语音信号检测方法、计算机存储介质及相关设备与流程

本申请涉及语音识别领域，具体而言，涉及一种语音信号检测方法、计算机存储介质及相关设备。

背景技术：

在语音交互的产品上，可以通过语音识别系统对采集到的语音信号进行识别分析，但是，在远场语音识别的应用场景中，接收端的语音信号较弱，环境中的强噪声会显著降低音频信号的检测质量，从而容易引起识别系统的误触发。

在强噪声、弱信号环境中，目前可以采用基于接收信号统计特征的信号检测方法，该方法利用门限值作为判断依据，并且只能利用当前帧的数据来进行判断，导致检测结果的可靠性不高。

针对上述的问题，目前尚未提出有效的解决方案。

技术实现要素：

本申请实施例提供了一种语音信号检测方法、计算机存储介质及相关设备，以至少解决相关技术中利用门限值作为语音信号检测的判断依据，检测结果可靠性不高的技术问题。

根据本申请实施例的第一方面，提供了一种语音信号检测方法，包括：获取当前时刻采集到的当前音频信号和历史时刻采集到的多个历史音频信号；利用贝叶斯滤波对当前音频信号和多个历史音频信号进行处理，得到当前音频信号的后验概率，其中，后验概率包括：当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率；基于当前音频信号的后验概率和预设门限值，得到当前音频信号的检测结果，其中，检测结果用于表征当前音频信号中包含语音信号的概率。

可选地，利用贝叶斯滤波对当前音频信号和多个历史音频信号进行处理，得到当前音频信号的后验概率包括：对当前音频信号和多个历史音频信号进行建模，得到当前音频信号的概率分布，其中，概率分布包括：当前音频信号包含语音信号的概率分布，及当前音频信号不包含语音信号的概率分布；利用贝叶斯滤波对当前音频信号的概率分布进行处理，得到当前音频信号的后验概率。

可选地，对当前音频信号和多个历史音频信号进行建模，得到当前音频信号的概率分布包括：对当前音频信号进行处理，得到当前噪声信号和当前语音信号；获取当前噪声信号的平均功率和当前语音信号的平均功率；基于当前噪声信号的平均功率、当前语音信号的平均功率、多个历史噪声信号的平均功率和多个历史语音信号的平均功率，得到当前音频信号包含语音信号的概率分布，其中，多个历史噪声信号和多个历史语音信号是对多个历史音频信号进行处理得到的；基于当前噪声信号的平均功率和多个历史噪声信号的平均功率，得到当前音频信号不包含语音信号的概率分布。

可选地，获取当前噪声信号的平均功率和当前语音信号的平均功率包括：获取目标噪声信号的平均功率和目标语音信号的平均功率，其中，目标噪声信号和目标语音信号是对前一个时刻采集到的历史音频信号进行处理得到的；基于目标噪声信号的平均功率和当前噪声信号，得到当前噪声信号的平均功率；基于目标语音信号的平均功率和当前语音信号，得到当前语音信号的平均功率。

可选地，通过如下公式得到当前噪声信号的平均功率和到当前噪声信号的平均功率：δv(n)＝λδv(n-1)+(1-λ)|v(n)|²，δs(n)＝λδs(n-1)+(1-λ)|s(n)|²，其中，δv(n)表示当前噪声信号的平均功率，δv(n-1)表示目标噪声信号的平均功率，v(n)表示当前噪声信号，λ表示遗忘因子，δs(n)表示当前语音信号的平均功率，δs(n-1)表示目标语音信号的平均功率，s(n)表示当前语音信号。

可选地，通过如下公式得到概率分布：

其中，n(g)表示高斯分布，h0表示当前音频信号不包含语音信号的概率分布，h1表示当前音频信号包含语音信号的概率分布。

可选地，利用贝叶斯滤波对当前音频信号的概率分布进行处理，得到当前音频信号的后验概率包括：获取多个历史音频信号的概率分布，以及前一个时刻采集到的目标音频信号的后验概率；利用贝叶斯滤波对当前音频信号的概率分布，多个历史音频信号的概率分布，以及目标音频信号的后验概率进行处理，得到当前音频信号的后验概率。

可选地，通过如下公式得到当前音频信号包含语音信号的后验概率：其中，p(h1|z(n-n+1),...,z(n))表示当前音频信号包含语音信号的后验概率，p(h1|z(n-n+1),...,z(n-1))表示目标音频信号的后验概率，z(n-n+1),...,z(n-1)表示多个历史音频信号的概率分布；0时刻采集到的音频信号包含语音信号的后验概率p(h1|z(0))的公式如下：其中，p(h1)表示0时刻采集到的音频信号包含语音信号的概率，p(h0)表示0时刻采集到的音频信号不包含语音信号的概率。

