带噪语音端点检测算法的研究(4)

以短时平均过零率为标准，从Ｃ点往左和从Ｄ点往右搜索，找到短时平均过零率第一次低于某个门限Ｔ３，Ｔ４，是由背景噪声的平均过零率所确定的。门限Ｔ２，ｒ３，Ｔ４都是由背景噪声特性确定的，因此，在进行起止点判决前，通常都要采集若干帧背景噪声并计算其短时能量和短时平均过零率，作为选择Ｔ２，Ｔ３和Ｔ４的依据。当然，Ｔ１，Ｔ２，Ｔ３，三个门限值的确定还应当通过多次实验。

为减少背景噪声对检测结果精度的影响，针对汉语语音信号大部分以声母开始以韵母结束的特点，在基于短时能量和过零率的双门限端点检测算法基础上，有人提出带背景噪声动态估计的语音端点检测方法。计算语音信号的带门限短时帧过零率乙：

乙２善Ｉｓ盟【Ｊ（，ｚ）－Ｔ］－ｓｇｎ［ｓ＠一１）－ｒ］ｌ（３—４）

ｓｇｎ［ｓ（ｎ）＋丁】一ｓ盟［５（刀一１）＋丁】ｌ

其中ｓｇｎ是语音信号ｓ（ｎ）的符号函数，ｒ为计算得到的低门限值。根据汉语语音信号的特点，针对背景噪声动态估计，及短时帧能量和带门限短时帧过零率在语音信号中的规律性，进行端点检测，适应变化的环境，有很高的精度和鲁棒性。

３．２熵函数

对于一个有限离散概率场的不确定性可由随机变量的熵来定义，设Ｚ为取有限个值的随机变量，ｆ＝１，２，３…，刀，其中行为有限值，则Ｘ的熵定义为：

Ｈ（ｘ）＝一∑ｐ，ｌｏｇｐ，（３－５）

且Ｂ＝０时易ｌｏｇｐ；＝０，熵日代表了ｘ的信息量，且熵函数具有这样的性质，当＂

带噪语音端点检测算法的研究

个概率相等时，取最大值，也就是Ｘ的概率分布越模糊，越难以判断，熵值越大。

由于语音信号的幅度相对与背景噪声而言其幅度的动态范围大，因此直观地讲，可以认为随机信号在最大和最小幅度（一＾彳，Ｍ）之间的随机事件多，故平均信息量大，也就是熵值大。而无声状态的幅度小，分布相对集中，因而熵值小口¨。

３．３ＬＰＣ倒谱特征

倒谱能很好表示语音的特征，因此在大多数语音识别系统中选择倒谱系数作为输入特征矢量。在噪声环境下，短时能量与其他特征参数与其他特征参数都不能很好地区分语音段与非语音段，因此采用倒谱系数来作为端点检测的参数ｍ１。

信号的复倒谱定义为信号能量谱密度函数Ｓ（ｃｏ）的对数傅里叶级数，ｌｏｇｓ（ｃｏ）的傅里叶级数表示式为

ｌｏｇＳ（ｃｏ）＝ＥＣ．ｅ一肿（３—６）

式中乞＝￡。为实数，通常称为倒谱系数，且

１＊２

Ｃｏ２吉ＬｌｏｇＳ（ｃｏ）ｄｃｏ（３－７）

对于一对谱密度函数Ｓ（∞）与Ｓ’（∞），利用Ｐａｒｓｅｖａｌ定理，用谱的倒谱距离表示对数谱的均方距离为：

略＝＆一ＣｌｉｏｇＳ（ｃｏ）一１。ｇｓ’（ｃｏ）ｌａｃｏ＝∑（厶一巳７）２（３－８）

式中，巳与巳’分别表示谱密度ｓ（ｃｏ）与Ｓ’（国）的倒谱系数。

对数谱的均方距离表示两个信号谱的差别，故可用来作为一个判决参数。首先，假定前几帧信号是背景噪声，计算这些帧的倒谱系数矢量，利用前几帧倒谱矢量的平均值可估计背景噪声的倒谱矢量，噪声倒谱矢量的近似值可按下述规则进行更新，即当前帧被认为是非语音帧：

ｃ＝ｐｃ＋（１一ｐ）ｑ（３—９）

式中ｃ为噪声倒谱矢量的近似值，ｃｊ为当前测试帧的倒谱矢量，Ｐ为调节参数。

式（３—８）表示的倒谱距离可以利用式（３—１０）来近似计算：

％＝４．３４２９（３－１０）

式中巳’为对应于；的噪声倒谱系数，计算所有测试帧与背景噪声之间的倒谱距离可得到倒谱距离轨迹。类似于基于能量的端点检测过程，利用倒谱距离轨迹可检测语音的端点．

带噪语音端点检测算法的研究

３．４隐马尔可夫模型

隐马尔可夫模型作为语音信号的一种统计模型，在语音处理各个领域中获得了广泛的应用。在训练阶段，训练语音对模型各状态的统计特性进行训练，得出模型参数。在测试阶段，待测语音与训练模型进行匹配，选择得分最高的作为识别结果。

