本發(fā)明涉及語(yǔ)音識(shí)別技術(shù)領(lǐng)域，特別是涉及一種關(guān)鍵詞識(shí)別方法及裝置。

背景技術(shù)：

語(yǔ)音識(shí)別是機(jī)器通過(guò)識(shí)別和理解過(guò)程將人的語(yǔ)音轉(zhuǎn)換為對(duì)應(yīng)的文本或指令的技術(shù)。作為語(yǔ)音識(shí)別領(lǐng)域的一個(gè)重要分支，關(guān)鍵詞(isolatedwordrecognition，iwr)識(shí)別在通信、消費(fèi)電子、自助服務(wù)、辦公自動(dòng)化等領(lǐng)域得到了廣泛的應(yīng)用。

現(xiàn)有技術(shù)中，一般采用隱馬爾可夫模型(hiddenmarkovmodel，hmm)hiddenmarkovmodels(hmms)及其對(duì)應(yīng)的參數(shù)，或者關(guān)鍵詞識(shí)別系統(tǒng)(kws)進(jìn)行關(guān)鍵詞識(shí)別。

但是，現(xiàn)有技術(shù)中關(guān)鍵詞識(shí)別方法需要建立對(duì)應(yīng)的模型，并需要對(duì)應(yīng)的翻譯操作訓(xùn)練模型參數(shù)，存在著計(jì)算量大且識(shí)別準(zhǔn)確率低的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例解決的問(wèn)題是提高關(guān)鍵詞識(shí)別的準(zhǔn)確率，并節(jié)約計(jì)算資源。

為解決上述問(wèn)題，本發(fā)明實(shí)施例提供了一種關(guān)鍵詞識(shí)別方法，所述關(guān)鍵詞識(shí)別方法包括：

將獲取的待識(shí)別聲音數(shù)據(jù)劃分為多個(gè)重疊的聲音幀；

對(duì)劃分得到的多個(gè)聲音幀的聲音信號(hào)分別進(jìn)行快速傅立葉變換運(yùn)算，得到對(duì)應(yīng)的頻譜能量；

將各個(gè)聲音幀對(duì)應(yīng)的頻譜能量轉(zhuǎn)換為梅爾頻率下的頻譜能量，并計(jì)算對(duì)應(yīng)的mfcc參數(shù)；

根據(jù)各個(gè)聲音幀對(duì)應(yīng)的mfcc參數(shù)，分別計(jì)算得到所述待識(shí)別聲音數(shù)據(jù)與預(yù)設(shè)的多個(gè)參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值；

當(dāng)確定所述待識(shí)別聲音數(shù)據(jù)與當(dāng)前參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值的均值小于預(yù)設(shè)的閾值時(shí)，將當(dāng)前參考模板中的關(guān)鍵詞作為識(shí)別結(jié)果。

可選地，在所述待識(shí)別聲音數(shù)據(jù)的頻譜能量大于預(yù)設(shè)的能量閾值時(shí)，執(zhí)行所述將各個(gè)聲音幀對(duì)應(yīng)的頻譜能量轉(zhuǎn)換為梅爾頻率下的頻譜能量，并計(jì)算對(duì)應(yīng)的mfcc參數(shù)的操作。

可選地，所述預(yù)設(shè)的閾值與所述待識(shí)別聲音數(shù)據(jù)的噪音水平相關(guān)聯(lián)。

可選地，所述待識(shí)別聲音數(shù)據(jù)的噪音水平包括低噪音水平、中等噪音水平和高噪音水平，其中：

當(dāng)p≥p1時(shí)，確定所述待識(shí)別聲音數(shù)據(jù)具有低噪音水平，p表示所述待識(shí)別聲音數(shù)據(jù)對(duì)應(yīng)的絕對(duì)幅值，p1為預(yù)設(shè)的第一閾值；

當(dāng)p2≥p＞p1時(shí)，確定所述待識(shí)別聲音數(shù)據(jù)具有中等噪音水平，p2為預(yù)設(shè)的第二閾值，且p1＞p2；

