带噪语音端点检测算法的研究(2)

１．１．２端点检测的研究背景

语音端点检测技术经过几十年的发展，不断有新方法被提出。下面对语音端点检测研究的国内外发展情况做简单介绍哺，。

１９７８年，Ｒａｂｉｎｅｒ将语音段的短时能量和短时过零率结合起来检测语音的起始点和终止点。由于浊音段的短时能量较之背景噪声的短时能量高，而清音等一些音素的短时平均过零率比背景噪声的过零率高出好几倍，两种结合起来成为区别语音信号和背景噪声的一‘种有效方法ｍ’。

１９８７年，Ｊ．Ｇ．Ｗｉｉｐｏｎ提出一种基于语音短时谱变化来确定子词的分段点的方法。由发声器官的物理特性所决定，语音信号的特性随时间的变化是比较缓慢的，大致可以认为在每１０—３０ｍｓ的时间间隔内信号的特性基本不变。对语音信号进行谱分析，用其谱的峰值点作为子词的分段点Ⅲ。同年，Ｆｒａｎｋ

１９９１年ＪａｎＰ．ｖａｎＬＳｏｏｎｇ提出一种基于复倒谱系数的分段方法哺１。Ｈｅｍｅｒｔ提出一种基于ＬＰＣ系数的分段方法，用二帧信号ＬＰｃ系数的差异作为分段的依据咖；同年，Ａ．Ｌｊｄｊｅ提出一种新的方法，首先用２０ｍｓ窗取出一帧信号，计算几个复倒谱系数及其增量，能量及其增量。两帧信号问有ｌＯｍｓ 的重叠ｎ们。

１９９３年Ｖ．ＲａｌｐｈＡｌｇａｚｉ提出一种基于似然比例系数的分段方法。该方法首先对每帧语音信号建立一个模型，然后计算相邻两模型的似然程度，

段点ｎ１１。

１９９４年Ｅｒｄａｌ提出一种基于语音参数的分段方法。首先通过一定的方法判断此语音段是语音还是背景噪声。对于每个语音帧，将其分为４个５ｍｓ的子帧。对于每个５ｍｓ的子帧。对于每个５ｍｓ的子帧，计算其较为重要的８个参数：归一化的短时低通能量、归一化的短时高通能量、过零率、低频带的一阶、二阶反射系数、前向后向匹配相关系数及它们的乘积。这些参数描述了此语音信号的重要的信息，继而用一定的算法进行推理，从而可以判定此信号是发声段还是非发声段１１副。

１９９５年ＥｕｖａｌｄｏＦ．Ｃａｂｒａｌ以似然程度变化的峰值点作为分Ｊｒ提出一种基于轨迹分段的音素方法。该算法首先将语音分成几个相等的时间段，每一段用一个Ｎ维的矢量表示。据误差相等的原则，将原始信号归类成Ｋ个段。同年，张刚等提出一种基于自相关系数的分段方法ｕ引。

１９９６年Ｔａ－Ｈｓｉｎ－Ｌｉ提出一种基于参数滤波的分段算法，该方法以参数滤波的手段测度语音信号相关结构的变化ｕ¨。

１９９７年ＳｔａｎＭｃＣｌｅｌｌａｎ提出一种基于谱熵变化的分段方法，该方法的抗噪性能较好¨５１。１９９８年ＨｏｎｇｔａｏＨｕ应用小波变换的技术进行语音端点检测，在降低计算量的同时提高了算法的性能。

１９９９年ｓｏｈｎ等人提出了基于统计模型似然比的端点检测算法，且该算法显示出良好的性能。他们采用在离散傅立叶变换（ＤＦＴ）系数域的统计模型，无论是噪声环境下的语音和噪声谱分布均假设为联合高斯分布１１引．

２００３年ＧａｚｏｒａｎｄＺｈａｎｇａｎｄＭａｒｔｉｎ提出了利用拉普拉斯概率密度函数（ＰＤＦ）为带噪声语音和噪声谱建模，它被证明是一个更好的纯净语音分布的模型Ｈ７１。

