基于源—濾波模型的廣義似然比語音激活檢測(cè).pdf

1、隨著語音信號(hào)處理中各項(xiàng)技術(shù)的發(fā)展，語音激活檢測(cè)技術(shù)已經(jīng)在通信系統(tǒng)的各個(gè)領(lǐng)域中得到了成功應(yīng)用，種種需求使得VAD技術(shù)有著廣闊的發(fā)展前景。語音激活檢測(cè)技術(shù)能夠使通信系統(tǒng)中對(duì)帶寬的利用率提高一倍以上，在移動(dòng)通信、衛(wèi)星通信以及其他帶寬有限的通信系統(tǒng)中有重要意義;能夠減少手持設(shè)備的平均能量消耗;使得信道能夠同時(shí)傳輸更多路的數(shù)據(jù);對(duì)聲音監(jiān)控等需要海量存儲(chǔ)語音信息的應(yīng)用，能夠大量節(jié)約存儲(chǔ)空間。
　　在過去的幾十年里，語音激活檢測(cè)技術(shù)得到了極大的

2、發(fā)展，除了經(jīng)典的利用語音信號(hào)與噪聲之間的能量差異的基于信號(hào)能量的檢測(cè)方法，還有利用語音和信號(hào)高階統(tǒng)計(jì)特征差異的統(tǒng)計(jì)檢測(cè)算法，利用小波變換的檢測(cè)算法，基于隱馬爾科夫模型的檢測(cè)算法，基于倒譜的檢測(cè)等。
　　這些方法提高了語音激活檢測(cè)的準(zhǔn)確性，但由于語音信號(hào)特別是其中的清音信號(hào)(Unvoiced Speech)本身就具有類似噪聲的特性，而不同類型的噪聲也具有截然不同的特征，使得盡管在安靜環(huán)境下的干凈的語音信號(hào)的激活檢測(cè)比較容易，但在低信

3、噪比條件下的受到噪聲污染的語音信號(hào)的激活檢測(cè)仍然有很大困難。
　　本文基于語音產(chǎn)生的生理模型提出了一種具有實(shí)用價(jià)值的語音產(chǎn)生的源（激勵(lì)）-濾波模型，在這一模型的基礎(chǔ)上通過利用語音信號(hào)中的音調(diào)信息和線性預(yù)測(cè)分析方法，構(gòu)造了由兩個(gè)子檢測(cè)器組成的廣義似然比語音激活檢測(cè)器。兩個(gè)子檢測(cè)器分別針對(duì)語音信號(hào)中的清音信號(hào)和濁音信號(hào)進(jìn)行檢測(cè)。用“估值-插入”(estimate-and-plug)的方法將語音的基頻信息輸入用于濁音檢測(cè)的子檢測(cè)器L1，

4、將線性預(yù)測(cè)分析信息同時(shí)輸入兩個(gè)子檢測(cè)器L0和L1，然后進(jìn)一步通過兩者的線性聯(lián)合，用線性判別分析的方法進(jìn)行權(quán)重特征的優(yōu)化，構(gòu)成一個(gè)特征優(yōu)化的廣義似然比檢測(cè)器(FO-GLRT,Feature Optimized Generalized Likelihood Ratio Test)。
　　該檢測(cè)器充分利用了語音信號(hào)中源信號(hào)的特征及聲道調(diào)制過程中產(chǎn)生的線性預(yù)測(cè)特征，克服了基于能量檢測(cè)的方法對(duì)于低能量低信噪比條件下的語音激活檢測(cè)的困難，又避