當(dāng)p＜p2時(shí)，確定所述待識(shí)別聲音數(shù)據(jù)具有高噪音水平。

可選地，p1等于0.8，p2等于0.45。

可選地，所述參考模板中包括瞬態(tài)噪聲、靜態(tài)噪聲和特定人的豐富的語(yǔ)音內(nèi)容的信息。

本發(fā)明實(shí)施例還提供了一種關(guān)鍵詞識(shí)別裝置，所述裝置包括：

分幀處理單元，適于將獲取的待識(shí)別的聲音數(shù)據(jù)劃分為多個(gè)重疊的聲音幀；

頻域轉(zhuǎn)換單元，適于對(duì)劃分得到的多個(gè)聲音幀的聲音信號(hào)分別進(jìn)行快速傅立葉變換運(yùn)算，得到對(duì)應(yīng)的頻譜能量；

第一計(jì)算單元，適于將各個(gè)聲音幀對(duì)應(yīng)的頻譜能量轉(zhuǎn)換為梅爾頻率下的頻譜能量，并計(jì)算對(duì)應(yīng)的mfcc參數(shù)；

第二計(jì)算單元，適于根據(jù)各個(gè)聲音幀對(duì)應(yīng)的mfcc參數(shù)，分別計(jì)算得到所述待識(shí)別聲音數(shù)據(jù)與預(yù)設(shè)的多個(gè)參考模板之間的dtw距離中值、歐氏距離 中值和互相關(guān)距離中值；

判斷單元，適于判斷當(dāng)前聲音幀與當(dāng)前參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值三者的均值是否小于預(yù)設(shè)的閾值；

關(guān)鍵詞識(shí)別單元，適于當(dāng)確定所述待識(shí)別聲音數(shù)據(jù)與當(dāng)前參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值的均值小于預(yù)設(shè)的閾值時(shí)，將當(dāng)前參考模板中的關(guān)鍵詞作為識(shí)別結(jié)果。

可選地，還包括觸發(fā)單元，所述觸發(fā)單元適于在所述待識(shí)別聲音數(shù)據(jù)的頻譜能量大于預(yù)設(shè)的能量閾值時(shí)，觸發(fā)所述第一計(jì)算單元執(zhí)行所述將各個(gè)聲音幀對(duì)應(yīng)的頻譜能量轉(zhuǎn)換為梅爾頻率下的頻譜能量，并計(jì)算對(duì)應(yīng)的mfcc參數(shù)的操作。

可選地，所述預(yù)設(shè)的閾值與所述待識(shí)別聲音數(shù)據(jù)的噪音水平相關(guān)聯(lián)。

可選地，所述待識(shí)別聲音數(shù)據(jù)的噪音水平包括低噪音水平、中等噪音水平和高噪音水平，其中：

當(dāng)p≥p1時(shí)，確定所述待識(shí)別聲音數(shù)據(jù)具有低噪音水平，p表示所述待識(shí)別聲音數(shù)據(jù)對(duì)應(yīng)的絕對(duì)幅值，p1為預(yù)設(shè)的第一閾值；

當(dāng)p2≥p＞p1時(shí)，確定所述待識(shí)別聲音數(shù)據(jù)具有中等噪音水平，p2為預(yù)設(shè)的第二閾值，且p1＞p2；

當(dāng)p＜p2時(shí)，確定所述待識(shí)別聲音數(shù)據(jù)具有高噪音水平。

可選地，p1等于0.8，p2等于0.45。

可選地，所述參考模板中包括瞬態(tài)噪聲、靜態(tài)噪聲和特定人的豐富的語(yǔ)音內(nèi)容的信息。

與現(xiàn)有技術(shù)相比，本發(fā)明的技術(shù)方案具有以下的優(yōu)點(diǎn)：

上述的方案，通過(guò)基于對(duì)應(yīng)mfcc參數(shù)計(jì)算得到的待識(shí)別聲音數(shù)據(jù)與參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值的均值與預(yù)設(shè)的閾值進(jìn)行比較，來(lái)確定聲音幀中是否包括關(guān)鍵詞，而無(wú)需建立對(duì)應(yīng)的數(shù)學(xué)識(shí)別模型，也不需要對(duì)關(guān)鍵詞進(jìn)行相應(yīng)的翻譯，因此，可以節(jié)關(guān)鍵詞識(shí)別的的計(jì)算資源，并可以提高關(guān)鍵詞識(shí)別的準(zhǔn)確率。

