低信噪比环境下语音信号端点检测算法

发布时间：2020-11-08 08:46

　　 在语音信号识别领域,语音信号端点检测技术十分关键。端点检测的目的就是确定出语音信号的采样起始点和结束点位置,使系统对语音信号的处理可以降低功耗、提高系统性能。如今端点检测技术的应用十分广泛,比如在语音会话工具、可穿戴设备、人工智能机等诸多地方都有着应用。近几年来,出现了许多实用高效的端点检测算法,大致可将这些算法分成两大类,一类是基于数字信号频域或时域提取特征参数的算法,而另一类是基于模式匹配的各种算法。目前,语音信号端点检测技术研究在无噪声干扰情况下已经十分成熟,但是在低信噪比时检测效果将会显著下降,所以对低信噪比时寻求准确高效的检测算法仍然十分关键。论文首先对传统的基于时域频域特征参数的算法进行了综述,通过对其在不同噪声强度下的检测性能评估可以得出,在无噪声干扰时传统检测算法检测正确率很高,具有计算量小效率高等特点。但对于低信噪比环境,传统算法检测性能迅速降低,无法准确找出信号边界点的位置。因此针对于低信噪比环境,可以首先采用语音信号去噪算法对带噪信号进行去噪,再对去噪后的信号进行端点检测。基于这一思想,本文提出了增强减谱方差联合法以及多窗谱减谱能熵比联合法,这两种算法将语音信号的去噪与检测处理有效结合在一起,达到提高检测结果正确性的目的。本文提出的增强减谱方差联合法的检测原理就是先利用增强减谱法对带噪信号去噪,增强减谱法引入了减谱调节因子,让减谱法在原有的基础上对噪声的适应性更好,经由增强减谱法去噪后的信号的方差值在语音信号边界点处特征明显,因此接着采用基本方差法进行端点检测。多窗谱减谱能熵比联合法是利用多窗谱估计减谱法对带噪语音信号进行去噪,多窗谱减谱法采用多个相互正交的窗函数求谱值,这样可有效减小实验误差。而能熵比法相较于其它的传统端点检测算法的抗噪声性能更强。为了验证本文提出的两种新算法的性能和特性,将这两种新算法运用到音频识别中进行实验分析,本文实验所采用的纯净语音数据是自然人声语音数据集,噪声信号数据所采用的是Noisex-92噪音数据集。将几种加性噪声信号分别叠加在纯净语音信号上,即可得到实验所需的带噪语音信号数据集。通过设置不同的信噪比以及加入不同类型的噪声,观察其检测结果并进行对比分析。依据实验结果进行分析能够得出,本文提出的两种新算法对不同噪声和低信噪环境适应性良好,可以将语音信号的边界点有效检测出来。
【学位单位】：山东大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN912.3
【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景
    1.2 研究现状
    1.3 论文的主要内容
    1.4 论文的组织结构
第2章 语音信号识别技术原理及构成
    2.1 语音识别基本原理
    2.2 语音信号的数字模型
    2.3 典型端点检测模块
    2.4 本章小结
第3章 基于特征参数端点检测算法
    3.1 端点检测算法的分类
    3.2 基于时域特征参数的端点检测算法
        3.2.1 双门限法
    3.3 基于时域特征参数的端点检测算法
        3.3.1 谱距离法
        3.3.2 MFCC参数的倒谱距离法
        3.3.3 谱熵法
    3.4 本章小结
第4章 低信噪比环境下的语音去噪及改进的端点检测算法
    4.1 语音去噪方法介绍
        4.1.1 语音去噪对于端点检测的意义及研究现状
        4.1.2 减谱法去噪
    4.2 增强减谱方差联合法
        4.2.1 算法检测原理
        4.2.2 增强减谱法
        4.2.3 算法检测流程
    4.3 多窗谱减谱和能熵比算法
        4.3.1 算法检测原理
        4.3.2 多窗谱减谱法
        4.3.3 能熵比法
        4.3.4 算法检测流程
    4.4 本章小结
第5章 实验仿真与性能比较
    5.1 实验环境与评价指标
        5.1.1 语音数据样本的建立
        5.1.2 实现平台
        5.1.3 端点检测算法的评价指标
    5.2 实验结果
        5.2.1 基于传统端点检测算法的检测结果
        5.2.2 增强减谱方差联合法算法检测结果
        5.2.3 多窗谱减谱能熵比联合法算法检测结果
    5.3 检测性能比较分析
        5.3.1 不同信噪比环境下的检测性能
        5.3.2 不同噪声环境下的检测性能
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士研究生期间的成果
学位论文评阅及答辩情况表

【参考文献】

相关期刊论文 前10条

1 刘新飞;周辉;;基于谱减法及频谱方差的语音端点检测方法[J];兵工自动化;2014年04期

2 谷志伟;李汉峰;;基于改进的DTW算法的变电站巡检机器人语音识别的实现[J];机电信息;2014年06期

3 刘琦;;基于短时能量特征的语音端点检测技术研究[J];信息系统工程;2014年02期

4 王致信;胡文东;;语音识别技术的发展[J];网友世界;2013年13期

5 陈立春;;实时语音采集系统中语音端点检测和增强方法[J];电声技术;2013年05期

6 崔晓;张松炜;;基于小波和先验信噪比维纳滤波的语音增强[J];河南师范大学学报(自然科学版);2013年01期

7 李娟;;基于两级判别法的端点检测算法研究[J];洛阳师范学院学报;2012年05期

8 张春雷;曾向阳;王曙光;;基于临界带功率谱方差的端点检测[J];声学技术;2012年02期

9 李玲俐;;一种基于MFCC和SVM的语音识别方法[J];软件导刊;2012年03期

10 白瑜;;语音识别系统的硬件设计[J];硅谷;2012年02期

相关硕士学位论文 前3条

1 李光源;高效语音增强与端点检测技术研究[D];清华大学;2011年

2 马静霞;带噪语音端点检测方法的研究[D];燕山大学;2007年

3 张徽强;带噪语音信号的端点检测和声韵分离[D];国防科学技术大学;2005年

本文编号：2874550