復(fù)雜噪聲環(huán)境下語音端點(diǎn)的檢測(cè)算法的研究.pdf

1、語音端點(diǎn)檢測(cè)是語音分析、語音合成和語音識(shí)別中的一個(gè)必要環(huán)節(jié)。盡管語音端點(diǎn)檢測(cè)技術(shù)在安靜的環(huán)境中已經(jīng)達(dá)到了令人鼓舞的準(zhǔn)確率，但是在實(shí)際應(yīng)用時(shí)由于噪聲的引入和環(huán)境的改變通常會(huì)使系統(tǒng)性能顯著下降。語音端點(diǎn)檢測(cè)技術(shù)要走向?qū)嵱茫捅仨毧朔敯粜詥栴}，因此低信噪比噪聲環(huán)境下的語音端點(diǎn)檢測(cè)技術(shù)的意義非常重要。
　　本文以應(yīng)用型語音端點(diǎn)檢測(cè)技術(shù)為目標(biāo)，以系統(tǒng)魯棒性為研究重點(diǎn)，對(duì)噪聲環(huán)境下的孤立詞和連續(xù)語句的端點(diǎn)檢測(cè)的各個(gè)方面都做了深入的研究。通過

2、對(duì)魯棒性語音端點(diǎn)檢測(cè)的系統(tǒng)研究和實(shí)驗(yàn)，本文形成了一套完整的復(fù)雜噪聲環(huán)境下的語音端點(diǎn)的檢測(cè)研究體系，包括了語音數(shù)據(jù)庫的建立、自適應(yīng)濾波算法、基于分類標(biāo)準(zhǔn)的延遲分割策略等，并在此基礎(chǔ)上構(gòu)建了一套完整的語音端點(diǎn)檢測(cè)系統(tǒng)。其具體的研究成果包括以下幾個(gè)方面：
　?、哦它c(diǎn)檢測(cè)實(shí)驗(yàn)系統(tǒng)
　　深入研究語音信號(hào)數(shù)學(xué)模型和不同語音信號(hào)的特征值及提取，收集到了TIMIT標(biāo)準(zhǔn)純凈語音庫和NOISEX-92標(biāo)準(zhǔn)噪聲庫，給出了噪聲的度量標(biāo)準(zhǔn)，建立了混噪

3、語音平臺(tái)，保證了后期實(shí)驗(yàn)的可重復(fù)性。
　?、普Z音增強(qiáng)算法
　　針對(duì)常規(guī)的自適應(yīng)濾波算法在收斂速度和穩(wěn)定精度以及計(jì)算復(fù)雜度上不可協(xié)調(diào)性，引入了歐式搜索算法，對(duì)算法做了多處改進(jìn)，降低計(jì)算精度，大大改善了收斂速度和穩(wěn)定性，經(jīng)過對(duì)比實(shí)驗(yàn)驗(yàn)證其性能接近RLS算法，而其計(jì)算量卻小很多。在MOS和SNR評(píng)價(jià)方法中，也獲得了較高的表現(xiàn)。
　?、嵌它c(diǎn)檢測(cè)算法
　　詳細(xì)地分析了常用的雙門限端點(diǎn)檢測(cè)方法、基于譜熵的端點(diǎn)檢測(cè)算法和基于分

4、形理論的端點(diǎn)檢測(cè)算法。引入了排列熵，一種作為非線性動(dòng)力學(xué)參數(shù)能夠很好的表示出語音信號(hào)的非線性特征。提出了一種延遲分割策略：以能頻比為特征參數(shù)確定粗端點(diǎn)，并在此基礎(chǔ)上使用排列熵差分算法確定精確端點(diǎn)，以精確端點(diǎn)為起始點(diǎn)分割語音信號(hào)，對(duì)所得到的語音片段信號(hào)按照分類標(biāo)準(zhǔn)消除噪聲信號(hào)帶來的錯(cuò)誤分割。
　　⑷系統(tǒng)實(shí)現(xiàn)
　　利用Matlab GUI工具實(shí)現(xiàn)整個(gè)端點(diǎn)檢測(cè)系統(tǒng)界面，利用第二章的語音數(shù)據(jù)庫開展端點(diǎn)檢測(cè)不同方法的對(duì)比試驗(yàn)。實(shí)驗(yàn)表明