進(jìn)一步地，當(dāng)待識(shí)別聲音數(shù)據(jù)的頻譜能量大于預(yù)設(shè)的能量閾值時(shí)，才對(duì)對(duì)應(yīng)的待識(shí)別聲音數(shù)據(jù)進(jìn)行關(guān)鍵詞識(shí)別，反之，則不對(duì)待識(shí)別聲音數(shù)據(jù)進(jìn)行關(guān)鍵詞識(shí)別，因此，可以進(jìn)一步節(jié)約計(jì)算資源，并提高關(guān)鍵詞識(shí)別的速度。

進(jìn)一步地，在錄制對(duì)應(yīng)的參考模板時(shí)，所述參考模板中包括瞬態(tài)噪聲、靜態(tài)噪聲和特定人的豐富的語(yǔ)音內(nèi)容的信息，使得參考模板可以與對(duì)應(yīng)的特定人的語(yǔ)音和語(yǔ)音所屬環(huán)境進(jìn)行較為準(zhǔn)確地記錄，因此，可以進(jìn)一步提高關(guān)鍵詞識(shí)別的準(zhǔn)確性。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例中的一種關(guān)鍵詞識(shí)別方法的流程圖；

圖2是本發(fā)明實(shí)施例中的另一種關(guān)鍵詞識(shí)別方法的流程圖；

圖3是本發(fā)明實(shí)施例中的一種關(guān)鍵詞識(shí)別裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為解決現(xiàn)有技術(shù)中存在的上述問(wèn)題，本發(fā)明實(shí)施例采用的技術(shù)方案通過(guò)在確定待識(shí)別聲音數(shù)據(jù)與參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值的均值與預(yù)設(shè)的閾值進(jìn)行比較，來(lái)確定聲音幀中是否包括關(guān)鍵詞，可以節(jié)關(guān)鍵詞識(shí)別的計(jì)算資源，并可以提高關(guān)鍵詞識(shí)別的準(zhǔn)確率。

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更為明顯易懂，下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施例做詳細(xì)的說(shuō)明。

圖1示出了本發(fā)明實(shí)施例中的一種關(guān)鍵詞識(shí)別方法的流程圖。如圖1所示的關(guān)鍵詞識(shí)別方法，可以包括如下步驟：

步驟s101：將獲取的待識(shí)別聲音數(shù)據(jù)劃分為多個(gè)重疊的聲音幀。

在具體實(shí)施中，各個(gè)聲音幀之間的重疊部分的大小可以根據(jù)實(shí)際的需要進(jìn)行設(shè)置。例如，當(dāng)各個(gè)聲音幀的長(zhǎng)度為32ms時(shí)，相鄰聲音幀之間的重疊部分的大小可以為16ms。

步驟s102：對(duì)劃分得到的多個(gè)聲音幀的聲音信號(hào)分別進(jìn)行快速傅立葉變換運(yùn)算，得到對(duì)應(yīng)的頻譜能量。

在具體實(shí)施中，劃分得到的多個(gè)聲音信號(hào)為時(shí)域的聲音信號(hào)，通過(guò)快速傅立葉變換運(yùn)算(fft)，可以將時(shí)域的聲音信號(hào)轉(zhuǎn)換為頻域的聲音信號(hào)。

步驟s103：將各個(gè)聲音幀對(duì)應(yīng)的頻譜能量轉(zhuǎn)換為梅爾頻率下的頻譜能量，并計(jì)算對(duì)應(yīng)的mfcc參數(shù)。

在具體實(shí)施中，經(jīng)過(guò)快速傅立葉變換運(yùn)算得到聲音信號(hào)的頻譜能量(功率譜)，可以按照預(yù)設(shè)的對(duì)應(yīng)關(guān)系，轉(zhuǎn)換為梅爾頻率下的頻譜能量，并根據(jù)梅爾頻率下的頻譜能量，計(jì)算各個(gè)聲音幀對(duì)應(yīng)的梅爾頻率倒譜系數(shù)(melfrequencycepstrumcoefficient，mfcc)參數(shù)。

步驟s104：根據(jù)各個(gè)聲音幀對(duì)應(yīng)的mfcc參數(shù)，分別計(jì)算得到所述待識(shí)別聲音數(shù)據(jù)與預(yù)設(shè)的多個(gè)參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值。

