语音激活检测方法、装置、终端设备以及计算机存储介质制造方法及图纸

本发明专利技术公开了一种语音激活检测方法、装置、终端设备以及计算机可读存储介质，该方法在通过麦克风采集到声音信号时，针对声音信号进行特征提取得到声音信号的特征序列；将特征序列输入至预设的递归神经网络模型进行循环网络训练得到模型输出信号，其中，递归神经网络模型基于带有门结构的循环神经网络模型构建得到；根据模型输出信号和预设全连接网络确认是否从声音信号中检测到语音信息。通过采用本发明专利技术技术方案能够构造简单且所需参数较少的模型结构来进行语音激活的检测，从而有效地降低整个语音激活检测过程的复杂程度。降低整个语音激活检测过程的复杂程度。降低整个语音激活检测过程的复杂程度。

【技术实现步骤摘要】
语音激活检测方法、装置、终端设备以及计算机存储介质


[0001]本专利技术属于耳机
，尤其涉及一种语音激活检测方法、装置、终端设备以及计算机可读存储介质。

技术介绍

[0002]VAD(Voice Activity Detection，语音激活检测，又称语音活动检测)技术能够可靠地检测声学信号中的语音，从而被广泛的应用于TWS(True Wireless Stereo,真正的无线立体声)耳机、智能扬声器等支持语音的设备中。VAD技术的核心是从带噪语音信号中区分是否有语音信号，其本质上是一个分类的问题，因此，神经网络模拟人脑识别模型能够有效辅助解决该问题。
[0003]U
‑
net模型(一种改进的全卷积网络FCN结构)是一种端到端的对称结构，该模型已被证明在语音增强处理任务中具有较好的性能，但是由于梯度消失的原因，致使模型训练不够稳定。从而，现有结合U
‑
net模型进行语音激活检测时，不得不使用大量参数进行模型训练，导致整个检测过程的实现非常复杂。

