基于信息熵和神經(jīng)網(wǎng)絡(luò)的語(yǔ)音端點(diǎn)檢測(cè)算法研究.pdf

1、語(yǔ)音端點(diǎn)檢測(cè)是語(yǔ)音分析、語(yǔ)音合成和語(yǔ)音識(shí)別中的一個(gè)重要環(huán)節(jié)。在實(shí)際運(yùn)用中，通常要求首先對(duì)系統(tǒng)的輸入信號(hào)進(jìn)行判斷，準(zhǔn)確的找出語(yǔ)音信號(hào)的起始點(diǎn)和終止點(diǎn)。這樣才能采集到真正的語(yǔ)音數(shù)據(jù)，減少數(shù)據(jù)量和運(yùn)算量，并減少處理時(shí)間。因此語(yǔ)音端點(diǎn)檢測(cè)算法研究意義重大。 本文首先介紹了幾種典型的語(yǔ)音端點(diǎn)檢測(cè)算法。隨后對(duì)三種語(yǔ)音端點(diǎn)檢測(cè)算法進(jìn)行研究。 算法一：在對(duì)信息熵原理理解的基礎(chǔ)上，分析了語(yǔ)音信號(hào)與背景噪聲的幅度熵及譜熵的差異，并根據(jù)這些差

2、異進(jìn)行了基于幅度熵和譜熵的語(yǔ)音端點(diǎn)檢測(cè)算法研究，仿真實(shí)驗(yàn)結(jié)果表明該方法檢測(cè)準(zhǔn)確率較高。 算法二：在對(duì)信息熵語(yǔ)音端點(diǎn)檢測(cè)研究的基礎(chǔ)上，結(jié)合神經(jīng)網(wǎng)絡(luò)在模式分類(lèi)方面的優(yōu)越特性，提出了基于信息熵和神經(jīng)網(wǎng)絡(luò)的語(yǔ)音端點(diǎn)檢測(cè)算法，該算法針對(duì)語(yǔ)音信號(hào)和背景噪聲進(jìn)行建模，把語(yǔ)音信號(hào)端點(diǎn)檢測(cè)問(wèn)題看作是對(duì)每幀信號(hào)進(jìn)行分類(lèi)，通過(guò)建立相應(yīng)的模型，根據(jù)模型的匹配程度對(duì)每幀語(yǔ)音矢量進(jìn)行劃分，確定其屬于語(yǔ)音或背景噪聲。仿真實(shí)驗(yàn)表明，該算法在檢測(cè)準(zhǔn)確率上要優(yōu)于信

3、息熵語(yǔ)音端點(diǎn)檢測(cè)算法，且避免了常規(guī)方法需要設(shè)置閾值門(mén)限這一難點(diǎn)。 算法三：語(yǔ)音信號(hào)端點(diǎn)檢測(cè)研其本質(zhì)是區(qū)分語(yǔ)音與背景噪聲。語(yǔ)音與背景噪聲的劃分不是絕對(duì)的，分界處的語(yǔ)音信號(hào)有可能屬于語(yǔ)音，也有可能是背景，因此語(yǔ)音端點(diǎn)檢測(cè)屬于邊界分類(lèi)模糊問(wèn)題。而模糊技術(shù)在處理邊界模糊問(wèn)題上具有獨(dú)特的優(yōu)勢(shì)，通過(guò)對(duì)語(yǔ)音數(shù)據(jù)的模糊化，結(jié)合對(duì)神經(jīng)網(wǎng)絡(luò)語(yǔ)音端點(diǎn)檢測(cè)的研究，提出了基于模糊神經(jīng)網(wǎng)絡(luò)的語(yǔ)音端點(diǎn)檢測(cè)算法。 仿真實(shí)驗(yàn)表明，該算法在檢測(cè)準(zhǔn)確率上是本