復(fù)雜環(huán)境下高效端點(diǎn)檢測算法研究及應(yīng)用.pdf

1、端點(diǎn)檢測是為了從待測語音信號中準(zhǔn)確的檢測出有效語音的起止點(diǎn)，從而提升語音識別系統(tǒng)的識別精度并盡可能的縮減識別時間。現(xiàn)有的端點(diǎn)檢測算法雖在理想環(huán)境下有較高的檢測準(zhǔn)確率，但在伴隨著噪聲的實(shí)際應(yīng)用系統(tǒng)中，算法的性能急劇下降。同時，移動端應(yīng)用系統(tǒng)對算法的時間和空間復(fù)雜度都有較高的要求。因此，在實(shí)際應(yīng)用環(huán)境中，尋找一種高效、魯棒的端點(diǎn)檢測算法是本課題的研究重點(diǎn)。
　　本文從噪聲估計、維納濾波、端點(diǎn)檢測算法三個方面進(jìn)行研究，采用一系列行之有效

2、的方法，探尋一種實(shí)用的語音端點(diǎn)檢測算法。
　　首先，為了進(jìn)一步降低背景噪聲對語音信號的影響，本文針對基于傳統(tǒng)的VAD噪聲估計方法對噪聲估計不準(zhǔn)確的問題，結(jié)合最小值控制的遞歸平均算法，得到一種快速且有效的噪聲估計算法。在不損害增強(qiáng)后語音感知質(zhì)量的條件下，融合了TSNR和非線性諧波增強(qiáng)算法，使得基于維納濾波的語音增強(qiáng)算法得到最大的平均分段信噪比提升。
　　然后，對語音信號中的常用的音頻特征參數(shù)進(jìn)行歸納總結(jié)，重點(diǎn)分析了短時信息熵，

3、同時引入了短時幅度相對值的概念。而后提出了一種結(jié)合時域和頻域特征，且在復(fù)雜背景噪聲環(huán)境下能夠有效區(qū)分語音和非語音的音頻特征參數(shù)，稱之為短時時頻值。在短時時頻值的基礎(chǔ)上，提出了一種能夠在復(fù)雜環(huán)境下對語音的起止點(diǎn)做出高效判斷的語音端點(diǎn)檢測算法。
　　最后，用帶噪語音數(shù)據(jù)庫和自行采集整理的語音數(shù)據(jù)庫對上述的方法進(jìn)行驗(yàn)證，并對檢測結(jié)果進(jìn)行分析和評價。實(shí)驗(yàn)表明，本文中提出的端點(diǎn)檢測算法高效、魯棒，在復(fù)雜的噪聲環(huán)境下不僅能實(shí)時快速的完成計算，