根据ＨＭＭ的基本处理方法，尝试把Ｈ坛Ｍ方法直接用于语言信号的端点检测，在训练阶段分别得出背景噪声和语音的模型参数。在测试阶段，用Ｖｉｔｅｒｂｉ解码方法在训练模型基础上对被测语音进行分解，求出被测语音的哪些帧与背景噪声匹配，哪些帧与语音匹配，从而得出端点的所在处ｍ１。

（１）为了能有效地采用且ＭＭ方法进行处理，须对每帧待测语音进行预处理。包括：ａ．预加重处理。按下式设计一个一阶高通滤波器：日乜）＝１一ａｇ一，其中预加重系数ａ一般选择为０．９５。采用预加重的原因是它可以提升高频部分，使信号的频谱变得平坦，保持在低频到高频的整个频带中，能用同样的信噪比求频谱，使后面的三ＰＣ分析更稳定。同时，高通滤波器可以有效地滤除输入信号中的直流成分。ｂ．加窗处理，一般采用汉明窗。根据语音信号的特点一般在本应用中，数字采样率为８七强ｒ，窗口总长度设计成３０ｍｓ，即每个窗口有２４０个采样点。窗口每次位移１０，雕，有２０ｍｓ的重叠成分。窗口的重叠起到了平滑特征参数的作用。Ｃ．倒谱计算，对每帧语音求出Ｐ阶倒谱系数。ｄ．倒谱加权处理，为了避免倒谱系数数值过小而对识别造成影响，一般均采用上升正弦函数进行倒滤波处理。ｅ．倒谱系数的一阶和二阶倒数处理，对每帧倒谱系数求出其一阶和二阶导数系数：

三

△Ｇ（朋）＝Ｃ∑ｋＣ，一ｔ（朋）

ｋ＝－２

三（３—１１）

△△ｅ（聊）＝Ｃ芝：ｋａｃ，＿Ｉ（聊）ｆ＝ｊ

其中，ｆ代表第ｆ帧语音信号；ｍ代表ｍ个倒谱系数；Ｃ为常数。ｆ．能量及其他特征处理。对每帧语音求出其对数能量，及能量的一阶和二阶导数。这样，通过预处理，得到一定数量的特征值，构成一特征矢量。

（２）Ｖｉｔｅｒｂｆ解码，经上述预处理后的语音送入Ｖｉｔｅｒｂｉ解码器，采用Ｂａｕｍ－Ｗｅｌｃｈ算法，从阳ｆＰ柏ｆ解码器的输出端即可得到待测信号的端点。

（３）光滑处理，由于基于兄膨Ｍ的端点检测方法是对待语音逐帧进行处理，对字间间隙比较敏感，所以，必须用中值滤波进行平滑处理。

３．５频带方差检测法

语音和噪声的频谱性差异是很大的，在噪声的频谱中，各频带之间变化很平稳，这与“白噪声”的称谓相符，而语音则是有“色”的，各频谱之间变化比较激烈，根据这个特征，可以明显地区分语音和噪声㈨。

计算某一帧信号的各频带能量的方差，将这种以短时频带方差作为参数检测语音段起

带噪语音端点检测算法的研究

止端点的方法称为频带方差检验法。

定义一个矢量Ｘ＝｛ｘ（‰），ｘ（ｑ），．．．，ｘ（％）），其中的分量工（哆）定义为中心频率为哆的滤波器的输出能量，它可以根据一帧信号通过一带通滤波器来计算，也可以首先计算一帧信号的Ｆ刀，然后把某几个频率分量组合而得。对于数字信号，最低频是０，最高频是／／＂，其余各中心频率按一定规则从Ｏ至７１＂递增。

定义均值为

Ｅ＝击∑ｘ（ｑ）刀＋１篇、“

则频带方差为（３—１２）

Ｄ＝击∑［ｘ（ｑ）一明２刀＋１等。、“‘（３—１３）

检测门限值Ｍ，在实际应用中，具体门限值可以根据实际环境的背景噪声特性来确定。一般取Ｍ＝（３～５）４，Ｄ，为背景噪声的频带方差值。

从以上公式可以看到，频带方差相当于“交流能量”，它 …… 此处隐藏：2042字，全部文档内容请下载后查看。喜欢就下载吧 ……