可选地，基于当前音频信号的后验概率和预设门限值，得到当前音频信号的检测结果包括：将当前音频信号的概率分布与预设门限值进行比较；基于当前音频信号的后验概率和比较结果，得到检测结果。

可选地，基于当前音频信号的后验概率和比较结果，得到检测结果包括：在当前音频信号的概率分布大于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率，得到检测结果；在当前音频信号的概率分布小于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，得到检测结果。

可选地，基于当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率，得到检测结果包括：获取状态转移概率与当前音频信号不包含语音信号的后验概率的乘积，得到第一乘积；获取第一乘积与当前音频信号包含语音信号的后验概率之和，得到检测结果。

可选地，基于当前音频信号包含语音信号的后验概率，得到检测结果包括：获取状态转移概率与当前音频信号包含语音信号的后验概率的乘积，得到第二乘积；获取当前音频信号包含语音信号的后验概率与第二乘积之差，得到检测结果。

根据本申请实施例的第二方面，提供了一种语音信号检测方法，包括：获取当前时刻采集到的当前音频信号和历史时刻采集到的多个历史音频信号；对当前音频信号和多个历史音频信号进行建模，得到当前音频信号的概率分布，其中，概率分布包括：当前音频信号包含语音信号的概率分布，及当前音频信号不包含语音信号的概率分布；利用贝叶斯滤波对当前音频信号的概率分布进行处理，得到当前音频信号的后验概率，其中，后验概率包括：当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率；将当前音频信号的概率分布与预设门限值进行比较；基于当前音频信号的后验概率和比较结果，得到当前音频信号的检测结果，其中，检测结果用于表征当前音频信号中包含语音信号的概率。

可选地，对当前音频信号和多个历史音频信号进行建模，得到当前音频信号的概率分布包括：对当前音频信号进行处理，得到当前噪声信号和当前语音信号；获取当前噪声信号的平均功率和当前语音信号的平均功率；基于当前噪声信号的平均功率、当前语音信号的平均功率、多个历史噪声信号的平均功率和多个历史语音信号的平均功率，得到当前音频信号包含语音信号的概率分布，其中，多个历史噪声信号和多个历史语音信号是对多个历史音频信号进行处理得到的；基于当前噪声信号的平均功率和多个历史噪声信号的平均功率，得到当前音频信号不包含语音信号的概率分布。

可选地，利用贝叶斯滤波对当前音频信号的概率分布进行处理，得到当前音频信号的后验概率包括：获取多个历史音频信号的概率分布，以及前一个时刻采集到的目标音频信号的后验概率；利用贝叶斯滤波对当前音频信号的概率分布，多个历史音频信号的概率分布，以及目标音频信号的后验概率进行处理，得到当前音频信号的后验概率。

可选地，基于当前音频信号的后验概率和比较结果，得到当前音频信号的检测结果包括：在当前音频信号的概率分布大于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率，得到检测结果；在当前音频信号的概率分布小于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，得到检测结果。

根据本申请实施例的第三方面，提供了一种语音信号检测装置，包括：信号获取模块，用于获取当前时刻采集到的当前音频信号和历史时刻采集到的多个历史音频信号；后验概率模块，用于利用贝叶斯滤波对当前音频信号和多个历史音频信号进行处理，得到当前音频信号的后验概率，其中，后验概率包括：当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率；结果处理模块，用于基于当前音频信号的后验概率和预设门限值，得到当前音频信号的检测结果，其中，检测结果用于表征当前音频信号中包含语音信号的概率。

根据本申请实施例的第四方面，提供了一种语音信号检测装置，包括：信号获取模块，用于获取当前时刻采集到的当前音频信号和历史时刻采集到的多个历史音频信号；建模模块，用于对当前音频信号和多个历史音频信号进行建模，得到当前音频信号的概率分布，其中，概率分布包括：当前音频信号包含语音信号的概率分布，及当前音频信号不包含语音信号的概率分布；后验概率模块，用于利用贝叶斯滤波对当前音频信号的概率分布进行处理，得到当前音频信号的后验概率，其中，后验概率包括：当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率；门限值检测模块，用于将当前音频信号的概率分布与预设门限值进行比较；结果处理模块，用于基于当前音频信号的后验概率和比较结果，得到当前音频信号的检测结果，其中，检测结果用于表征当前音频信号中包含语音信号的概率。

根据本申请实施例的第五方面，提供了一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行如上述的方法步骤。

根据本申请实施例的第六方面，提供了一种电子设备，包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行如上述的方法步骤。

