一種語音信號檢測方法與裝置制造方法及圖紙

本申請公開了一種語音信號檢測方法與裝置，用于解決現有技術中的語音信號檢測方法存在的處理速度較慢，且耗費資源較多的問題。該方法包括：獲取音頻信號；根據預設語音信號的頻率，將所述音頻信號劃分為多個短時能量幀；確定每個短時能量幀的能量；根據每個短時能量幀的能量，檢測所述音頻信號中是否包含語音信號。

Method and device for detecting speech signal

The invention discloses a method and a device for detecting a speech signal, which is used to solve the problems of slower processing speed and more resource consumption in the prior art of speech signal detection method. The method includes: obtaining audio signals; according to the preset voice signal frequency, the audio signal is divided into a plurality of short-time energy frame; short-time energy energy is determined for each frame; each frame according to the short-time energy energy, detecting whether the audio signal contained in the speech signal.

【技術實現步驟摘要】
一種語音信號檢測方法與裝置
本申請涉及計算機
，尤其涉及一種語音信號檢測方法與裝置。
技術介紹
在實際生活中，人們會經常使用智能設備(例如智能手機、平板電腦等)來發送語音消息。但是人們在使用智能設備發送語音消息時，往往需要點擊智能設備屏幕中的開始或結束按鈕，才能夠完成語音消息的發送，而這些點擊操作，會給用戶造成諸多不便。若用戶無需點擊按鈕便可完成語音消息的發送，那么智能設備需要一直進行錄音或者按照預設周期進行錄音，并判斷獲取到的音頻信號中是否包含語音信號，若包含語音信號，便將該語音信號提取出來，然后進行后續處理并發送出去，這樣便完成了語音消息的發送。現有技術中，一般采用雙門限方法、基于自相關極大值的檢測方法或基于小波變換的檢測方法等語音信號檢測方法，來檢測獲取到的音頻信號中是否包含語音信號。但是該些方法基本都是通過傅里葉變換等復雜的計算，獲取音頻信息的頻率特征，進而根據該頻率特征來確定是否包含語音信號的，需要計算較大緩沖數據，內存占用較高，計算量偏大，處理速度較慢，且耗電量較大。
技術實現思路
本申請實施例提供一種語音信號檢測方法與裝置，用于解決現有技術中的語音信號檢測方法存在的處理速度較慢，且耗費資源較多的問題。本申請實施例采用下述技術方案：一種語音信號檢測方法，所述方法包括：獲取音頻信號；根據預設語音信號的頻率，將所述音頻信號劃分為多個短時能量幀；確定每個短時能量幀的能量；根據每個短時能量幀的能量，檢測所述音頻信號中是否包含語音信號。一種語音信號檢測裝置，所述裝置包括：獲取模塊，獲取音頻信號；劃分模塊，根據預設語音信號的頻率，將所述音頻信號劃分為多個短時能量幀；確定模塊，確定每個短時能量幀的能量；檢測模塊，根據每個短時能量幀的能量，檢測所述音頻信號中是否包含語音信號。本申請實施例采用的上述至少一個技術方案能夠達到以下有益效果：與現有技術中的通過傅里葉變換等復雜計算來確定音頻信號中是否包含語音信號的檢測方法相比，本申請實施例采用的語音信號檢測方法，無需進行傅里葉變換等復雜計算，通過根據預設語音信號的頻率，將獲取到的音頻信號劃分為多個短時能量幀，進而確定出每個短時能量幀的能量，并根據每個短時能量幀的能量，便可檢測出獲取到的音頻信號中是否包含語音信號。因此，本申請實施例提供的語音信號檢測方法，能夠解決現有技術中的語音信號檢測方法存在的處理速度較慢，且耗費資源較多的問題。附圖說明此處所說明的附圖用來提供對本申請的進一步理解，構成本申請的一部分，本申請的示意性實施例及其說明用于解釋本申請，并不構成對本申請的不當限定。在附圖中：圖1為本申請實施例提供的一種語音信號檢測方法的具體流程圖；圖2為本申請實施例提供的另一種語音信號檢測方法的具體流程圖；圖3為本申請實施例提供的預設時長的音頻信號顯示圖；圖4為本申請實施例提供的一種語音信號檢測裝置的具體結構示意圖。具體實施方式為使本申請的目的、技術方案和優點更加清楚，下面將結合本申請具體實施例及相應的附圖對本申請技術方案進行清楚、完整地描述。顯然，所描述的實施例僅是本申請一部分實施例，而不是全部的實施例。基于本申請中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。以下結合附圖，詳細說明本申請實施例提供的技術方案。為了解決現有技術中的語音信號檢測方法存在的處理速度較慢，且耗費資源較多的問題，本申請實施例提供一種語音信號檢測方法。該方法的執行主體，可以但不限于為手機、平板電腦或個人電腦(PersonalComputer，PC)等用戶終端，或者該些用戶終端上運行的應用(application，APP)，或者，還可以是服務器等設備。為便于描述，下文以該方法的執行主體為APP為例，對該方法的實施方式進行介紹。可以理解，該方法的執行主體為APP只是一種示例性的說明，并不應理解為對該方法的限定。該方法的具體流程示意圖如圖1所示，包括下述步驟：步驟101，獲取音頻信號。上述音頻信號，可以為APP通過音頻采集設備采集到的音頻信號，也可以為APP接收到的音頻信號，比如可以是由其他APP或者設備傳輸的音頻信號，本申請實施例對此不進行任何限定。APP在獲取到音頻信號之后，可以將該音頻信號保存在本地。本申請對上述音頻信號對應的采樣率、時長、格式或聲道等也不作任何限制。上述APP可以為任意類型的APP，比如聊天APP或支付APP等，只要該APP可以獲取到音頻信號，并且可以利用本申請實施例提供的語音信號檢測方法對獲取到的音頻信號進行語音信號的檢測即可。步驟102，根據預設語音信號的頻率，將所述音頻信號劃分為多個短時能量幀。上述短時能量幀實際上是步驟101獲取到的音頻信號中的一部分音頻信號。具體的，可以根據預設語音信號的頻率，確定出該預設語音信號的周期，按照確定出的周期，將步驟101獲取到的音頻信號劃分為對應的時長均為所述周期的多個短時能量幀。例如，假設該預設語音信號的周期為0.01S，則可根據步驟101獲取到的音頻信號的時長，將該音頻信號劃分為若干個時長均為0.01S的短時能量幀。需要說明的是，在劃分步驟101獲取到的音頻信號時，也可以根據實際情況，根據預設語音信號的頻率，將該音頻信號劃分為至少兩個短時能量幀。為了后續描述方便，本申請實施例后文中以將音頻信號劃分為多個短時能量幀為例進行說明。另外，當步驟101中由該APP自身通過音頻采集設備采集音頻信號時，由于采集音頻信號一般是將實際上是模擬信號的音頻信號以一定的采樣率采集成數字信號，即脈沖編碼調制(PulseCodeModulation，PCM)格式的音頻信號，因此，還可以根據該音頻信號的采樣率和預設語音信號的頻率，將該音頻信號劃分為多個短時能量幀。具體的，可確定該音頻信號的采樣率與預設語音信號的頻率的比值m，再根據該比值m，將采集到的數字形式的音頻信號中每m個采樣點劃分為一個短時能量幀。若m為正整數，則可根據m將該音頻信號劃分為最大數量的短時能量幀；若m不為正整數，則可根據按照四舍五入原則轉化為正整數的m，將該音頻信號劃分為最大數量的短時能量幀。其中，需要特別說明的是，若步驟101獲取到的音頻信號包含的采樣點數量并非為m的整數倍，將該音頻信號劃分為最大數量的短時能量幀后，可將剩余的采樣點丟棄，也可將剩余的采樣點也作為一個短時能量幀進行后續處理。其中，上述m，用于表示在一個預設語音信號的周期內，步驟101獲取到的音頻信號包含的采樣點數量。例如，若預設語音信號的頻率為82HZ，步驟101獲取到的音頻信號的時長為1S，采樣率為16000HZ，那么m＝16000/82＝195.1。其中，m不是正整數，將195.1按照四舍五入原則轉化成正整數195。根據上述音頻信號的時長以及采樣率，可以確定出該音頻信號包含的采樣點數量為16000，那么，由于上述音頻信號包含的采樣點的數量并非是195的整數倍，因此，可以在將該音頻信號劃分為82個短時能量幀后，將剩余的10個采樣點丟棄。其中，上述每個短時能量幀包含的采樣點數量均為195。當步驟101獲取到的音頻信號是接收到的其他APP或設備傳輸的音頻信號時，可以采用上述任一方法將該音頻信號劃分為多個短時能量幀。需要特別說明的是，上述音頻信號的格式可能并非為本文檔來自技高網...

