[发明专利]一种语音唤醒方法、装置、设备及介质

说明书

本申请公开了一种语音唤醒方法，包括通过麦克风阵列采集语音信号；利用N个波束形成降噪算法分别对所述语音信号进行降噪处理得到N个降噪信号；每个波束形成降噪算法对应N个区域中的一个区域，且不同波束形成降噪算法对应的区域不同；所述N个区域的并集覆盖所述麦克风阵列的信号采集区域，所述N为大于1的正整数；利用唤醒引擎，根据所述N个降噪信号中的至少一个进行语音唤醒。该方法能够最大限度发挥降噪算法的降噪性能，其能够对波束外的回声也进行消除，提升回声消除性能，具有较高唤醒率和识别率，而且实现简单、易于推广。本申请还公开了对应的装置、设备及介质。

技术领域

本申请涉及语音交互领域，尤其涉及一种语音唤醒方法、装置、设备及计算机可读存储介质。

背景技术

随着语音识别技术的发展，语音交互逐渐成为一种较为流行的控制方式。为了实现语音交互，首先需要通过语音将设备由休眠状态激活至运行状态，也即需要进行语音唤醒。作为语音交互的入口，语音唤醒的唤醒效果直接影响着语音交互体验。

语音唤醒具体是指在连续语音流中检测出目标关键词，以唤醒设备或唤醒应用。目前，业界主要采用基于波束形成(beamforming)的麦克风阵列语音增强方法实现语音唤醒，具体地，利用多个麦克风接收到的语音信号里包含的空间相位信息对输入语音进行空间滤波，形成具有指向性的空间波束，然后对指定方向上的语音信号进行增强，能取得比单麦克风更好的增强效果。其中，基于波束形成的麦克风阵列语音增强方法包括固定波束形成法和自适应波束形成法。

固定波束形成法一般应用于声源位置未知的场景中，通过选取几个方位的波束进行降噪，再将降噪后的语音信号传输给唤醒引擎，由唤醒引擎进行筛选以确定声源位置，然后根据唤醒引擎的筛选结果锁定波束方向进行降噪，然后再对降噪后的语音信号进行关键词检测，从而实现语音唤醒。然而，该方法不能对波束外的语音信号进行强降噪，限制了唤醒前的降噪性能，并且在低信噪比的情况下，通过唤醒引擎筛选出的方位信息存在定位错误的风险，当声源定位错误时，可以导致降噪算法失效，出现无法唤醒的情况。

自适应波束形成法一般应用于声源位置已知的场景，通过摄像头、红外传感器等进行辅助定位以提前获取声源位置信息，将声源位置信息发送给前端降噪算法锁定波束，增强降噪算法性能，提升语音唤醒效果。然而，该方法需要额外的硬件辅助定位，其定位精度要求较高，当定位精度无法满足要求时，还可能导致降噪性能下降，并且该方案实现复杂，很多场景难以完全覆盖，可靠性差。

发明内容

有鉴于此，本申请提供了一种语音唤醒方法、装置、设备、介质以及计算机程序产品，用于在不增加额外成本的情况下提高降噪性能，获得较好的语音唤醒效果。

本申请实施例第一方面提供了一种语音唤醒方法，该方法应用于电子设备，该电子设备通过麦克风阵列采集语音信号，利用N个波束形成降噪算法分别对所述语音信号进行降噪处理得到N个降噪信号，每个波束形成降噪算法对应N个区域中的一个区域，不同波束形成降噪算法对应的区域不同，因而电子设备能够基于各个波束形成降噪算法对应的区域的波束对语音信号进行降噪处理，其降噪性能不会受到限制。

并且，N个区域的并集覆盖所述麦克风阵列的信号采集区域，其中，N为大于1的正整数，如此，声源必然位于N个区域中的至少一个区域，上述N个波束形成降噪算法中至少有一个对声源定位是准确的，通过上述N个波束形成降噪算法降噪处理得到的N个降噪信号中至少有一个具有较好的信噪比，电子设备利用唤醒引擎，根据所述N个降噪信号中的至少一个降噪信号，如上述信噪比较好的降噪信号进行语音唤醒，具有较高的唤醒成功率，提升了语音唤醒效果。该方法通过N个对应不同区域的波束形成降噪算法对语音信号进行降噪处理实现语音唤醒，无需额外的硬件设备辅助定位，一方面节省了成本，另一方面实现简单，易于推广。