控制方法、语音设备、控制设备、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114120995A(43)申请公布日2022.03.01(21)申请号202111226040.4G10L25/24(2013.01)(22)申请日2021.10.21G10L21/0216(2013.01)G10L15/16(2006.01)(71)申请人青岛海尔科技有限公司地址266101山东省青岛市崂山区海尔路1号海尔工业园申请人海尔智家股份有限公司(72)发明人郝斌(74)专利代理机构北京同立钧成知识产权代理有限公司11205代理人朱颖刘芳(51)Int.Cl.G10L15/22(2006.01)G10L15/30(2013.01)G10L15/34(2013.01)G10L25/18(2013.01)权利要求书2页说明书15页附图6页(54)发明名称控制方法、语音设备、控制设备、电子设备及存储介质(57)摘要本发明属于智能家电技术领域，本发明提供的控制方法、语音设备、控制设备、电子设备及存储介质，该控制方法应用于语音设备，包括：接收待处理音频信号并提取第一音频特征；将第一音频特征输入神经网络模型，获得输出数据，该神经网络模型是基于预设音频信号的第二音频特征训练得到的，所述预设音频信号中的语音信号的第二语音特征与所述预设音频信号的第二音频特征之间的比值为所述第二音频特征的标注值；依据输出数据和第一音频特征，确定待处理音频信号中语音信号的第一语音特征及判别值；上传判别值，若收到返回的控制指令，则执行待处理音频信号对应的处理。通过上述神经网络，可以避免非平稳噪声信号对确定目标语音设备准确。CN114120995ACN114120995A权利要求书1/2页1.一种控制方法，其特征在于，应用于语音设备，所述方法包括：接收待处理音频信号，并提取所述待处理音频信号的第一音频特征，所述待处理音频信号由语音信号以及非平稳噪声信号混合组成；将所述第一音频特征输入神经网络模型，获得输出数据，其中，所述神经网络模型是基于预设音频信号的第二音频特征训练得到的，所述预设音频信号中的语音信号的第二语音特征与所述预设音频信号的第二音频特征之间的比值为所述第二音频特征的标注值；依据所述输出数据以及所述待处理音频信号的第一音频特征，确定所述待处理音频信号中的语音信号的第一语音特征，并确定所述第一语音特征对应的判别值；向控制设备上传所述判别值，若接收到所述控制设备返回的控制指令，则执行所述待处理音频信号对应的处理。2.根据权利要求1所述的方法，其特征在于，所述提取所述待处理音频信号的第一音频特征，包括：对所述待处理音频信号进行短时傅里叶变换处理，得到第一频域信号；依据所述第一频域信号以及预设的Mel频率转换公式，确定所述待处理音频信号的第一音频特征；所述依据所述输出数据以及所述待处理音频信号的第一音频特征，确定所述待处理音频信号中的语音信号的第一语音特征，包括：依据所述输出数据以及所述预设的Mel频率转换公式，确定第二频域信号；依据所述第二频域信号以及所述第一频域信号，确定所述待处理音频信号中的语音信号的第一语音特征。3.根据权利要求1所述的方法，其特征在于，依据所述输出数据以及所述待处理音频信号的第一音频特征，确定所述待处理音频信号中的语音信号的第一语音特征之后，所述方法还包括：依据预设的语音降噪算法对所述第一语音特征进行降噪处理，得到降噪后的信号；所述确定所述第一语音特征对应的判别值，包括：基于所述降噪后的信号以及所述语音设备的校准系数，确定所述第一语音特征对应的频谱能量值，将所述频谱能量值作为所述判别值。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：依据所述输出数据以及预设的噪声信号，确定补偿信号，其中，所述噪声信号满足高斯分布；所述依据预设的语音降噪算法对所述第一语音特征进行降噪处理，包括：依据预设的语音降噪算法对所述补偿信号与所述第一语音特征的叠加后的信号，进行降噪处理，得到所述降噪后的信号。5.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括：卷积层、循环神经网络层、全连接层以及激活层；所述将所述第一音频特征输入神经网络模型，获得输出数据，包括：将所述第一音频特征输入依次连接的所述卷积层、所述循环神经网络层、所述全连接层以及所述激活层，将所述激活层输出的参数作为所述输出数据。6.根据权利要求1‑5任一项所述的方法，其特征在于，所述接收待处理音频信号之前，2CN114120995A权利要求书2/2页所述方法还包括：获取至少两种非平稳噪声信号，并按照预先设定的比例进行叠加处理，得到叠加处理后的噪声信号；所述预先设定的比例可由非平稳噪声信号在预设时间段内的存在时长决定；对所述处理后的噪声信号以及预设语音信号进行叠加处理，得到预设音频信号。7.一种控