在本申请实施例中，通过利用贝叶斯滤波对当前音频信号和多个历史音频信号进行处理，得到后验概率，进一步结合预设门限值，得到最终的检测结果。由于结合贝叶斯滤波的方法和门限值检测操作，利用历史观测数据对当前检测结果进行加权，从而实现对接收端的音频信号进行有效检测，提升检测结果的可靠性和有效性，改善强噪声、弱信号环境下的音频信号的检测质量，有效降低语音识别系统的误触发率，进而提升产品服务质量，解决了相关技术中利用门限值作为语音信号检测的判断依据，检测结果可靠性不高技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的第一种语音信号检测方法的流程图；

图2a是根据本申请实施例的第一种语音状态转移概率的示意图；

图2b是根据本申请实施例的第二种语音状态转移概率的示意图；

图3是根据本申请实施例的第二种语音信号检测方法的流程图；

图4是根据本申请实施例的一种语音信号检测方法的硬件环境示意图；

图5是根据本申请实施例的一种优选的语音信号检测方法的流程图；

图6是根据本申请实施例的第一种语音信号检测装置的示意图；

图7是根据本申请实施例的第二种语音信号检测装置的示意图；

图8是根据本申请实施例的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

为了提升强噪声、弱信号环境下语音信号检测质量，通常采用基于接收信号统计特征的方法，但是，该方法利用了门限值作为判断依据，并且只能利用当前帧的数据来进行判断，而不能充分利用语音信号在时间上的相关性来提升当前检测结果的可靠性。

为了解决上述技术问题，本申请实施例提供了一种语音信号检测方法和装置、计算机存储介质及相关设备。

该方法可以应用于语音交互的产品，部署在该产品的音频信号处理平台上。在本申请实施例中，以智能交互平板为例进行说明，音频信号处理平台可以部署在服务器中。

智能交互平板可以是通过触控技术对显示在显示平板上的内容进行操控和实现人机交互操作的一体化设备，其集成了投影机、电子白板、幕布、音响、电视机以及视频会议终端等一种或多种功能。智能交互平板的硬件部分由显示模组、智能处理系统(包括控制器)等部分所构成，由整体结构件结合到一起，同时也由专用的软件系统作为支撑，其中显示模组包括显示屏和背光灯组件，其中显示屏包括透明电导层和液晶层等。

显示屏，在本说明书中的实施例中，是指触摸屏、触控屏、触控面板，是一种感应式液晶显示装置，当接触了屏幕上的图形按钮时，屏幕上的触觉反馈系统可根据预先编程的程式驱动各种连接装置，可用以取代机械式的按钮面板，并借由液晶显示画面制造出生动的影音效果。从技术原理来区别触摸屏，可以分为五个基本种类；矢量压力传感技术触摸屏、电阻技术触摸屏、电容技术触摸屏、红外线技术触摸屏、表面声波技术触摸屏。按照触摸屏的工作原理和传输信息的介质，可以把触摸屏分为四个种类：电阻式、电容感应式、红外线式以及表面声波式。

智能交互平板可以通过麦克风采集用户的语音信号，进一步通过语音识别系统完成语音识别，得到相应的控制指令，然后由智能处理系统内置的软件来实现不同的功能应用。

实施例1

根据本申请实施例，提供了一种语音信号检测方法，该方法应用于语音交互的产品，可以部署在产品的音频信号处理平台上。

下面结合图1对本申请实施例提供的视频检测方法进行详细介绍。如图1所示，该方法包括如下步骤：

步骤s102，获取当前时刻采集到的当前音频信号和历史时刻采集到的多个历史音频信号；

考虑到语音信号在时间上具有相关性，为了提高语音信号检测的可靠性，在对语音信号进行检测时，不仅仅需要获取当前时刻采集到的当前音频信号，还需要获取历史时刻采集到的历史音频信号。

获取到的历史音频信号的数量越多，检测可靠性越高，但是，数据处理量越大，检测耗时越久。综合考虑检测可靠性和检测效率，可以预先设置需要获取的历史音频信号的数量。

对于语音交互产品，可以通过麦克风实时采音频信号，并按照采集时间对音频信号进行存储，方便后续进行语音信号检测。

步骤s104，利用贝叶斯滤波对当前音频信号和多个历史音频信号进行处理，得到当前音频信号的后验概率，其中，后验概率包括：当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率；

贝叶斯原理的实质是利用所有已知信息来构造系统状态变量的后验概率密度，即用系统模型预测状态的先验概率密度，再用最新的观测数据进行修正，得到后验概率密度。

由于实时采集到的音频信号可能包含有有效语音信号，也可能不包含有效语音信号，仅仅包含环境噪声信息，因此，利用贝叶斯滤波得到的后验概率包括：当前时刻采集到语音信号的概率，以及当前时刻未采集到语音信号的概率。

