噪聲背景下的語(yǔ)音端點(diǎn)檢測(cè)方法研究.pdf

1、語(yǔ)音端點(diǎn)檢測(cè)技術(shù)，是指對(duì)輸入語(yǔ)音處理系統(tǒng)的一段純凈或含噪語(yǔ)音信號(hào)進(jìn)行語(yǔ)音段的起止端點(diǎn)的標(biāo)記，它是各類語(yǔ)音處理系統(tǒng)中的一個(gè)重要的前期預(yù)處理環(huán)節(jié)。高效的端點(diǎn)檢測(cè)技術(shù)不僅能剔除非語(yǔ)音段的信號(hào)從而削弱對(duì)后續(xù)處理環(huán)節(jié)的干擾，還可以降低整個(gè)系統(tǒng)中待處理的數(shù)據(jù)量，進(jìn)而使運(yùn)算時(shí)間得以減少。在現(xiàn)實(shí)生活中，很少存在安靜的采集環(huán)境，所以獲取的語(yǔ)音信號(hào)大多是帶有不同背景噪聲的，在這種情況下，對(duì)語(yǔ)音端點(diǎn)檢測(cè)技術(shù)的研究將對(duì)語(yǔ)音處理系統(tǒng)的穩(wěn)定性和實(shí)用性大有益處。

2、r>　　有效的語(yǔ)音端點(diǎn)檢測(cè)技術(shù)可以分為兩類研究方法：一類是基于統(tǒng)計(jì)模型的研究方法，此類研究方法檢測(cè)效果良好，但由于需要多次試驗(yàn)進(jìn)而統(tǒng)計(jì)得出語(yǔ)音信號(hào)的模型參數(shù)，使復(fù)雜度變高的同時(shí)加大了運(yùn)算量，所以嚴(yán)重影響了語(yǔ)音信號(hào)處理系統(tǒng)的實(shí)時(shí)性；另一類研究方法，是通過(guò)提取能夠突出語(yǔ)音段且抑制噪聲段信號(hào)的某一種特征值并將其與相應(yīng)的閾值比較，從而切割出語(yǔ)音段部分，此方法稱為特征提取法，這類方法雖然運(yùn)算量普遍較小，但相應(yīng)的語(yǔ)音信號(hào)的特征值會(huì)隨著信噪比的降低而

3、難以區(qū)別語(yǔ)音與非語(yǔ)音段，進(jìn)而影響檢測(cè)結(jié)果的正確率。
　　本文通過(guò)參考幾種基于特征提取的語(yǔ)音端點(diǎn)檢測(cè)方法的研究，在此基礎(chǔ)上提出了相應(yīng)的改進(jìn)算法，以提高噪聲背景下的端點(diǎn)檢測(cè)的準(zhǔn)確率。主要內(nèi)容概括如下：
　　1.提出一種改進(jìn)的以交叉熵大小為判決準(zhǔn)則的算法，對(duì)噪聲估計(jì)部分采用語(yǔ)音存在概率的算法來(lái)估計(jì)背景噪聲功率譜，根據(jù)帶噪語(yǔ)音與估計(jì)噪聲的子帶能量之間的交叉熵特征值對(duì)輸入的語(yǔ)音進(jìn)行分類，與原始算法相比，改進(jìn)算法在低信噪比的噪聲環(huán)境中更

4、具有魯棒性。
　　2.針對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解的模態(tài)混疊問(wèn)題，提出基于集合經(jīng)驗(yàn)?zāi)B(tài)分解與 Teager峭度相結(jié)合的語(yǔ)音端點(diǎn)檢測(cè)算法。利用集合經(jīng)驗(yàn)?zāi)B(tài)分解算法將輸入語(yǔ)音信號(hào)分解為多個(gè)本征模態(tài)函數(shù)，計(jì)算每個(gè)本征模態(tài)函數(shù)的Teager能量，并對(duì)本征模態(tài)函數(shù)的Teager能量的峭度進(jìn)行根的冪函數(shù)計(jì)算，對(duì)提取的信號(hào)特征信息進(jìn)行順序統(tǒng)計(jì)濾波，尋找合適閾值，實(shí)現(xiàn)低信噪比條件下的語(yǔ)音段的檢測(cè)工作。
　　3.在基于壓縮感知觀測(cè)序列語(yǔ)音能量的檢測(cè)方法基