在具體實(shí)施中，預(yù)設(shè)的多個(gè)參考模板中分別包括對(duì)應(yīng)的關(guān)鍵詞的語(yǔ)音內(nèi)容。其中，預(yù)設(shè)的參考模板的數(shù)量可以根據(jù)實(shí)際的需要進(jìn)行設(shè)置，本發(fā)明在此不做限制。

步驟s105：當(dāng)確定所述待識(shí)別聲音數(shù)據(jù)與當(dāng)前參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值的均值小于預(yù)設(shè)的閾值時(shí)，將當(dāng)前參考模板中的關(guān)鍵詞作為識(shí)別結(jié)果。

在具體實(shí)施中，通過(guò)對(duì)預(yù)設(shè)的多個(gè)參考模板進(jìn)行遍歷，分別計(jì)算當(dāng)前待識(shí)別聲音數(shù)據(jù)與當(dāng)前參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值，并將當(dāng)前待識(shí)別聲音數(shù)據(jù)與當(dāng)前參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值的均值與預(yù)設(shè)的閾值進(jìn)行比較，當(dāng)確定所述待識(shí)別聲音數(shù)據(jù)與當(dāng)前參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值的均值小于預(yù)設(shè)的閾值時(shí)，可以將當(dāng)前參考模板中的關(guān)鍵詞作為識(shí)別結(jié)果；反之，則確定當(dāng)前待識(shí)別的聲音數(shù)據(jù)中不包括當(dāng)前參考模板中的關(guān)鍵詞的語(yǔ)音信息。

下面將結(jié)合圖2對(duì)本發(fā)明實(shí)施例中的關(guān)鍵詞識(shí)別方法做進(jìn)一步詳細(xì)的介紹。

圖2示出了本發(fā)明實(shí)施例中的另一種關(guān)鍵詞識(shí)別方法的流程圖。如圖2 所示的關(guān)鍵詞識(shí)別方法，可以包括如下的步驟：

步驟s201：將獲取的聲音數(shù)據(jù)進(jìn)行重疊分幀，得到對(duì)應(yīng)的多個(gè)聲音幀。

在具體實(shí)施中，首先可以對(duì)所采集的聲音信號(hào)進(jìn)行模數(shù)轉(zhuǎn)換，得到對(duì)應(yīng)的聲音數(shù)據(jù)。接著，可以將對(duì)應(yīng)的聲音數(shù)據(jù)進(jìn)行重疊分幀，得到多個(gè)聲音幀。對(duì)采集的聲音數(shù)據(jù)進(jìn)行分幀，實(shí)質(zhì)是對(duì)聲音數(shù)據(jù)進(jìn)行短時(shí)分析。短時(shí)分析是把聲音信號(hào)分成具有固定周期的時(shí)間短段，每個(gè)時(shí)間短段是相對(duì)固定的持續(xù)聲音片段。其中，相鄰的兩個(gè)聲音幀之間部分重疊，重疊范圍可以根據(jù)實(shí)際情況進(jìn)行選擇。

步驟s202：對(duì)所得到的多個(gè)聲音幀進(jìn)行加窗處理。

在具體實(shí)施中，可以選擇漢明窗、漢寧窗、矩形窗等語(yǔ)音信號(hào)處理常用的窗函數(shù)，幀長(zhǎng)選擇為10～40ms，典型值為20ms。其中，對(duì)語(yǔ)音信號(hào)進(jìn)行分幀處理破壞了聲音信號(hào)的自然度，通過(guò)使用聲音幀進(jìn)行加窗和回移處理等，可以解決這個(gè)問(wèn)題。

步驟s203：將經(jīng)過(guò)加窗處理后的聲音幀進(jìn)行快速傅立葉變換運(yùn)算，得到各個(gè)聲音幀對(duì)應(yīng)的頻譜能量的信息。

在具體實(shí)施中，聲音數(shù)據(jù)理論上來(lái)說(shuō)是隨時(shí)間變化的，是一個(gè)非穩(wěn)態(tài)的過(guò)程，不可以直接進(jìn)行頻域的轉(zhuǎn)換。但是，由于對(duì)聲音數(shù)據(jù)進(jìn)行分幀處理(短時(shí)分析)，每幀的聲音數(shù)據(jù)可以認(rèn)為是相對(duì)穩(wěn)定的，因而可以對(duì)其應(yīng)用頻域轉(zhuǎn)換。