带噪语音端点检测算法的研究

２００５年Ｓｈｉｎ等人提出的广义伽玛分布提供了一个比高斯、拉普拉斯和伽玛分布更好的纯净语音谱的模型ｕ刖。

２００６年Ｄ．Ｙｉｎｇ等提出基于噪声特征空间投影的鲁棒性端点检测算法。在能量域语音与噪音通常有不同的分布，如果我们能分清含有低功率噪音和高功率语音的成分，我们则有可能提取更多可靠的语音信息即使带噪语音的平均信噪比很低。为此，首先，用主元分析（ＰＣＡ）分析噪声观察值的估计协方差矩阵构造噪声特征空间。将带噪语音映射到噪声特征空间。在具有较小特征值得子特征空间中可以找到可靠的信息。与规模较小的特征值。因此，基于可靠信息就可以实现鲁棒性ＶＡＤ。

１．２语音端点检测研究现状及存在问题

语音端点检测算法经过了几十年的发展，目前端点检测主要有以下方法：基于能量的端点检测、基于ＬＰＣ一１０声码器的端点检测、基于信息熵的语音端点检测、基于频带方差的端点检测ｎ钉、基于倒谱特征的带噪语音信号端点检测、基于ＨＭＭ的端点检测方法㈨、基于分形技术的端点检测幢¨、基于自相关相似距离的端点检测、基于语音特征的实时端点检测算法。

噪音情况下的汉语语音端点检测是本文研究的重点，语音信号是时变非平稳信号，一般处理时将其视为短时平稳信号，多选取短时参数进行分析。

尽管已经研究出许多语音端点检测算法，但是现有的语音端点检测技术仍然存在着如下问题：

（１）语音端点检测算法的适应性差，对环境条件的依赖性很强，继续要保持测试条件和训练条件的一致性，否则系统性能严重下降。

（２）在判决端点位置时，多数端点检测算法都是假设语音信号是短时平稳的，以帧为单位进行检测，对判决结果进行平滑处理，判决结果精确到帧，不是精确到准确时刻。

（３）多数算法是靠语音信号本身音节的特征来对语音和噪声进行区分。在噪声环境下，某些以清音或摩擦音、爆破音开头的语音信号易被噪声淹没，可能会导致起始音的丢失或造成虚检。

以上问题已经得到了广大研究者的重视，近几年来，研究者们经过了不懈的努力，提出了各种区别语音和噪声的特征参数，用来提高算法的抗噪声性能，或是将几种特征组合成一个新的特征参数来进行端点检测，而对语音端点的判决也由原来的单 门限发展到多门限以至于自适应门限。使得算法精度不断得到提高瞄１。

由此可见，理想的语音端点检测算法应当能够满足以下几点幢３１：

（１）门限值应该可以对背景噪声的变化有一定的适应性。

（２）将短时冲击噪声和人的砸嘴等瞬间超过门限的信号纳入无声段而不是有声段。

＜３）对于爆破音的寂静段，应将其纳入语音的范围而不是无声段。

（４）应该尽可能避免在检测中丢失鼻韵和弱摩擦音等与噪声特征相似、短时参数较少的语音。

带噪语音端点检测算法的研究

（５）应该避免使用过零率作为判别标准而带来的负面影响。

有效的语音端点检测可以减少实时系统中的大量计算，使该系统仅处理语音输入，不至于在静音段白白浪费计算量和存储量，有利于系统的实时准确识别工作。因此端点检测算法本身不仅要求精确的结果，还应具有实现简单的特点。

１．３论文内容安排

噪音情况下语音端点检测是语音识别的一个难点，而且对语音识别准确率影响很大，因此本文主要对噪音情况下语音端点检测进行研究。本文主要完成以下内容：

１．在绪论中，主要介绍了语音端点检测意义及背景，发展历史、国内外研究现状及存在问题。最后给出了论文的内容安排。

２．第二章介绍了语音信号和常见的各种噪声的基本知识和特性，介绍了信号降噪的意义及准则。

３．第三章将介绍几种常用的语音端点检测方法，讨论了这些方法的优点及不足。

４．第四章将介绍同态滤波的理论，给出了将同态滤波运用于语音端点检测的方法，提高了语音信号端点检测的准确率。给出了实验结果，并结合实验数据，将本文提出的新方法与传统方法进行分析比较。

５．第五章将基音检测引入到语音端点检测中，在高斯白噪声环境下，该方法检测的准确率较高。最后进行了统 …… 此处隐藏：2571字，全部文档内容请下载后查看。喜欢就下载吧 ……