带噪语音端点检测算法的研究(3)

带噪语音端点检测算法的研究

－＿●－—————●—●＿一一．＿－—－●－＿●＿＿＿＿－＿＿－＿－●－＿●塑室笪星三垦奎堂堡主兰垡笙兰＿－＿－＿—－＿－＿＿—＿－—ｌ＿—●●—－＿—－＿—＿—，————＿——●——＿—————一一一一一低频段内。语音中的清音部分，看起来更像无周期的随机噪声，清音的形成是在声道中的一定部位被压缩后，压迫空气以足够高的速度通过这些压缩部位，产生涡流，从而产生了清音。此外，还存在爆破音，它是由于声道的完全闭合，在闭合端的后面聚集压力？闭合端突然释放压力产生的㈨。

语音信号分析可分为时域、频域、倒谱域等方法。语音信号就是时域信号，因而时域分析是最早使用的应用范围最广的一种方法。时域分析具有简单直观，清晰易懂，运算量小，物理意义明确等优点；更为有效的分析多是围绕时域进行的，因为语音中最重要的感知特性反映在其功率谱中，而相位变化只起着很小的作用。

对信号分析最自然最直接的方法是以时间为自变量进行分析，语音信号典型的时域特征包括短时能量，短时平均过零率，短时自相关系数和短时平均幅度差等。典型的语音信号特征是随着时间的变化而变化。

语音的４个特征：短时能量、能量谱方差、倒谱距离和熵。短时能量是最有效的端点检测手段，被广泛采用；能量谱的方差反映了噪声信号和语音信号之间的能量谱的差别：倒谱距离是能量谱的傅立叶变换系数，是一种较为理想的分类特征；熵是从信息论中引用的一个概念，表示信息的有序程度，对于噪声而言，其有序程度要远低于语音信号的有序程度。

２．３噪声的分类

噪声来源于实际的应用环境，因而其特征变化很大．噪声可以是加性的，也可以是非加性的。对于非加性噪声，有些可以通过变换转换成加性噪声。我们所关心的噪声大致可以分为周期性噪声、冲击性噪声、宽带噪声、语音干扰啪１和传输噪声

周期性噪声：有许多离散的窄谱峰，它往往来源于汽车发动机和飞机发动机等旋转机械引起的电气干扰，特别是５０胁或６０Ｈｚ的交流声也会引起周期性噪声。周期性噪声引起的问题可能最少，因为可以通过功率谱发现并通过滤波或变换技术将其去掉了 传统的去除方法有固定滤波器、自适应滤波器和傅里叶变换滤波器等。

冲击噪声：时域波形中突然出现的窄脉冲，主要来源于爆炸、撞击和放电等。消除这种噪声通常可以在时域内进行，其消除过程大致如下：根据带噪语音信号幅度的平均值确定阈值。当信号幅度超过这一阈值时，判断为脉冲噪声，然后对它进行适当的衰减 也可以根据相邻信号样本值通过内插的方法将脉冲噪声在时域上进行平滑ａ

宽带噪声：通常可以假定为高斯噪声和白噪声。它的来源很多，包括风、呼吸噪声和一般的随机噪声源。量化噪声通常作为白噪声来处理，也可以视为宽带噪声。由于宽带噪声与语音信号在时域与频域上完全重叠，并且这种噪声只有在语音间歇单独存在，因此消除它最为困难。针对此类噪声的主要处理方法有非线性处理、减谱法和自适应抵消等 语音干扰：干扰语音信号和待传语音信号同时在—个信道中传输所造成语音干扰称为语音干扰。区别有用语音和干扰语音的基本方法是利用它们的基音差别。

传输噪声：这是传输系统的电路噪声。与背景噪声不同，它在时间域是语音和噪声的

带噪语音端点检测算法的研究

南京信息工程大学硕士学位论文

卷积。

下面介绍几种常见的噪声以及它们各自的性质。

２．３．１白噪声

在通信系统中，经常碰到的噪声之一就是自噪声。所谓白噪声是指它的功率谱密度函数在整个频域（－ｃｏ＜∞＜４．ｏｏ）内是常数，即服从均匀分布。之所以称它为“白”噪声，是因为它类似于光学中包括全部可见光频率在内的白光。

