基于HMM-SVM框架語音活動檢測算法的研究.pdf

1、語音活動檢測技術(shù)是一種用于分別出語音段和非語音段的技術(shù)。語音活動檢測通過檢測出語音和噪聲段，從而對不同的信號采取不同的處理方法。對于提高通訊的服務(wù)質(zhì)量和通訊效率都有著至關(guān)重要的作用。研究一種適合的語音活動檢測算法是很有必要的，它能在不降低業(yè)務(wù)質(zhì)量的情況下節(jié)省話路資源的作用，是網(wǎng)絡(luò)電話應(yīng)用的重要組成部分，可以節(jié)省寶貴的帶寬資源，可以有利于減少用戶感覺到的端到端的時延。有重大理論和實踐的指導(dǎo)意義并有廣闊的應(yīng)用前景。
　　 論文在基本

2、理論分析的基礎(chǔ)上，對基于HMM的語音活動檢測算法框架進(jìn)行研究。首先探討了HMM的基本概念及其算法框架，即HMM的三大問題即評估問題、估計問題、模型參數(shù)最優(yōu)化問題，其次探討了HMM模型的適用性，語音信號除了語音能量等特性外還包含音調(diào)、音長、詞法等語言信息結(jié)構(gòu)，接著分析了HMM模型運用于語音活動檢測的關(guān)鍵問題，提出了基于HMM的語音活動檢測的基本算法，介紹了基于HMM的語音活動檢測算法，它主要包括特征提取、模型訓(xùn)練、語音活動檢測判決這幾個階

3、段。
　　 論文提出了基于HMM/SVM框架語音活動檢測算法的設(shè)計，將隱馬爾科夫模型和支持向量機(jī)相結(jié)合的算法，采用HMM對語音信號進(jìn)行建模，并用Viterbi解碼算法對輸入的語音信號進(jìn)行解碼，將解碼后的語音信號轉(zhuǎn)換為SVM的特征向量，并將此特征向量輸入到SVM分類器中進(jìn)行分類判別。此方法克服兩者的缺點，發(fā)揮其各自的優(yōu)點，達(dá)到了較好的判別效果。
　　 最后，論文進(jìn)行了試驗與運用分析，對實際工程噪音環(huán)境進(jìn)行采樣，進(jìn)行了核函數(shù)