【技術保護點】
一種語音信號檢測方法，其特征在于，所述方法包括：獲取音頻信號；根據預設語音信號的頻率，將所述音頻信號劃分為多個短時能量幀；確定每個短時能量幀的能量；根據每個短時能量幀的能量，檢測所述音頻信號中是否包含語音信號。

【技術特征摘要】
1.一種語音信號檢測方法，其特征在于，所述方法包括：獲取音頻信號；根據預設語音信號的頻率，將所述音頻信號劃分為多個短時能量幀；確定每個短時能量幀的能量；根據每個短時能量幀的能量，檢測所述音頻信號中是否包含語音信號。2.如權利要求1所述的方法，其特征在于，獲取音頻信號，具體包括：獲取當前音頻信號；在上一次獲取到的音頻信號中，截取預設時段的子信號；將所述當前音頻信號和截取的子信號進行拼接，作為獲取到的音頻信號。3.如權利要求1所述的方法，其特征在于，根據預設語音信號的頻率，將所述音頻信號劃分為多個短時能量幀，具體包括：根據預設語音信號的頻率，確定出所述預設語音信號的周期；按照確定出的周期，將所述音頻信號劃分為對應的時長均為所述周期的多個短時能量幀。4.如權利要求1所述的方法，其特征在于，根據每個短時能量幀的能量，檢測所述音頻信號中是否包含語音信號，具體包括：確定能量大于預設閾值的短時能量幀的數量占所有短時能量幀總數量的比率；判斷所述比率是否大于預設比率；若是，則確定檢測到所述音頻信號中包含語音信號；若否，則確定未檢測到所述音頻信號中包含語音信號。5.如權利要求1所述的方法，其特征在于，根據每個短時能量幀的能量，檢測所述音頻信號中是否包含語音信號，具體包括：確定能量大于預設閾值的短時能量幀的數量占所有短時能量幀總數量的比率；判斷所述比率是否大于預設比率；若否，則確定未檢測到所述音頻信號中包含語音信號；若是，則當能量大于預設閾值的短時能量幀中存在至少N個連續短時能量幀時，確定檢測到所述音頻信號中包含語音信號，當能量大于預設閾值的短時能...

【專利技術屬性】
技術研發人員：焦雷，官硯楚，曾曉東，林鋒，
申請(專利權)人：阿里巴巴集團控股有限公司，
類型：發明
國別省市：開曼群島,KY