| 摘要：端点检测(Endpoint Detection) 也就是我们常说的语音活动检测 (Voice Activity Detection)， 这种检测的主要作用是通过输入 的信号对语音的起止点进行检测， 准确的端点检测在语音识别系统 中具有十分重要的作用，因此， 本文就将复杂噪声环境中的语音 端点检测方法进行了详细的探讨。 【关键词】复杂噪声环境 语音端点检测 方法 1 端点检测系统结构框架 端点检测系统结构框架主要是由噪声估 计模块、包络确定延时模块、和端点检测模块 这三个模块构成，而前端处理和门限过零率这 两个模块是辅助，模块。如图1 所示为端点检 测系统结构框架图。 2 能量检测 2.1 噪声估计模块 假设平稳噪声能量的序列Ep（i）在某一 段时间内的概率密度用函数f（Ep）来表示， 即 f（Ep）=[1/（ σ）]exp[-（Ep-μ）2 /2σ2] （其中， 均指用μ 来表示，均方差用σ 来表示），其归 一化的均方差可以用λ=σ/μ 来表示，那么f（Ep） =[1/（ λμ）]exp[-（Ep/μ-1）2/2λ2]，由此公 式可知，能量分布随着λ 的变小会分布的更加 集中，也就是说能量序列的波动就会变得更加 平缓。 Ep(i) 是Ex（i）中仅有的一个稳定因素， 因此，Ep(i) 的分布参数可以在Ex(i) 产生的波 动较小的段落中进行估计，但是Ep(i) 保持稳 定以及各态历经性的时间段较短，更短的是其 在信号中占据主导地位的时间，所以本文假设 在200-300ms（设其包含l 帧）内，稳定的噪 声能量能够保持相同的分布， 并且可以将前 80-120ms（设其包含r 帧）的信号能量作为依 据进行μ 和λ 的估计。 2.2 模型初始化和更新 对模型参数进行初始化时，所需的噪声样 可以先采用第一个分析窗的前r 帧，分别把μ 和λ 设成平均值ε1= Ex（i）和归一化均 方差 ε1=｛ [Ex（i）-ε1]2}1/2/ε1， 在初始化 的噪声样本中，可能会有不稳定的噪声存在， 而Ep(i) 的分布也在进行着十分缓慢地变化， 因此，为了更好地跟踪Ep(i) 的分布状况，在 以后的每个分析窗内都要对模型进行校正。将 第j 个分析窗作为例子进行分析，将前r 帧的 归一化均方差ξj 和信号的能量均值εj 计算出 来，下面我们就将μ 和λ 在两种不同的情况在 进行更新： （1）信号输入过程中中有时会使用语音 识别系统来进行，但是该系统有时候会出现非 常短暂的静音，在这种情况下我们为了防止模 型出现错误，就在εj<μ 或者是εj<λsil 时，就令 μ=μsil，λ=λsil，该公式中μ 的最低值为μsil，而 λ 的最低值为λsil。 （2）假如在不满足（1）的情况下，但 是却符合εj<μc 并且εj<λc，那么就令 μ=εj，λ=ξj，该公式中c 为常数，c 的取值 范围为1-1.5 之间，从而就可以跟踪分布的缓 变，或者也可以跟踪能量降低的噪声。 3 语音激活检测模块 语音激活检测模块的基础就是AMR-WB 编解码器中的端点检测算法，如图2 所示为该 算法的框图。 该语音激活检测模块的判决方法就是通 过对比使用特征与阈值来判决的，使用特征就 是子带信躁比的总和，把子带噪声进行相应的 估计就可以确定阈值。该模块的计算步骤是： 按照一定的时长对输入信号进行分帧，并且还 要充分利用滤波器组把每一帧的信号进行分 频，最终分成很多个子带，这样就可以在每一 个子带上分别计算信号的能量、估计噪声能量 和子带信躁比的计算，然后再分别将噪声的估 计值和自带信噪比求和，这样就可以根据噪声 的估计值来将阈值的门限进行确定，然后再将 最终确定值跟使用信噪比进行相应的对比，从 而就可以将初步的判决结果得出，最后再把初 步的判决结果使用延时检测策略进行修正，从 而就可以得出最终的判决结果。 4 结论 本文在现有的端点检测方法上提出了一 套更加详细的、完整的复杂噪声环境语音信号 端点检测系统，并将语音端点检测方法进行了 详细的说明，以便帮助人们能够更好地理解和 使用这些方法。 作者单位 青岛理工大学 山东省临沂市 273400 |
| 在线咨询: |
|
| 联系电话: | 18602588568 |
| 投稿邮箱: | bosslunwen@126.com |
| ★诚信★专业★权威★快速★ | |
