[发明专利]基于多传感器的人体发声状态检测方法、系统及存储介质

说明书

本发明公开了基于多传感器的人体发声状态检测方法、系统及存储介质，压力传感和光学传感根据预设阈值上报中断给主控芯片，主控芯片判断设备工作状态，计算骨振动传感采集的声带振动转换成的音频和麦克风采集的音频数据间互相关系数；若该系数高于人体发声相关度阈值，且压力传感检测该段时间的平均压力变化模型、光学传感检测该段时间人体局部起伏波动数据模型与预置数据模型近似，则将两音频数据通过HSD人体发声检测算法判断当前是否检测到人体发声状态，依据模型做人机交互意图判断和通话降噪应用。该方案解决大背景噪音环境下准确检测人体发声状态的问题，精确检测人体发声状态的起始结束时间点，提升大噪声环境人机交互体验和通话质量。

技术领域

本发明涉及人体发声状态检测技术领域，尤其涉及一种基于多传感器的人体发声状态的检测方法、系统及存储介质。

背景技术

目前，在进行语音活动检测时，一般采用的是基于信噪比和能量的语音活动检测算法。该方案主要是从麦克风，编解码器，模拟滤波器等硬件电路获取到声音信号，并将其转换为数字信号来进行处理。语音活动检测算法的原理是将一段音频中开始的部分假设为没有声音的静音状态，并计算此时的平均信号能量作为基准值，若之后一段时间的语音信号能量大小的均方根值大于此基准值，则视为有人声在说话，若无则视为无人声在讲话。这种语音活动检测算法普遍存在于多家语音技术公司在各类耳机或对讲装置的应用中。

然而，这种技术有两个明显的缺陷和不足：大背景噪声和发声状态剪切不准确。具体体现在：

一、当背景噪声较大时无法准确的检测静音状态，因此在复杂的噪音环境中无法很好地发挥作用；

二、前后沿剪切的副作用问题。所谓前后沿剪切就是还原语音时，由于从实际讲话开始到检测到语音之间有一定的判断门限和时延，有时语音波形的开始和结束部分会作为静音被丢掉，还原的语音会出现变化，会产生冗余处理的问题。

发明内容

本发明提供一种基于多传感器的人体发声状态的检测方法、系统及存储介质，以解决大背景噪音环境下准确检测人体发声状态的问题，同时更精确地检测人体发声状态的起始结束时间点，以提升大噪声环境人机交互体验和大噪声环境通话质量。

为实现上述目的，本发明提供一种基于多传感器的人体发声状态的检测方法，包括以下步骤：

将光学传感和压力传感根据预设的阈值上报中断给主控芯片模块，主控芯片通过数据接口读取光学传感和压力传感所感测的数据并判断设备的工作状态；

将光学传感采集到的人体局部起伏波动状态和压力传感的压力时间连续信号的数据保存至数据存储模块；

将骨振动传感器采集声带的振动信息转换成音频信号并保存至数据存储模块，将麦克风采集模块采集到的音频数据保存至数据存储模块；

通过压力传感和光学传感的状态判断，主控芯片模块从所述数据存储模块的环形缓冲区中获取所述麦克风采集模块采集的音频数据以及骨振动传感器采集并转化的音频数据，计算两个音频数据之间的互相关系数并比较人体发声相关度阈值；

若所述互相关系数高于所述人体发声相关度阈值，且所述压力传感检测该段时间的平均压力变化模型与预置数据模型近似，光学传感检测该段时间人体局部起伏波动数据模型与预置数据模型近似，则所述主控芯片模块将所述麦克风采集模块采集到的音频数据和骨振动传感器采集并转化的音频信号通过HSD人体发声检测算法进行处理，判断当前是否检测到人体发声状态。

其中，所述将麦克风采集模块采集到的音频数据保存至数据存储模块的步骤包括：

将所述麦克风采集模块采集到的音频数据通过ADC模数转换模块转换成数字信号后保存至数据存储模块的环形缓冲区。