白噪声的功率谱密度函数通常被定义为：

￡（∞）＝ｉｎｏ（－∞＜国＜＋∞）（２—１）

式中，‰是一个常数，单位为Ｗ／Ｈｚ。若采用单边频谱，即频谱在（Ｏ～＋∞）的范围内，白噪声的功率谱密度函数又常写成：

只（∞）＝ｎｏ（０＜∞＜佃）（２—２）

由信号分析的有关理论可知，功率信号的功率谱密度与其自相关函数Ｒ０）互为傅氏变换对，即

疋０）｝—专￡（国）（２—３）

因此，白噪声的自相关函数为：

兄。）＝去ｅ争胁ｄｏ）＝≥６。）（２－４）

白噪声的自相关函数是一个位于ｆ＝ｏ处的冲激函数，它的强度为要。这说明，白噪声只有在鲁时才相关，而在任意两个不同时刻上的随机取值都是不相关的。

实际上完全理想的白噪声是不存在的。通常只要噪声功率谱密度函数均匀分布的频率范围远远超过通信系统工作频率范围时，就可近似认为是白噪声。例如，热噪声的频率可以高到１０１３舷，且功率谱密度函数在０～１０１３恐内基本均匀分布，因此可以将它看作白噪声。最后强调，白噪声只是一种理想化模型，其均方值是无限大的。而物理上存在的随机过程，其均方值总是有限的嘲。

２．３．２高斯噪声

在实际信道中，另一种常见噪声是高斯噪声。所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声嘲。其一维概率密度函数可用数学表达式表示为：

贴，＝去ｅ冲卜譬］∽５，

式中，口为噪声的数学期望值，也就是均值；仃２为噪声的方差。

带噪语音端点检测算法的研究

通常，通信信道中噪声的均值口＝０。

２．３．３高斯白噪声

高斯白噪声，是指噪声的概率密度函数满足正态分布统计特性，同时它的功率谱密度函数是常数的一类噪声乜钉。这里值得注意的是，高斯型白噪声同时涉及到噪声的两个不同方面，即概率密度函数的正态分布性和功率谱密度函数均匀性，二者缺一不可。２．４信号降噪的意义

随着科技的发展，电脑普及率的提高，以及网络信息化的飞速发展，现代社会对语音信号数字化处理提出了越来越高的要求。例如：人们希望能够用语音输入代替键盘输入、直接实现人机对话等。而现有的入机对话的软件最大的缺点就是不能识别在有噪音的环境中输入的不清晰语音信号，所以对语音信号有效降噪以及对语音信号的特征提取的研究，对于高速发展的信息社会具有很大的现实意义。

信号降噪可以帮助我们在现实有噪音的环境中提取清晰语音，达到语音增强的目的，更好的对语音信号进行特征提取实现语音识别和人机对话。这种技术可以应用到语音电子锁、不同语种之间的语音对译等广泛用途中，具有重要的研究意义。这也是我们研究信号降噪技术的目的。

信号降噪的准则：

１．光滑性：在大部分情况下，降噪后的信号应该至少和原信号具有同等的光滑性：２．相似性：降噪后的信号和原信号的方差估计应该是最坏情况下的方差最小。

２．５本章总结

在本章中，首先介绍了语音信号的产生和它的特征分析，然后给出了噪声的分类，对白噪声、高斯噪声以及高斯白噪声的基本知识和特性进行了介绍，指出了信号降噪的意义及准则。

带噪语音端点检测算法的研究

第三章常用的端点检测算法

语音端点检测的目的是从包含语音的一段信号中确定出语音的起点和结束点，这是语音信号分析中的一个很根本的问题。有效的端点检测不仅使处理时间减到最小，而且能排除无声段的干扰，从而使处理质量得到保证。语音端点检测的典型算法包括短时能量及过零率、熵函数、ＬＰＣ倒谱特征、隐马尔可夫模型、频带方差检 …… 此处隐藏：2602字，全部文档内容请下载后查看。喜欢就下载吧 ……