在具體實(shí)施中，可以采用短時(shí)傅立葉變換(short-timefouriertransform/short-termfouriertransform，stft)對(duì)每幀的聲音數(shù)據(jù)進(jìn)行頻域轉(zhuǎn)換，以得到各個(gè)聲音幀對(duì)應(yīng)的頻譜信息。其中，所得到的頻譜中包括對(duì)應(yīng)的聲音信號(hào)的頻率和能量的關(guān)系。

步驟s204：將各個(gè)聲音幀對(duì)應(yīng)的頻譜能量轉(zhuǎn)換為梅爾頻率下的頻譜能量，并計(jì)算對(duì)應(yīng)的mfcc參數(shù)。

在本發(fā)明一實(shí)施例中，當(dāng)?shù)玫疆?dāng)前待識(shí)別聲音數(shù)據(jù)的多個(gè)聲音幀對(duì)應(yīng)的頻譜能量之后，可以首先判斷當(dāng)前待識(shí)別聲音數(shù)據(jù)的頻譜能量是否大于預(yù)設(shè) 的能量閾值，當(dāng)確定當(dāng)前待識(shí)別聲音數(shù)據(jù)的頻譜能量大于所述能量閾值時(shí)，繼續(xù)執(zhí)行步驟s204，否則，確定當(dāng)前待識(shí)別聲音數(shù)據(jù)中不包括關(guān)鍵詞的語(yǔ)音信息，因此，便可以停止對(duì)當(dāng)前待識(shí)別聲音數(shù)據(jù)的后續(xù)處理，以進(jìn)一步節(jié)約計(jì)算資源。

在具體實(shí)施中，可以按照預(yù)設(shè)的對(duì)應(yīng)關(guān)系，將經(jīng)過(guò)fft運(yùn)算得到的頻譜能量轉(zhuǎn)換成為梅爾(mel)頻率下的頻譜能量，并計(jì)算每個(gè)聲音幀對(duì)應(yīng)的mfcc參數(shù)，作為每個(gè)聲音幀的特征向量。

步驟s205：根據(jù)各個(gè)聲音幀對(duì)應(yīng)的mfcc參數(shù)，計(jì)算得到當(dāng)前聲音幀與預(yù)設(shè)的多個(gè)參考模板中當(dāng)前參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值。

在本發(fā)明一實(shí)施例中，在計(jì)算當(dāng)前待識(shí)別的聲音數(shù)據(jù)與參考模板之間的dtw距離時(shí)，當(dāng)前待識(shí)別的聲音數(shù)據(jù)和參考模板分別被劃分成i幀。同時(shí)，本申請(qǐng)的發(fā)明人根據(jù)經(jīng)驗(yàn)獲知，在參考模板的錄制過(guò)程中，說(shuō)話者的發(fā)音會(huì)變得亢奮，且語(yǔ)速也比往常要慢。因此，將參考模板劃分為i幀，用于dtw距離計(jì)算的每跳大小為0.1i幀，在計(jì)算得到當(dāng)前待識(shí)別聲音數(shù)據(jù)的i幀與參考模板的i幀的dtw距離之后，將i個(gè)dtw距離的中值作為當(dāng)前待識(shí)別聲音數(shù)據(jù)與對(duì)應(yīng)的參考模板的dtw距離中值。類似地，我們可以得到當(dāng)前待識(shí)別聲音數(shù)據(jù)與對(duì)應(yīng)的參考模板的歐式距離(ed)中值和互相關(guān)距離(cc)距離中值。

步驟s206：判斷待識(shí)別聲音數(shù)據(jù)與當(dāng)前參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值的均值是否小于預(yù)設(shè)的閾值；當(dāng)判斷結(jié)果為是時(shí)，可以執(zhí)行步驟s207，反之，則對(duì)預(yù)設(shè)的多個(gè)參考模板中的下一參考模板從步驟s205開(kāi)始執(zhí)行。

在具體實(shí)施中，在計(jì)算得到當(dāng)前待識(shí)別聲音數(shù)據(jù)與參考模板之間的dtw距離中值、歐式距離中值和互相關(guān)距離中值之后，將三者的均值與預(yù)設(shè)的閾值進(jìn)行比較。