步骤s106，基于当前音频信号的后验概率和预设门限值，得到当前音频信号的检测结果，其中，检测结果用于表征当前音频信号中包含语音信号的概率。

为了进一步确保检测结果的有效性，在利用贝叶斯滤波得到后验概率之后，可以结合门限值检测操作，提升后验概率值的可靠性，从而保证了检测解决的准确性。本实施例中，上述的预设门限值可以根据需要进行设定，通过预设门限值判断可以确定相应的语音状态之间的转移关系，进而基于转移关系，可以确定当前音频信号中包含语音信号的概率，也即得到最终的检测结果。

在本申请实施例中，通过利用贝叶斯滤波对当前音频信号和多个历史音频信号进行处理，得到后验概率，进一步结合预设门限值，得到最终的检测结果。在本申请实施例中，由于结合贝叶斯滤波的方法和门限值检测操作，利用历史观测数据对当前检测结果进行加权，从而实现对接收端的音频信号进行有效检测，提升检测结果的可靠性和有效性，改善强噪声、弱信号环境下的音频信号的检测质量，有效降低语音识别系统的误触发率，进而提升产品服务质量。

实施例2

如图1所示，该方法包括如下步骤：

步骤s102，获取当前时刻采集到的当前音频信号和历史时刻采集到的多个历史音频信号；

步骤s104，利用贝叶斯滤波对当前音频信号和多个历史音频信号进行处理，得到当前音频信号的后验概率，其中，后验概率包括：当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率；

具体地，贝叶斯滤波的具体实现方式如下：对当前音频信号和多个历史音频信号进行建模，得到当前音频信号的概率分布，其中，概率分布包括：当前音频信号包含语音信号的概率分布，及当前音频信号不包含语音信号的概率分布；利用贝叶斯滤波对当前音频信号的概率分布进行处理，得到当前音频信号的后验概率。

由于采集到的音频信号可能包括有效语音信号，也可能不包括有效语音信号，可以基于音频信号的一阶和二阶统计特征，对音频信号的和信号进行建模，分别得到音频信号在纯噪声环境和包含有效语音信号环境下的概率分布。具体地，本实施例中可以采用高斯分布，高斯分布是具有两个参数的连续性随机变量的分布，第一参数是遵从高斯分布的随机变量的均值，第二个参数是随机变量的方差。

在本申请实施例中，可以通过如下方式进行建模：对当前音频信号进行处理，得到当前噪声信号和当前语音信号；获取当前噪声信号的平均功率和当前语音信号的平均功率；基于当前噪声信号的平均功率、当前语音信号的平均功率、多个历史噪声信号的平均功率和多个历史语音信号的平均功率，得到当前音频信号包含语音信号的概率分布，其中，多个历史噪声信号和多个历史语音信号是对多个历史音频信号进行处理得到的；基于当前噪声信号的平均功率和多个历史噪声信号的平均功率，得到当前音频信号不包含语音信号的概率分布。

上述的噪声信号(包括：当前噪声信号和历史噪声信号)可以是基于采集到的音频信号，并通过经验值确定，其中，当前噪声信号用v(n)表示。上述的语音信号(包括：当前语音信号和历史语音信号)可以是从采集到的音频信号中提取得到，其中，当前语音信号用s(n)表示。

在本申请实施例的一个示例性实施例中，当前噪声信号的平均功率的具体获取方式如下：获取目标噪声信号的平均功率和目标语音信号的平均功率，其中，目标噪声信号和目标语音信号是对前一个时刻采集到的历史音频信号进行处理得到的；基于目标噪声信号的平均功率和当前噪声信号，得到当前噪声信号的平均功率；基于目标语音信号的平均功率和当前语音信号，得到当前噪声信号的平均功率。

可选地，在无语音信号的情况下，环境噪声的平均功率可以表示为：

δv(n)＝λδv(n-1)+(1-λ)|v(n)|²，

其中，δv(n)表示当前噪声信号的平均功率，δv(n-1)表示目标噪声信号的平均功率，λ表示遗忘因子。

同理可知，在有语音信号的情况下，语音信号的平均功率可以表示为：

δs(n)＝λδs(n-1)+(1-λ)|s(n)|²，

其中，δs(n)为当前语音信号的平均功率，δs(n-1)为目标语音信号的平均功率。

在获得噪声平均功率和信号平均功率之后，当前时刻连续n个音频信号(包括当前音频信号和n-1个历史音频信号)的功率和信号分布(即上述的当前音频信号的概率分布)表示为：

