质量评估方法，其特征在于，步骤S4中语音质量检测为：

S401、对片段音频文件进行削顶检测，并判断片段音频文件是否存在削顶失真，若是，则将片段音频文件舍弃，若否，则执行步骤S402；

S402、计算片段音频文件的信噪比，并判断片段音频文件的信噪比是否高于预置信噪比阈值，若是，则执行步骤S403，若否，则将片段音频文件舍弃；

S403、计算片段音频文件的有效时间占比，并判断片段音频文件的有效时间占比是否高于预置有效时间占比阈值，若是，则执行步骤S404，若否，则将片段音频文件舍弃；

S404、计算片段音频文件的平均能量值，并判断片段音频文件的平均能量值是否高于预置平均能量值阈值，若是，则确定片段音频质量合格，并保存片段音频文件，若否，则将片段音频文件舍弃。

3.根据权利要求2所述的基于语音激活检测的语音质量评估方法，其特征在于，步骤S402中计算片段音频文件的信噪比具体为：

获取片段音频文件的语音平均幅值；

获取片段音频文件的噪声平均幅值；

以语音平均幅值与噪声平均幅值相除得到的比值为底数，e为对数进行对数运算，将得到的对数运算结果乘以倍数20得到片段音频文件的信噪比。

4.根据权利要求2所述的基于语音激活检测的语音质量评估方法，其特征在于，步骤S403中计算片段音频文件的有效时间占比具体为：

获取片段音频文件中语音帧的总时长；

获取片段音频文件中所有帧的总时长；

将语音帧的总时长与所有帧的总时长相除，得到片段音频文件的有效时间占比。

5.根据权利要求2所述的基于语音激活检测的语音质量评估方法，其特征在于，步骤S404中计算片段音频文件的平均能量值具体为：

获取片段音频文件中每帧语音帧的能量值的幅值；

将每帧语音帧的能量值的幅值进行加权计算，得到片段音频文件的能量值加权值；

获取片段音频文件中语音帧的帧数；

将能量值的加权值与语音帧的帧数相除，得到片段音频文件的平均能量值。

6.一种基于语音激活检测的语音质量评估装置，其特征在于，包括：

获取单元，用于获取样本音频文件的PCM二进制数据；

分帧单元，用于对样本音频文件的PCM二进制数据进行分帧处理，得到每帧PCM二进制数据对应的短时平稳音频信号；

语音激活检测单元，用于依次按帧对短时平稳音频信号进行语音激活检测，确定短时平稳音频信号对应的帧为语音帧或非语音帧；

质量检测单元，用于以预置帧数为步长对样本音频文件的片段音频文件进行语音质量检测，确定不存在削顶失真的片段音频，并计算片段音频文件的信噪比、有效时间占比和平均能量值，并依次将信噪比、有效时间占比和平均能量值与对应的预设阈值进行比较，若信噪比、有效时间占比和平均能量值均高于对应的预设阈值，则确定片段音频文件质量合格，并保存片段音频文件；

音频拼接合成单元，用于将保存的质量合格的片段音频文件拼接合成为完整的音频文件。