在本發(fā)明一實(shí)施例中，所述預(yù)設(shè)的閾值與當(dāng)前待識(shí)別聲音數(shù)據(jù)的噪音水平相關(guān)聯(lián)，即不同的噪音水平，對(duì)應(yīng)的預(yù)設(shè)的閾值將會(huì)不同。其中，當(dāng)前待 識(shí)別聲音數(shù)據(jù)的絕對(duì)幅值概率大于當(dāng)p≥p1時(shí)，確定所述待識(shí)別聲音數(shù)據(jù)具有低噪音水平，p表示所述待識(shí)別聲音數(shù)據(jù)對(duì)應(yīng)的絕對(duì)幅值，p1為預(yù)設(shè)的第一閾值；p2≥p＞p1時(shí)，確定所述待識(shí)別聲音數(shù)據(jù)具有中等噪音水平，p2為預(yù)設(shè)的第二閾值，且p1＞p2；當(dāng)p＜p2時(shí)，確定所述待識(shí)別聲音數(shù)據(jù)具有高噪音水平。在本發(fā)明一實(shí)施例中，p1為0.8，p2為0.45。

步驟s207：將當(dāng)前參考模板中的關(guān)鍵詞作為識(shí)別結(jié)果并輸出。

在具體實(shí)施中，當(dāng)確定預(yù)設(shè)的參考模板中的某個(gè)參考模板與當(dāng)前待識(shí)別聲音數(shù)據(jù)之間的dtw距離中值、歐式距離中值和互相關(guān)距離中值的均值小于預(yù)設(shè)的閾值時(shí)，可以確定當(dāng)前待識(shí)別聲音數(shù)據(jù)中包括參考模板中的關(guān)鍵詞的語(yǔ)音信息。因此，可以將所述參考模板中的關(guān)鍵詞作為當(dāng)前待識(shí)別聲音數(shù)據(jù)的關(guān)鍵詞識(shí)別結(jié)果并輸出。

在具體實(shí)施中，當(dāng)將上述的關(guān)鍵詞識(shí)別方法應(yīng)用于告警系統(tǒng)中時(shí)，在識(shí)別出對(duì)應(yīng)的關(guān)鍵詞時(shí)，告警系統(tǒng)可以執(zhí)行告警操作。

這里需要指出的是，在緊急情況或者其他的關(guān)鍵詞應(yīng)用中，單純(如未經(jīng)訓(xùn)練)的用戶可以用于錄制個(gè)性化關(guān)鍵詞。為了確保良好的識(shí)別性能，參考模板變得非常重要。這可以通過(guò)簡(jiǎn)單的核查操作來(lái)確保參考模板的錄制質(zhì)量。

因此，本申請(qǐng)的發(fā)明人提倡三種檢測(cè)因素，即檢測(cè)瞬態(tài)噪聲源(如摔門聲)，靜態(tài)噪聲源(如風(fēng)扇或者交通噪聲)，且豐富關(guān)鍵詞的發(fā)音內(nèi)容。上述三種因素需要同時(shí)滿足，否則將需要重新錄制關(guān)鍵詞。其中，瞬態(tài)噪聲的檢測(cè)，可以使用連續(xù)25ms的聲音幀，且每跳大小為5ms的聲音信號(hào)的能量的絕對(duì)幅值的差異。其中，可以將每5個(gè)聲音幀的絕對(duì)幅值進(jìn)行平均。在靜態(tài)噪聲檢測(cè)時(shí)，關(guān)鍵詞的錄制發(fā)生在安靜環(huán)境中預(yù)設(shè)的5s時(shí)間窗內(nèi)。與包括關(guān)鍵詞的聲音數(shù)據(jù)相比，在5s時(shí)間窗內(nèi)，不包括關(guān)鍵詞的參考模板的開(kāi)頭和結(jié)尾的信號(hào)能量具有較大的差異。在核查豐富的發(fā)音內(nèi)容時(shí)，只有單一元音而沒(méi)有如“啊”之類的輔音的關(guān)鍵詞是被拒絕的，這種拒絕可以基于與關(guān)鍵詞的發(fā)音內(nèi)容相關(guān)的修正過(guò)零率做出。