其中，n(g)表示高斯分布，h0表示当前音频信号不包含语音信号的概率分布，h1表示当前音频信号包含语音信号的概率分布。

在本申请实施例中，可以通过如下方式得到后验概率：获取多个历史音频信号的概率分布，以及前一个时刻采集到的目标音频信号的后验概率；利用贝叶斯滤波对当前音频信号的概率分布，多个历史音频信号的概率分布，以及目标音频信号的后验概率进行处理，得到当前音频信号的后验概率。

可选地，在当前n时刻，利用建模得到的z(n)分布，可以得到z(n-n+1),z(n-n+2),...,z(n)连续n个时刻的观测值，进一步利用n个连续观测值可以得到当前时刻h1出现的概率，也即，得到当前音频信号包含语音信号的后验概率，该概率可以表示为：

其中，p(h1|z(n-n+1),...,z(n))表示当前音频信号包含语音信号的后验概率，p(h1|z(n-n+1),...,z(n-1))表示目标音频信号的后验概率，z(n-n+1),...,z(n-1)表示多个历史音频信号的概率分布。

另外，基于z(n)分布可知，

0时刻采集到的音频信号包含语音信号的后验概率p(h1|z(0))表示为：

其中，p(h1)表示0时刻采集到的音频信号包含语音信号的概率，p(h0)表示0时刻采集到的音频信号不包含语音信号的概率。

对于0时刻，可以认为音频信号中包含语音信号的概率与不包含语音信号的概率相同，因此，p(h1)＝p(h0)＝0.5。

步骤s106，基于当前音频信号的后验概率和预设门限值，得到当前音频信号的检测结果，其中，检测结果用于表征当前音频信号中包含语音信号的概率。

具体地，门限值判断操作的具体实现方式如下：将当前音频信号的概率分布与预设门限值进行比较；基于当前音频信号的后验概率和比较结果，得到检测结果。

本实施例中，可以根据检测需要预先设定预设门限值，预设门限值可以用γ(n)表示。

在本申请实施例中，具体可以通过如下方式对后验概率结果进行门限值判断操作：在当前音频信号的概率分布大于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率，得到检测结果；在当前音频信号的概率分布小于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，得到检测结果。

在得到z(n)和γ(n)的大小关系之后，可以针对不同的比较结果，预先设置相应的语音状态转移概率，z(n)＞γ(n)的语音状态转移概率如图2a所示，z(n)＜γ(n)的语音状态转移概率如图2b所示，其中，a为状态转移概率。

当采用门限值判断操作，得到比较结果之后，可以基于贝叶斯滤波输出的p(h1)和p(h0)，进一步结合比较结果确定语音状态之间的转移关系，得到对应的语音存在概率，也即，得到最终的检测结果。

在本申请实施例的一个示例性实施例中，在z(n)＞γ(n)的情况下，可以通过如下方式得到检测结果：获取状态转移概率与当前音频信号不包含语音信号的后验概率的乘积，得到第一乘积；获取第一乘积与当前音频信号包含语音信号的后验概率之和，得到检测结果。在z(n)＜γ(n)的情况下，可以通过如下方式得到检测结果：获取状态转移概率与当前音频信号包含语音信号的后验概率的乘积，得到第二乘积；获取当前音频信号包含语音信号的后验概率与第二乘积之差，得到检测结果。

具体地，可以通过如下公式得到不同比较结果对应的检测结果：

p(h1|z(n)＞γ(n))＝a*p(h0)+p(h1)，

p(h1|z(n)＜γ(n))＝(1-a)*p(h1)。

可选地，本实施例中的上述步骤可以通过信号处理平台的相关api函数实现。

需要注意的是，由于篇幅所限，本申请中并没有穷举所有的实施方式，只要是不互相矛盾的特征，均可以自由随意组合，成为本申请可选的实施方式。

实施例3

根据本申请实施例，提供了一种语音信号检测方法，该方法应用于语音交互的产品，可以部署在产品的音频信号处理平台上。如图3所示，该方法包括如下步骤：

步骤s302，获取当前时刻采集到的当前音频信号和历史时刻采集到的多个历史音频信号；

步骤s304，对当前音频信号和多个历史音频信号进行建模，得到当前音频信号的概率分布，其中，概率分布包括：当前音频信号包含语音信号的概率分布，及当前音频信号不包含语音信号的概率分布；

在本实施例中，建模的具体实现方式如下：对当前音频信号进行处理，得到当前噪声信号和当前语音信号；获取当前噪声信号的平均功率和当前语音信号的平均功率；基于当前噪声信号的平均功率、当前语音信号的平均功率、多个历史噪声信号的平均功率和多个历史语音信号的平均功率，得到当前音频信号包含语音信号的概率分布，其中，多个历史噪声信号和多个历史语音信号是对多个历史音频信号进行处理得到的；基于当前噪声信号的平均功率和多个历史噪声信号的平均功率，得到当前音频信号不包含语音信号的概率分布。