技术实现思路

[0004]本专利技术的主要目的在于提供一种语音激活检测方法、装置、终端设备以及计算机可读存储介质。旨在构造简单且所需参数较少的模型结构来进行语音激活的检测，从而有效地降低整个语音激活检测过程的复杂程度。
[0005]为了实现上述目的，本专利技术提供一种语音激活检测方法，所述语音激活检测方法包括：
[0006]在通过麦克风采集到声音信号时，针对所述声音信号进行特征提取得到所述声音信号的特征序列；
[0007]将所述特征序列输入至预设的递归神经网络模型进行循环网络训练得到模型输出信号，其中，所述递归神经网络模型基于带有门结构的循环神经网络模型构建得到；
[0008]根据所述模型输出信号和预设全连接网络确认是否从所述声音信号中检测到语音信息。
[0009]可选地，所述将所述特征序列输入至预设的递归神经网络模型进行循环网络训练得到模型输出信号的步骤，包括：
[0010]将所述特征序列输入至预设的递归神经网络模型，以结合所述的特征序列和所述递归神经网络模型的前次模型输出信号，进行第一次循环网络训练得到中间计算结果；
[0011]将所述中间计算结果作为新的前次模型输出信号，以结合所述特征序列和所述新的前次模型输出信号，进行第二次循环网络训练得到当前次的模型输出信号。
[0012]可选地，所述根据所述模型输出信号和预设全连接网络确认是否从所述声音信号中检测到语音信息的步骤，包括：
[0013]将所述模型输出信号传递至所述预设全连接网络以确认是否从所述模型输出信
号中识别到VAD标志位；
[0014]若确认识别到所述VAD标志位，则确认从所述声音信号中检测到语音信息；
[0015]或者，
[0016]若确认未识别到所述VAD标志位，则确认未从所述声音信号中检测到语音信息。
[0017]可选地，所述将所述模型输出信号传递至所述预设全连接网络的步骤，包括：
[0018]针对所述模型输出信号进行解码操作得到解码信号；
[0019]将所述解码信号传递至所述预设全连接网络。
[0020]可选地，所述解码操作包括：数据特征跨接和上采样；
[0021]所述针对所述模型输出信号进行解码操作得到解码信号的步骤，包括：
[0022]将所述模型输出信号输入预设的解码器，以对所述模型输出信号进行所述数据特征跨接和所述上采样以得到解码信号。
[0023]可选地，所述声音信号包括：所述麦克风在当前时刻采集的当前帧声音信号，和，所述麦克风在截止当前时刻的预设时长中采集的若干帧声音信号；
[0024]所述针对所述声音信号进行特征提取得到所述声音信号的特征序列的步骤，包括：
[0025]将所述当前帧声音信号或者所述若干帧声音信号输入预设的编码器，以针对所述当前帧声音信号或者所述若干帧声音信号进行数据特征提取后，对提取到的数据特征进行下采样以得到所述当前帧声音信号或者所述若干帧声音信号的特征序列。
[0026]可选地，所述将所述当前帧声音信号或者所述若干帧声音信号输入预设的编码器的步骤，包括：
[0027]针对所述当前帧声音信号或者所述若干帧声音信号进行时频变换处理；
[0028]将经过时频变换处理后的当前帧声音信号或者若干帧声音信号输入至预设的编码器。
[0029]此外，为实现上述目的，本专利技术还提供一种语音激活检测装置，所述语音激活检测装置包括：
[0030]特征提取模块，用于在通过麦克风采集到声音信号时，针对所述声音信号进行特征提取得到所述声音信号的特征序列；
[0031]模型计算模块，用于将所述特征序列输入至预设的递归神经网络模型进行循环网络训练得到模型输出信号，其中，所述递归神经网络模型基于带有门结构的循环神经网络模型构建得到；
[0032]检测模块，用于根据所述模型输出信号和预设全连接网络确认是否从所述声音信号中检测到语音信息。
[0033]本专利技术语音激活检测装置的各个功能模块在运行时实现如上所述的无线耳机的运动监测运动的控制方法的步骤。
[0034]此外，为实现上述目的，本专利技术还提供一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的语音激活检测程序，所述无线耳机的运动监测的控制程序被所述处理器执行时实现如上所述的无线耳机的运动监测运动的控制方法的步骤。
[0035]此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读
存储介质上存储有语音激活检测程序，所述语音激活检测程序被处理器执行时实现如上所述的语音激活检测方法的步骤。
[0036]本专利技术实施例提出的一种语音激活检测方法、装置、终端设备以及计算机可读存储介质，在通过麦克风采集到声音信号时，针对所述声音信号进行特征提取得到所述声音信号的特征序列；将所述特征序列输入至预设的递归神经网络模型进行循环网络训练得到模型输出信号，其中，所述递归神经网络模型基于带有门结构的循环神经网络模型构建得到；根据所述模型输出信号和预设全连接网络确认是否从所述声音信号中检测到语音信息。
[0037]如此，本专利技术实施例预先通过带有门结构的循环神经网络模型构建递归神经网络模型，从而在通过麦克风采集到声音信号时，提取该声音信号的特征序列，将该特征序列输入到递归神经网络模型当中进行循环网络训练后，结合模型输出信号和全连接网络即可确认是否从当前采集到的声音信号当中检测到语音信号。如此，实现了仅通过较少的模型参数即可进行语音激活的检测，从而有效地降低了进行语音激活检测的复杂程度。
[0038]此外，由于本专利技术技术方案能够简便的进行语音激活检测，从而由TWS耳机设备基于本专利技术技术方案进行语音激活检测时，可以提高用户在环境噪声下快速进行语音通话等操作的使用体验。并且，在本专利技术技术方案应用于安全系统时，则可以高效的检测到受监本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语音激活检测方法，其特征在于，所述语音激活检测方法包括：在通过麦克风采集到声音信号时，针对所述声音信号进行特征提取得到所述声音信号的特征序列；将所述特征序列输入至预设的递归神经网络模型进行循环网络训练得到模型输出信号，其中，所述递归神经网络模型基于带有门结构的循环神经网络模型构建得到；根据所述模型输出信号和预设全连接网络确认是否从所述声音信号中检测到语音信息。2.如权利要求1所述的语音激活检测方法，其特征在于，所述将所述特征序列输入至预设的递归神经网络模型进行循环网络训练得到模型输出信号的步骤，包括：将所述特征序列输入至预设的递归神经网络模型，以结合所述的特征序列和所述递归神经网络模型的前次模型输出信号，进行第一次循环网络训练得到中间计算结果；将所述中间计算结果作为新的前次模型输出信号，以结合所述特征序列和所述新的前次模型输出信号，进行第二次循环网络训练得到当前次的模型输出信号。3.如权利要求1所述的语音激活检测方法，其特征在于，所述根据所述模型输出信号和预设全连接网络确认是否从所述声音信号中检测到语音信息的步骤，包括：将所述模型输出信号传递至所述预设全连接网络以确认是否从所述模型输出信号中识别到VAD标志位；若确认识别到所述VAD标志位，则确认从所述声音信号中检测到语音信息；或者，若确认未识别到所述VAD标志位，则确认未从所述声音信号中检测到语音信息。4.如权利要求3所述的语音激活检测方法，其特征在于，所述将所述模型输出信号传递至所述预设全连接网络的步骤，包括：针对所述模型输出信号进行解码操作得到解码信号；将所述解码信号传递至所述预设全连接网络。5.如权利要求4所述的语音激活检测方法，其特征在于，所述解码操作包括：数据特征跨接和上采样；所述针对所述模型输出信号进行解码操作得到解码信号的步骤，包括：将所述模型输出信号输入预设的解码器，以对所述模型输出信号进行所述数据特征跨接和...

【专利技术属性】
技术研发人员：陈国明，
申请(专利权)人：歌尔科技有限公司，
类型：发明
国别省市：