[发明专利]一种多尺度自适应语音端点检测方法

权利要求书

1.一种多尺度自适应语音端点检测方法，其特征在于，包括步骤：读取数字音频信号；计算数字音频信号的背景信号阈值；对数字音频信号进行粗检，检出语音信号端点待选区域；对待选区域进行细检，检出语音信号端点；具体包括以下步骤：

步骤1，读取数字音频信号；

步骤2，读取数字音频信号起始部分内容，以短时幅值和短时幅值前向差分函数为特征，采用大尺度计算背景信号阈值Hb；

步骤3，对数字音频信号进行大尺度粗检，检出语音信号的起始点待选区域与终止点待选区域；

步骤4，对步骤3检测出的起始点待选区域与终止点待选区域进行小尺度细检，检出语音信号起始点与终止点；

所述步骤2具体包括以下步骤：

步骤2.1，对整个待测数字音频信号，按大尺度计算短时幅值，如式1：

式中：x_n(i)表示第n帧内第i个数字音频信号的幅值，N为帧长，M(n)表示第n帧的短时幅值；

步骤2.2，计算待测数字音频信号前m帧的短时幅值前向差分函数F₁(n)，其中16≤m≤24，如式2：

步骤2.3，找出短时幅值前向差分函数F₁(n)的最大值，以及对应的帧号k；

步骤2.4，计算前k个帧的短时幅值的平均值，该平均值即为背景信号阈值Hb。

2.如权利要求1所述的多尺度自适应语音端点检测方法，其特征在于，所述步骤3具体包括以下步骤：

步骤3.1，根据阈值Hb进行逐帧比较，若第i帧及其后连续P帧，其短时幅值都大于Hb，则取从(i-1)帧开始的w个帧，作为起始点的待选区域；其中，4≤P≤6，4≤w≤6；

步骤3.2，根据阈值Hb进行逐帧比较，若第i帧及其后连续的P帧，其短时幅值都小于Hb，则取从(i)帧开始的x帧，作为终止点的待选区域；其中，4≤P≤6，4≤x≤6。

3.如权利要求1所述的多尺度自适应语音端点检测方法，其特征在于，所述步骤4具体包括以下步骤：

步骤4.1，对步骤3检出的起始点待选区域与终止点待选区域，按照小尺度计算短时幅值，如式1；

式中：x_n(i)表示第n帧内第i个数字音频信号的幅值，N为帧长，M(n)表示第n帧的短时幅值；

步骤4.2，计算起始点待选区域与终止点待选区域的逆向差分函数，如式3：

步骤4.3，对起始点待选区域，找出逆向差分函数F₂(n)的最大值，以及其对应的帧号y，则y帧为起始点；

步骤4.4，对终止点待选区域，找出逆向差分函数F₂(n)的最大值，以及其对应的帧号z，则z帧为终止点。

4.如权利要求1所述的多尺度自适应语音端点检测方法，其特征在于，还包括步骤5，合并步骤4检出的语音段。

5.如权利要求4所述的多尺度自适应语音端点检测方法，其特征在于，所述步骤5的具体过程为：找出第一个起始点与最后一个终止点，去除中间所有端点。

6.如权利要求4所述的多尺度自适应语音端点检测方法，其特征在于，所述步骤5的具体过程为：步骤5.1：设定一个间隙阈值Hn，若前一个语音段终止点和下一个语音段起始点之间的距离＜Hn，则将这两段合并为一段，否则不合并；步骤5.2：循环步骤5.1的操作，直至合并完毕。

7.如权利要求1所述的多尺度自适应语音端点检测方法，其特征在于，所述步骤2、步骤3中，大尺度帧长为256，帧移为128。

8.如权利要求1所述的多尺度自适应语音端点检测方法，其特征在于，所述步骤4中，小尺度帧长为128，帧移为64。