步骤s306，利用贝叶斯滤波对当前音频信号的概率分布进行处理，得到当前音频信号的后验概率，其中，后验概率包括：当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率；

在本实施例中，贝叶斯滤波的具体实现方式如下：获取多个历史音频信号的概率分布，以及前一个时刻采集到的目标音频信号的后验概率；利用贝叶斯滤波对当前音频信号的概率分布，多个历史音频信号的概率分布，以及目标音频信号的后验概率进行处理，得到当前音频信号的后验概率。

步骤s308，将当前音频信号的概率分布与预设门限值进行比较；

步骤s310，基于当前音频信号的后验概率和比较结果，得到当前音频信号的检测结果，其中，检测结果用于表征当前音频信号中包含语音信号的概率。

在本实施例中，检测结果的具体实现方式如下：在当前音频信号的概率分布大于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率，得到检测结果；在当前音频信号的概率分布小于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，得到检测结果。

在本申请实施例中，通过利用贝叶斯滤波对当前音频信号和多个历史音频信号进行处理，得到后验概率，进一步结合预设门限值，得到最终的检测结果，从而实现对接收端的音频信号进行有效检测，提升检测结果的可靠性和有效性，改善强噪声、弱信号环境下的音频信号的检测质量，有效降低语音识别系统的误触发率，进而提升产品服务质量。

实施例4

本申请实施例提供的语音信号检测方法可以应用于语音交互的产品，且产品的音频信号处理平台上。例如，该方法可以部署在智能交互平板的音频信号处理平台上，如图4所示，智能交互平板与音频信号处理平台通过互联网连接。

语音信号检测流程如图5所示，主要包括：参数初始化、概率模型参数计算、贝叶斯滤波和门限值检测四个主要步骤。在参数初始化的步骤中，初始化以及帧长数目n。在概率模型参数计算的步骤中，首先统计环境噪声的平均功率以及有效语音信号的平均功率，进一步获取连续n个音频信号采样点的功率和信号分布。在贝叶斯滤波的步骤中，可以利用功率和信号分布得到连续n个时刻的观测值，进一步利用n个连续观测值，得到当前时刻有语音信号的后验概率以及当前时刻没有语音信号的后验概率。在门限值检测的步骤中，可以比较功率和信号分布与门限值的大小，基于大小关系获取语音信号状态转移关系，进一步计算加入门限值操作之后的概率，得到检测结果。

在本实施例中，基于接收的音频信号的一阶和二阶统计特征，提出了一种基于联合贝叶斯滤波与门限值判断的语音信号检测方法。该方法通过对音频信号的和信号进行建模，分别得到其在纯噪声环境和包含有效语音信号环境下的概率分布。在得到连续多帧的观测信号时，利用基于已知概率模型的贝叶斯滤波方法，得到当前音频信号包含有效语音信号的后验概率值。基于该后验概率结果，并通过对当前观测信号的和信号加入门限值判断操作，可进一步提升语音信号后验概率值的可靠性，从而保证了检测解决的准确性。

实施例5

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

如图6所示，该语音信号检测装置可以通过软件、硬件或者两者的结合实现成为语音交互的产品的全部或一部分。该装置包括：信号获取模块62、后验概率模块64和结果处理模块66。

信号获取模块62，用于获取当前时刻采集到的当前音频信号和历史时刻采集到的多个历史音频信号；

后验概率模块64，用于利用贝叶斯滤波对当前音频信号和多个历史音频信号进行处理，得到当前音频信号的后验概率，其中，后验概率包括：当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率；

结果处理模块66，用于基于当前音频信号的后验概率和预设门限值，得到当前音频信号的检测结果，其中，检测结果用于表征当前音频信号中包含语音信号的概率。

在本实施例上述基础上，后验概率模块包括：建模模块，用于对当前音频信号和多个历史音频信号进行建模，得到当前音频信号的概率分布，其中，概率分布包括：当前音频信号包含语音信号的概率分布，及当前音频信号不包含语音信号的概率分布；滤波模块，用于利用贝叶斯滤波对当前音频信号的概率分布进行处理，得到当前音频信号的后验概率。

