[发明专利]语音端点检测中的背景噪声自适应调整方法有效
| 申请号： | 200810116463.9 | 申请日： | 2008-07-10 |
| 公开（公告）号： | CN101625860A | 公开（公告）日： | 2010-01-13 |
| 发明（设计）人： | 李祺;马华东;郑侃彦;韩忠涛;张婷 | 申请（专利权）人： | 新奥特（北京）视频技术有限公司 |
| 主分类号： | G10L11/00 | 分类号： | G10L11/00;G10L11/02;G10L15/04 |
| 代理公司： | 北京天悦专利代理事务所 | 代理人： | 田 明;任晓航 |
| 地址： | 100080北京市海淀区西草场*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及自动字幕生成系统中的语音检测技术，具体涉及一种语音端点检测中的背景噪声自适应调整方法。该方法根据背景噪声的实时变化，通过重新计算背景噪声的短时能量Eb，短时过零率Zb和短时信息熵Hb的值来重新确定每一帧的短时能频值，得到新的短时能频值序列，从而能够在复杂的背景噪声环境下，对连续语音进行端点检测，提高了在复杂噪声背景下的语音端点检测效率。 | ||
| 搜索关键词： | 语音 端点 检测 中的 背景 噪声 自适应 调整 方法 | ||
【主权项】：
1.一种语音端点检测中的背景噪声自适应调整方法，包括如下步骤：(1)将音频采样序列分成固定长度的帧，并形成一个帧序列，针对每一帧数据提取短时能量、短时过零率和短时信息熵三个音频特征参数；(2)将音频文件最初的10ms作为环境音，将这10ms音频信号的短时能量平均值、短时过零率平均值和短时信息熵平均值作为最初的背景噪声的短时能量Eb、短时过零率Zb和短时信息熵Hb，计算得到短时能频值序列；(3)根据对短时能频值序列的分析找到一个语音起点，记为第Fb帧，判断Fb帧与上一个语音终点所在的Ft帧相距的时间间隔，当该时间间隔大于规定长度时，进行环境噪声的提取；(4)从第ft帧开始，取接下来的10帧当作背景噪声，重新计算背景噪声的短时能量Eb，短时过零率Zb和短时信息熵Hb的值，计算方法采用取10帧中的算术平均值；(5)从第Ft+1帧开始，使用更新后的背景噪声的短时能量Eb，短时过零率Zb和短时信息熵Hb，重新计算每一帧的短时能频值，得到新的短时能频值序列。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于新奥特（北京）视频技术有限公司，未经新奥特（北京）视频技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/200810116463.9/，转载请声明来源钻瓜专利网。
- 上一篇：嵌入式组合物镜及其制备方法
- 下一篇：一种汽车高速接近时的预警方法及预警装置
