基于多觀測似然比的語音活動檢測研究與系統(tǒng)實現(xiàn).pdf

1、語音活動檢測是指從一段包含語音的信號中準(zhǔn)確地確定語音的起始點和終止點的技術(shù)。由于語音活動檢測對語音分析、語音合成、語音編碼和語音識別等技術(shù)具有關(guān)鍵作用,所以本文針對語音活動檢測的關(guān)鍵技術(shù)進(jìn)行相關(guān)研究工作,并且實現(xiàn)一個語音活動檢測系統(tǒng)。
　　由于目前的語音活動檢測方法眾多,而基于多觀測似然比特征的語音活動檢測具有模型簡單和檢測性能好等特點,因此本文使用多觀測似然比特征進(jìn)行語音活動檢測。首先對語音信號進(jìn)行分幀,然后對信號進(jìn)行噪聲估計,

2、根據(jù)噪聲估計的結(jié)果計算每一幀的似然比,并將每幀似然比與之前若干幀的似然比共同組成分析樣本。
　　在完成特征提取步驟后,我們利用得到的訓(xùn)練樣本訓(xùn)練語音活動檢測的決策規(guī)則。本文使用線性分類器作為決策規(guī)則模型,所以問題的重點是如何訓(xùn)練得到合適的線性分類器權(quán)值,以使檢測盡可能準(zhǔn)確。本文介紹了最小分類錯誤(Minimum Classification Error,MCE)模型、最大化檢測結(jié)果的ROC曲線下的面積(Maximum Area U

3、ndert he ROC Curve,MaxAUC)模型和支持向量機(jī)(Support Vector Machine,SVM)模型,并且提出了擴(kuò)展的MaxAUC模型。實驗表明,擴(kuò)展的MaxAUC模型和SVM模型具有更好的穩(wěn)定性和檢測性能。
　　為了了解語音活動檢測系統(tǒng)的真正需求和模塊功能,本文對該系統(tǒng)進(jìn)行了需求分析和系統(tǒng)設(shè)計。在需求分析中,列舉了系統(tǒng)應(yīng)該滿足的要求,并且將系統(tǒng)分解為信號導(dǎo)入、特征提取、訓(xùn)練和測試四個模塊,為了更清晰地

4、表示各個模塊之間的關(guān)系,本文用數(shù)據(jù)流圖刻畫了系統(tǒng)中數(shù)據(jù)在各個模塊之間的傳遞和加工的過程,使我們對各個模塊之間的關(guān)系有了更加清晰的認(rèn)識。在系統(tǒng)設(shè)計中,我們首先表示了系統(tǒng)的整體工作過程,然后對于系統(tǒng)的幾個重要模塊描述了它們的功能、工作流程、參數(shù)和返回值。需求分析和系統(tǒng)設(shè)計為后續(xù)的系統(tǒng)實現(xiàn)和系統(tǒng)測試打下了基礎(chǔ)。
　　最后,本文對系統(tǒng)進(jìn)行了測試,以驗證系統(tǒng)的性能和效果。本文分別對系統(tǒng)的噪聲估計和幾個決策規(guī)則模型進(jìn)行了測試,結(jié)果顯示,該系統(tǒng)