在本实施例上述基础上，建模模块包括：信号处理模块，用于对当前音频信号进行处理，得到当前噪声信号和当前语音信号；功率获取模块，用于获取当前噪声信号的平均功率和当前语音信号的平均功率；语音分布模块，用于基于当前噪声信号的平均功率、当前语音信号的平均功率、多个历史噪声信号的平均功率和多个历史语音信号的平均功率，得到当前音频信号包含语音信号的概率分布，其中，多个历史噪声信号和多个历史语音信号是对多个历史音频信号进行处理得到的；噪声分布模块，用于基于当前噪声信号的平均功率和多个历史噪声信号的平均功率，得到当前音频信号不包含语音信号的概率分布。

在本实施例上述基础上，功率获取模块包括：历史功率获取模块，用于获取目标噪声信号的平均功率和目标语音信号的平均功率，其中，目标噪声信号和目标语音信号是对前一个时刻采集到的历史音频信号进行处理得到的；噪声功率模块，用于基于目标噪声信号的平均功率和当前噪声信号，得到当前噪声信号的平均功率；语音功率模块，用于基于目标语音信号的平均功率和当前语音信号，得到当前语音信号的平均功率。

在本实施例上述基础上，滤波模块包括：分布获取模块，用于获取多个历史音频信号的概率分布，以及前一个时刻采集到的目标音频信号的后验概率；滤波处理模块，用于利用贝叶斯滤波对当前音频信号的概率分布，多个历史音频信号的概率分布，以及目标音频信号的后验概率进行处理，得到当前音频信号的后验概率。

在本实施例上述基础上，结果处理模块包括：比较模块，用于将当前音频信号的概率分布与预设门限值进行比较；结果模块，用于基于当前音频信号的后验概率和比较结果，得到检测结果。

在本实施例上述基础上，结果模块包括：第一结果模块，用于在当前音频信号的概率分布大于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率，得到检测结果；第二结果模块，用于在当前音频信号的概率分布小于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，得到检测结果。

在本实施例上述基础上，第一结果模块还用于获取状态转移概率与当前音频信号不包含语音信号的后验概率的乘积，得到第一乘积；获取第一乘积与当前音频信号包含语音信号的后验概率之和，得到检测结果。

在本实施例上述基础上，第二结果模块还用于获取状态转移概率与当前音频信号包含语音信号的后验概率的乘积，得到第二乘积；获取当前音频信号包含语音信号的后验概率与第二乘积之差，得到检测结果。

需要说明的是，上述实施例提供的语音信号检测装置在执行视频检测方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的语音信号检测装置与语音信号检测方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。

实施例6

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

如图7所示，该语音信号检测装置可以通过软件、硬件或者两者的结合实现成为语音交互的产品的全部或一部分。该装置包括：信号获取模块70、建模模块72、后验概率模块74、门限值检测模块76和结果处理模块78。

信号获取模块70，用于获取当前时刻采集到的当前音频信号和历史时刻采集到的多个历史音频信号；

建模模块72，用于对当前音频信号和多个历史音频信号进行建模，得到当前音频信号的概率分布，其中，概率分布包括：当前音频信号包含语音信号的概率分布，及当前音频信号不包含语音信号的概率分布；

后验概率模块74，用于利用贝叶斯滤波对当前音频信号的概率分布进行处理，得到当前音频信号的后验概率，其中，后验概率包括：当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率；

门限值检测模块76，用于将当前音频信号的概率分布与预设门限值进行比较；

结果处理模块78，用于基于当前音频信号的后验概率和比较结果，得到当前音频信号的检测结果，其中，检测结果用于表征当前音频信号中包含语音信号的概率。

在本实施例上述基础上，建模模块包括：信号处理模块，用于对当前音频信号进行处理，得到当前噪声信号和当前语音信号；功率获取模块，用于获取当前噪声信号的平均功率和当前语音信号的平均功率；语音分布模块，用于基于当前噪声信号的平均功率、当前语音信号的平均功率、多个历史噪声信号的平均功率和多个历史语音信号的平均功率，得到当前音频信号包含语音信号的概率分布，其中，多个历史噪声信号和多个历史语音信号是对多个历史音频信号进行处理得到的；噪声分布模块，用于基于当前噪声信号的平均功率和多个历史噪声信号的平均功率，得到当前音频信号不包含语音信号的概率分布。

在本实施例上述基础上，后验概率模块包括：分布获取模块，用于获取多个历史音频信号的概率分布，以及前一个时刻采集到的目标音频信号的后验概率；滤波处理模块，用于利用贝叶斯滤波对当前音频信号的概率分布，多个历史音频信号的概率分布，以及目标音频信号的后验概率进行处理，得到当前音频信号的后验概率。

在本实施例上述基础上，结果处理模块包括：第一结果模块，用于在当前音频信号的概率分布大于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率，得到检测结果；第二结果模块，用于在当前音频信号的概率分布小于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，得到检测结果。

