一种基于位置信息的语音端点检测方法技术

本发明专利技术涉及一种基于位置信息的语音端点检测方法，所述方法包括下列步骤：采集音频，同时获取音频对应的位置信息；根据音频对应的位置信息，确定音频所处的噪声环境，并选取相应的深度神经网络端点检测模型；将音频作为输入通过选定的深度神经网络端点检测模型进行端点检测，得到的输出结果作为语音端点的检测结果。与现有技术相比，本发明专利技术具有检测结果准确、易于实现以及实用性能强优点。

【技术实现步骤摘要】
一种基于位置信息的语音端点检测方法
本专利技术涉及语音检测领域，尤其是涉及一种基于位置信息的语音端点检测方法。
技术介绍
语音是人类最自然的信息载体，很可能成为未来人机交互的主要方式，而语音端点检测是语音分析、语音合成、语音编码、说话人识别中的一个重要环节，直接影响到后续工作的性能。语音端点检测，通常是指在有噪声或其他干扰的环境下分辨出音频信号流中的语音信号和非语音信号，并确定语音信号的起始点和终止点，为后续的信号处理提供必要的支持。但在实际应用中，由于噪声的引入、环境的改变甚至是语音自身的性质都会导致端点检测的结果不准确，系统的识别性能也不能得到保证。由于现实环境下没有完全纯净的语音信号，往往都伴有噪声或其他干扰，通常会使端点检测性能显著地下降。由于实际应用中的语音采集于不同的场景中，常常会混入不同类型的环境噪音，这增加了语音端点检测的难度，并降低了语音端点检测的准确性。
技术实现思路
本专利技术的目的是针对上述问题提供一种基于位置信息的语音端点检测方法。本专利技术的目的可以通过以下技术方案来实现：一种基于位置信息的语音端点检测方法，所述方法包括下列步骤：A1)采集音频，同时获取音频对应的位置信息；A2)根据步骤A1)得到的音频对应的位置信息，确定音频所处的噪声环境，并选取相应的深度神经网络端点检测模型；A3)将音频作为输入通过步骤A2)选定的深度神经网络端点检测模型进行端点检测，得到的输出结果作为语音端点的检测结果。所述步骤A1)具体为：A11)通过音频采集装置采集音频；A12)通过定位装置获取音频对应的位置信息。所述定位装置包括GPS定位器。所述步骤A1)还包括：通过谱减法对采集的音频进行降噪处理。所述深度神经网络端点检测模型的训练过程具体为：B1)对噪声环境进行划分；B2)采集不同噪声环境下的音频数据作为训练样本；B3)分别对不同噪声环境下的训练样本进行深度神经网络训练，得到不同噪声环境下的深度神经网络端点检测模型。所述噪声环境包括机场环境、车载环境、展会环境、餐厅环境、街道环境、地铁站环境和火车站环境。所述步骤B2)还包括：通过谱减法对样本进行降噪处理。与现有技术相比，本专利技术具有以下有益效果：(1)通过在采集音频的同时得到音频对应的位置信息，根据位置信息自动确定该音频所处的噪声环境，通过自动选取相应噪声环境下的深度神经网络端点检测模型对音频进行端点检测，从而得到语音端点的检测结果，这种方法可以最大程度的排除环境噪声对音频端点检测带来的干扰和影响，提高了语音端点检测的准确性。(2)在对音频的位置信息进行获取的过程中，主要是通过GPS定位器来获取的，由于GPS技术已经十分成熟，因此定位准确且价格便宜，性价比高，既确保了定位的效果也节省了成本，便于推广。(3)在对音频进行采集后还通过谱减法对采集的音频进行降噪处理，这是由于现有的基于深度神经网络的语音检测系统，在训练数据足够充足、网络结构足够复杂的条件下，即使不使用语音增强的方法，深度神经网络也能较好的处理不同信噪比条件下的语音端点检测任务。但是在训练数据量不大，深度神经网络结构较为简单的时候，深度神经网络较难从低信噪比的数据中学习到语音帧与非语音帧的区别。所以通过谱减法做语音增强处理，可以取得更好的检测效果，而且也可以降低对神经网络训练样本量的要求，实用性能强。(4)在训练深度神经网络端点检测模型的过程中，首先将噪声环境进行了划分，包括机场环境、车载环境、展会环境、餐厅环境、街道环境、地铁站环境和火车站环境，通过这样一个较为全面的环境划分，可以尽量概括所有的环境噪声，适用范围广。附图说明图1为本专利技术的方法流程图；图2为实施例中机场环境下的噪声波形图；图3为实施例中车载环境下的噪声波形图；图4为实施例中展会环境下的噪声波形图；图5为实施例中餐厅环境下的噪声波形图；图6为实施例中街道环境下的噪声波形图；图7为实施例中地铁站环境下的噪声波形图；图8为实施例中火车站环境下的噪声波形图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。如图1所示，本专利技术提供了一种基于位置信息的语音端点检测方法，包括下列步骤：A1)采集音频，同时获取音频对应的位置信息：A11)通过音频采集装置采集音频；A12)通过定位装置(本实施例中为GPS定位器)获取音频对应的位置信息；本步骤还包括：通过谱减法对采集的音频进行降噪处理；A2)根据步骤A1)得到的音频对应的位置信息，确定音频所处的噪声环境，并自动选取事先训练好的、与噪声类型相关的深度神经网络端点检测模型，深度神经网络端点检测模型的训练过程具体为：B1)对噪声环境进行划分；B2)采集不同噪声环境下的音频数据作为样本，通过谱减法对样本进行降噪处理；B3)分别对不同噪声环境下的训练样本各自单独进行深度神经网络训练，得到不同噪声环境下的深度神经网络端点检测模型；A3)将音频作为输入通过步骤A2)选定的深度神经网络端点检测模型进行端点检测，得到的输出结果作为语音端点的检测结果。本实施例中，噪声环境包括但不限于机场环境、车载环境、展会环境、餐厅环境、街道环境、地铁站环境和火车站环境。根据上述步骤进行具体的语音端点检测，可以将整个过程分为两个阶段：训练阶段和测试阶段。训练阶段在系统开发时完成。以后只需操作测试阶段，即可完成基于位置信息的语音端点检测。在训练阶段，先将不同噪音环境下的音频数据，即训练数据，进行谱减法降噪处理。然后在不同噪声环境下分别进行深度神经网络(DNN)训练，得到不同噪声环境下的深度神经网络端点检测模型。图2为机场环境下的噪声波形图，图3为车载环境下的噪声波形图，图4为展会环境下的噪声波形图，图5为餐厅环境下的噪声波形图，图6为街道环境下的噪声波形图，图7为地铁站环境下的噪声波形图，图8为火车站环境下的噪声波形图。由图可见这些环境中，噪声特特性各不相同，所以本专利技术在每种环境下都单独训练了一个深度神经网络，来实现不同噪声环境中的语音端点检测。在每一种环境下，训练数据先采用无监督学习的预训练方法来生成网络的初始权重，再通过反向传播(BP)算法来调整整个网络的参数。在测试阶段，先通过GPS获取位置信息，并通过麦克风获取与之对应的音频。之后根据位置信息确定噪声环境，并对音频进行谱减法降噪处理。然后将音频输入对应噪声环境下的深度神经网络端点检测模型，得到语音端点检测结果。其中谱减法降噪方法的技术原理是：在信噪比较低的情况下，大部分语音端点检测系统容易将包含噪音的非语音段判为语音段。因此，通常会在提取语音特征参数之前，使用一些语音增强的技术来提高信噪比。谱减算法为最早的语音降噪算法之一，它假设语音中的噪声只有加性噪声，只要将带噪语音谱减去噪声谱，就可以得到纯净语音幅度。假设|Y|2与|N|2分别表示带噪语音与噪音在傅里叶变换后功率谱密度，则纯净语音的功率谱密度|X|2可以表示为如下形式：|X|2＝|Y|2-|N|2现有的基于深度神经网络的语音端点检测系统，在训练数据足够充足、网络结构足够复杂的条件下，即使不使用语音增强的方法，深度神经网络也能较好的处理不同信噪比条件下的端点检测。但是在训练数据量不大，深度神经网本文档来自技高网...