下面將對(duì)本發(fā)明實(shí)施例中的關(guān)鍵詞識(shí)別方法對(duì)應(yīng)的裝置做進(jìn)一步詳細(xì)的 介紹。

請(qǐng)參見(jiàn)圖3，本發(fā)明實(shí)施例中的關(guān)鍵詞識(shí)別裝置300，可以包括分幀處理單元301、頻域轉(zhuǎn)換單元302、第一計(jì)算單元303、第二計(jì)算單元304、判斷單元305和關(guān)鍵詞識(shí)別單元306，其中：

所述分幀處理單元301，適于將獲取的待識(shí)別的聲音數(shù)據(jù)劃分為多個(gè)重疊的聲音幀；

所述頻域轉(zhuǎn)換單元302，適于對(duì)劃分得到的多個(gè)聲音幀進(jìn)行遍歷，并將遍歷到的當(dāng)前聲音幀的聲音信號(hào)進(jìn)行快速傅立葉變換運(yùn)算，得到對(duì)應(yīng)的頻譜能量；

所述第一計(jì)算單元303，適于將所得到的頻譜能量轉(zhuǎn)換為梅爾頻率下的頻譜能量，并計(jì)算對(duì)應(yīng)的mfcc參數(shù)；

在具體實(shí)施中，在所述關(guān)鍵詞識(shí)別裝置300還可以設(shè)置一個(gè)觸發(fā)單元(圖中未示出)，該觸發(fā)單元適于在遍歷到的當(dāng)前聲音幀的頻譜能量大于預(yù)設(shè)的能量閾值時(shí)，觸發(fā)所述第一計(jì)算單元303執(zhí)行所述將所得到頻譜能量轉(zhuǎn)換為mel頻率下的頻譜能量，并計(jì)算對(duì)應(yīng)的mfcc參數(shù)的操作；

所述第二計(jì)算單元304，適于根據(jù)當(dāng)前聲音幀對(duì)應(yīng)的mfcc參數(shù)，分別計(jì)算得到當(dāng)前聲音幀與預(yù)設(shè)的多個(gè)參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值；

所述判斷單元305，適于判斷當(dāng)前聲音幀與參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值的均值是否小于預(yù)設(shè)的閾值；

在具體實(shí)施中，所述預(yù)設(shè)的閾值與當(dāng)前聲音幀的噪音水平相關(guān)聯(lián)，其中，當(dāng)p≥p1時(shí)，確定當(dāng)前聲音幀具有低噪音水平，p表示當(dāng)前聲音幀對(duì)應(yīng)的絕對(duì)幅值，p1為預(yù)設(shè)的第一閾值；當(dāng)p2≥p＞p1時(shí)，確定當(dāng)前聲音幀具有中等噪音水平，p2為預(yù)設(shè)的第二閾值，且p1＞p2；當(dāng)p＜p2時(shí)，確定當(dāng)前聲音幀具有高噪音水平。其中，在本發(fā)明一實(shí)施例中，p1等于0.8，p2等于0.45。

在具體實(shí)施中，所述參考模板中包括瞬態(tài)噪聲、靜態(tài)噪聲和特定人的豐富的語(yǔ)音內(nèi)容的信息。

所述關(guān)鍵詞識(shí)別單元306，適于當(dāng)確定當(dāng)前聲音幀與參考模板之間的dtw距離中值、歐氏距離中值和互相關(guān)距離中值的均值小于預(yù)設(shè)的閾值時(shí)，將當(dāng)前參考模板中的關(guān)鍵詞作為識(shí)別結(jié)果并輸出。

本領(lǐng)域普通技術(shù)人員可以理解上述實(shí)施例的各種方法中的全部或部分步驟是可以通過(guò)程序來(lái)指令相關(guān)的硬件來(lái)完成，該程序可以存儲(chǔ)于計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，存儲(chǔ)介質(zhì)可以包括：rom、ram、磁盤或光盤等。

以上對(duì)本發(fā)明實(shí)施例的方法及系統(tǒng)做了詳細(xì)的介紹，本發(fā)明并不限于此。任何本領(lǐng)域技術(shù)人員，在不脫離本發(fā)明的精神和范圍內(nèi)，均可作各種更動(dòng)與修改，因此本發(fā)明的保護(hù)范圍應(yīng)當(dāng)以權(quán)利要求所限定的范圍為準(zhǔn)。