一种低资源婴儿哭声检测方法与流程

技术特征：
1.一种低资源婴儿哭声检测方法，其特征在于，包括如下步骤：使用1mixture的monophone单音子模型，状态数为为209，进行初步匹配和筛选；对单音子模型的viterbi匹配得分进行排序，选择得分最高的n个结果对应的音素模型进行进一步的精细匹配；使用3mixture的triphone三音子模型，状态数为358，进行精细匹配和筛选；对多个三音子模型的viterbi匹配得分进行排序，选择得分最高的模型所对应的序号作为最终识别结果。2.根据权利要求1所述的低资源婴儿哭声检测方法，其特征在于，所述的使用1mixture的monophone单音子模型，状态数为209，进行初步匹配和筛选包括如下步骤：初始单音子模型状态数为为1024；使用baum-welch参数重估方法，利用已标注的哭声训练数据库对初始单音子模型状态进行聚类，将有效状态数m由1024缩减为209；具体过程如下：假设s为hmm模型状态的集合，f为训练集，l(s)为对数似然值，假设绑定的状态共享高斯分布的均值和方差，且状态绑定不影响帧和状态的alignment，则其中r
s
(o
f
)是状态s产生特征的后验概率，假设输出概率密度函数为高斯分布，则公式中n为数据维度，且n＝27；选择l(s)0作为l(s)的第一个数作为有效状态0的似然值，比较l(s)1至l(s)
m-1
中与l(s)0的差值小于5％的状态，将其合并为同一个状态；s104：重复上述步骤s103，得到l(s)1～l(s)
m-1
。3.根据权利要求1所述的低资源婴儿哭声检测方法，其特征在于，所述的使用3mixture的triphone三音子模型，状态数为358，进行精细匹配和筛选包括如下步骤：初始三音子模型状态数为为1500；使用baum-welch参数重估方法，利用已标注的哭声训练数据库对初始三音子模型状态进行聚类，将有效状态数t由1500缩减为358；具体过程如下：假设s为hmm模型状态的集合，f为训练集，l(s)为对数似然值，假设绑定的状态共享高斯分布的均值和方差，且状态绑定不影响帧和状态的alignment，则其中r
s
(o
f
)是状态s产生特征的后验概率，假设输出概率密度函数为高斯分布，则公式中n为数据维度，且n＝27；选择l(s)0为l(s)的第一个数作为有效状态0的似然值，比较l(s)1至l(s)
t-1
中与l(s)0的差值小于5％的状态，将其合并为同一个状态；重复上述步骤s304，得到l(s)1～l(s)
t-1
。

技术总结
本发明涉及互联网技术领域，公开了一种低资源婴儿哭声检测方法，包括如下步骤：使用1mixture的monophone单音子模型，状态数为为209，进行初步匹配和筛选；对单音子模型的viterbi匹配得分进行排序，选择得分最高的N个结果对应的音素模型进行进一步的精细匹配；使用3mixture的triphone三音子模型，状态数为358，进行精细匹配和筛选；对多个三音子模型的viterbi匹配得分进行排序，选择得分最高的模型所对应的序号作为最终识别结果。本发明的技术方案通过采用基于低mixture数 多状态共享的模型降维方法和基于VAD触发的非实时计算方法，能够在保证识别算法准确率前提下，大幅度降低模型结构复杂度和计算复杂度，从而显著减少婴儿哭声检测算法所需的芯片硬件计算资源消耗。消耗。消耗。


技术研发人员：何宇新 肖溪 何海滨
受保护的技术使用者：深圳声联网科技有限公司
技术研发日：2022.01.26
技术公布日：2022/5/6