需要说明的是，上述实施例提供的语音信号检测装置在执行视频检测方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的语音信号检测装置与语音信号检测方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。

实施例7

本申请实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1-图5所示实施例的方法步骤，具体执行过程可以参见图1-图5所示实施例的具体说明，在此不进行赘述。

存储介质所在设备可以是语音交互的产品。

实施例8

如图8所示，所述电子设备1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。

其中，通信总线1002用于实现这些组件之间的连接通信。

其中，用户接口1003可以包括显示屏(display)、摄像头(camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。

其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。

其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种接口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(digitalsignalprocessing，dsp)、现场可编程门阵列(field-programmablegatearray，fpga)、可编程逻辑阵列(programmablelogicarray，pla)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(centralprocessingunit，cpu)、图像处理器(graphicsprocessingunit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。

其中，存储器1005可以包括随机存储器(randomaccessmemory，ram)，也可以包括只读存储器(read-onlymemory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitorycomputer-readablestoragemedium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图8所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及电子设备的操作应用程序。

在图8所示的电子设备1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的电子设备的操作应用程序，并具体执行以下操作：

获取当前时刻采集到的当前音频信号和历史时刻采集到的多个历史音频信号；利用贝叶斯滤波对当前音频信号和多个历史音频信号进行处理，得到当前音频信号的后验概率，其中，后验概率包括：当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率；基于当前音频信号的后验概率和预设门限值，得到当前音频信号的检测结果，其中，检测结果用于表征当前音频信号中包含语音信号的概率。

在一个实施例中，所述电子设备的操作系统为windows系统，在所述windows中，所述处理器1001还执行以下步骤：

对当前音频信号和多个历史音频信号进行建模，得到当前音频信号的概率分布，其中，概率分布包括：当前音频信号包含语音信号的概率分布，及当前音频信号不包含语音信号的概率分布；利用贝叶斯滤波对当前音频信号的概率分布进行处理，得到当前音频信号的后验概率。

在一个实施例中，所述处理器1001还执行以下步骤：

对当前音频信号进行处理，得到当前噪声信号和当前语音信号；获取当前噪声信号的平均功率和当前语音信号的平均功率；基于当前噪声信号的平均功率、当前语音信号的平均功率、多个历史噪声信号的平均功率和多个历史语音信号的平均功率，得到当前音频信号包含语音信号的概率分布，其中，多个历史噪声信号和多个历史语音信号是对多个历史音频信号进行处理得到的；基于当前噪声信号的平均功率和多个历史噪声信号的平均功率，得到当前音频信号不包含语音信号的概率分布。

在一个实施例中，所述处理器1001还执行以下步骤：

获取目标噪声信号的平均功率和目标语音信号的平均功率，其中，目标噪声信号和目标语音信号是对前一个时刻采集到的历史音频信号进行处理得到的；基于目标噪声信号的平均功率和当前噪声信号，得到当前噪声信号的平均功率；基于目标语音信号的平均功率和当前语音信号，得到当前语音信号的平均功率。

在一个实施例中，所述处理器1001还执行以下步骤：

获取多个历史音频信号的概率分布，以及前一个时刻采集到的目标音频信号的后验概率；利用贝叶斯滤波对当前音频信号的概率分布，多个历史音频信号的概率分布，以及目标音频信号的后验概率进行处理，得到当前音频信号的后验概率。

在一个实施例中，所述处理器1001还执行以下步骤：

将当前音频信号的概率分布与预设门限值进行比较；基于当前音频信号的后验概率和比较结果，得到检测结果。

在一个实施例中，所述处理器1001还执行以下步骤：

在当前音频信号的概率分布大于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，及当前音频信号不包含语音信号的后验概率，得到检测结果；在当前音频信号的概率分布小于预设门限值的情况下，基于当前音频信号包含语音信号的后验概率，得到检测结果。

在一个实施例中，所述处理器1001还执行以下步骤：

获取状态转移概率与当前音频信号不包含语音信号的后验概率的乘积，得到第一乘积；获取第一乘积与当前音频信号包含语音信号的后验概率之和，得到检测结果。

在一个实施例中，所述处理器1001还执行以下步骤：

获取状态转移概率与当前音频信号包含语音信号的后验概率的乘积，得到第二乘积；获取当前音频信号包含语音信号的后验概率与第二乘积之差，得到检测结果。

通过利用贝叶斯滤波对当前音频信号和多个历史音频信号进行处理，得到后验概率，进一步结合预设门限值，得到最终的检测结果，从而实现对接收端的音频信号进行有效检测，提升检测结果的可靠性和有效性，改善强噪声、弱信号环境下的音频信号的检测质量，有效降低语音识别系统的误触发率，进而提升产品服务质量。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。