【技术保护点】
一种基于位置信息的语音端点检测方法，其特征在于，所述方法包括下列步骤：A1)采集音频，同时获取音频对应的位置信息；A2)根据步骤A1)得到的音频对应的位置信息，确定音频所处的噪声环境，并选取相应的深度神经网络端点检测模型；A3)将音频作为输入通过步骤A2)选定的深度神经网络端点检测模型进行端点检测，得到的输出结果作为语音端点的检测结果。

【技术特征摘要】
1.一种基于位置信息的语音端点检测方法，其特征在于，所述方法包括下列步骤：A1)采集音频，同时获取音频对应的位置信息；A2)根据步骤A1)得到的音频对应的位置信息，确定音频所处的噪声环境，并选取相应的深度神经网络端点检测模型；A3)将音频作为输入通过步骤A2)选定的深度神经网络端点检测模型进行端点检测，得到的输出结果作为语音端点的检测结果。2.根据权利要求1所述的基于位置信息的语音端点检测方法，其特征在于，所述步骤A1)具体为：A11)通过音频采集装置采集音频；A12)通过定位装置获取音频对应的位置信息。3.根据权利要求2所述的基于位置信息的语音端点检测方法，其特征在于，所述定位装置包括GPS定位器。4.根据权利要求1所述的基于位置信息的语音端...

【专利技术属性】
技术研发人员：魏浩然，龙艳花，冯志民，叶宏，茅红伟，
申请(专利权)人：上海师范大学，
类型：发明
国别省市：上海,31