低信噪比環(huán)境下語音端點(diǎn)檢測方法研究.pdf

1、語音端點(diǎn)檢測的任務(wù)是從帶噪語音信號中分辨出語音段和非語音段，廣泛應(yīng)用在語音增強(qiáng)、語音編碼和語音識別等語音通信領(lǐng)域。有效的檢測出語音信號的端點(diǎn)，不僅可以減少語音信號處理的運(yùn)算量，而且可以有效的提高系統(tǒng)的性能。目前，現(xiàn)有的端點(diǎn)檢測方法在高信噪比環(huán)境下具有很好的檢測效果，但是隨著噪聲的增強(qiáng)，其檢測性能都有很大程度的下降，有些方法因此而失效，因此研究低信噪比環(huán)境下的語音端點(diǎn)檢測方法意義重大。
　　 首先介紹了語音信號預(yù)處理方法，包括預(yù)濾

2、波和采樣、預(yù)加重、分幀和加窗。然后按照時域特征、頻域特征、非線性特征、多特征結(jié)合的順序介紹了常見語音端點(diǎn)檢測方法，給出了各種方法的數(shù)學(xué)模型、實驗與分析，為低信噪比下語音端點(diǎn)檢測方法的改進(jìn)提供理論基礎(chǔ)。在多特征結(jié)合以及非線性特征方面，提出四種新的語音端點(diǎn)檢測方法：
　　 (1)鑒于能量譜熵特征結(jié)合了時域能量與頻域譜熵的優(yōu)點(diǎn)，將非線性動力學(xué)的統(tǒng)計復(fù)雜度特征應(yīng)用到語音端點(diǎn)檢測中，并將其與能量特征相結(jié)合，提出能量統(tǒng)計復(fù)雜度的語音端點(diǎn)檢測

3、方法。
　　 (2)由于近似熵的值與數(shù)據(jù)長度有關(guān)以及一致性差的缺點(diǎn)，而樣本熵是近似熵的改進(jìn)算法，比近似熵具有更好的性質(zhì)，因此提出基于樣本熵的語音端點(diǎn)檢測方法。
　　 (3)復(fù)雜運(yùn)動一般由規(guī)則運(yùn)動和隨機(jī)運(yùn)動混合而成，C0復(fù)雜度則為隨機(jī)運(yùn)動在復(fù)雜運(yùn)動中所占的比例。傳統(tǒng)C0復(fù)雜度的計算基于傅立葉分析，由于傅立葉分析只能區(qū)分信號在頻域內(nèi)的差別，不能很有效地分析非平穩(wěn)信號，而小波分析能同時利用信號與噪聲在時域和頻域的差別，因此提出

4、基于小波變換C0復(fù)雜度的語音端點(diǎn)檢測方法。
　　 (4)傳統(tǒng)的Lempel-Ziv復(fù)雜度分析基于二值粗?；椒?，由于二值粗?；椒赡軙G失動力學(xué)系統(tǒng)的一些重要信息，因此采用多值粗?；椒ㄖ貥?gòu)時間序列，提出基于多值粗?；疞empel-Ziv復(fù)雜度特征的語音端點(diǎn)檢測方法。
　　 此外，采用模糊C均值聚類算法和貝葉斯信息準(zhǔn)則算法進(jìn)行特征門限估計，并使用雙門限法進(jìn)行端點(diǎn)檢測。在TIMIT連續(xù)語音庫上的實驗表明，在低信噪比環(huán)境下