基于隐马尔可夫模型的语音激活检测算法

发布时间：2018-07-20 22:04

【摘要】：针对现有基于隐马尔可夫模型(HMM)的语音激活检测(VAD)算法对噪声的跟踪性能不佳的问题,提出采用Baum-Welch算法对具有不同特性的噪声进行训练,并生成相应噪声模型,建立噪声库的方法。在语音激活检测时,根据待测语音背景噪声的不同,动态地匹配噪声库中的噪声模型;同时,为了适应语音信号的实时处理,降低了语音参数提取的复杂度,并对判决阈值提出改进,以保证语音信号帧间的相关性。在不同噪声环境下对改进算法进行性能测试并与自适应多速率编码(AMR)标准、国际电信联盟电信标准分局(ITU-T)的G.729B标准比较,测试结果表明,改进算法在实时语音信号处理中能够有效提高检测的准确率及噪声跟踪能力。
[Abstract]:Aiming at the problem of poor noise tracking performance of existing speech activation detection (VAD) algorithm based on hidden Markov model (hmm), a Baum-Welch algorithm is proposed to train the noise with different characteristics and generate the corresponding noise model. The method of establishing noise database. In speech activation detection, the noise model in the noise database is dynamically matched according to the different background noise of the speech under test, and the complexity of speech parameter extraction is reduced in order to adapt to the real-time processing of speech signal. The decision threshold is improved to ensure the correlation between speech signal frames. The performance of the improved algorithm is tested in different noise environments and compared with the adaptive multi-rate coding (AMR) standard and the G.729B standard of the International Telecommunication Union Telecommunication Standards Substation (ITU-T). The test results show that, The improved algorithm can effectively improve the detection accuracy and noise tracking ability in real-time speech signal processing.
【作者单位】： 信号与信息处理重庆市重点实验室(重庆邮电大学);
【基金】：重庆市科委自然科学基金资助项目(cstc2015jcyjA40027)~~
【分类号】：TN912.3

【相似文献】

相关期刊论文 前10条

1 史笑兴,王太君,何振亚;二阶隐马尔可夫模型的学习算法及其与一阶隐马尔可夫模型的关系[J];应用科学学报;2001年01期

2 胡迎松,朱阿柯,陈刚,陈中新;一种基于二维隐马尔可夫模型的图像分类算法[J];计算机应用;2005年04期

3 张慧丽;;基于混合二阶隐马尔可夫模型的基因结构预测[J];电脑知识与技术(学术交流);2007年14期

4 俞琰;;基于隐马尔可夫模型的招聘网络信息抽取[J];北京电子科技学院学报;2008年04期

5 方浩;许鸿文;蔡益宇;;一种基于语义关系改进的隐马尔可夫模型研究[J];通信技术;2008年05期

6 李玉擰;;二维隐马尔可夫模型的几个等价定义[J];北京工业大学学报;2008年06期

7 俞琰;;基于隐马尔可夫模型的招聘网络信息抽取[J];自动化技术与应用;2008年10期

8 侯昭武;;隐马尔可夫模型的拓朴应用[J];河南师范大学学报(自然科学版);2009年06期

9 刘辉;杨俊安;许学忠;;一种改进的隐马尔可夫模型训练方法及其在声目标识别中的应用[J];电路与系统学报;2011年01期

10 黄岗;;马尔可夫及隐马尔可夫模型的应用[J];电子设计工程;2013年17期

相关会议论文 前10条

1 史笑兴;王太君;何振亚;;论二阶隐马尔可夫模型与一阶隐马尔可夫模型的关系[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

2 马勇;金峗;顾明亮;赵力;;基于隐马尔可夫模型的汉语方言辨识[A];2009’中国西部地区声学学术交流会论文集[C];2009年

3 吴志强;陈珂;迟惠生;;基于隐马尔可夫模型的有限词汇集内与文本无关的说话人辨认的研究[A];第四届全国人机语音通讯学术会议论文集[C];1996年

4 徐毅琼;李弼程;王波;;隐马尔可夫模型在人脸检测与识别中的应用[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

5 吴成东;柴佩琪;;基于分类的隐马尔可夫模型的声母识别[A];第一届全国语言识别学术报告与展示会论文集[C];1990年

6 徐东风;周萍;景新幸;;改进隐马尔可夫模型的非线性分段技术应用[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

7 邢颖;南敬昌;;基于隐马尔可夫模型的人脸检测与识别系统[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

8 秦勇;莫福源;李昌立;关定华;;基于隐马尔可夫模型的汉语二字词音调模式识别[A];第三届全国人机语音通讯学术会议论文集[C];1994年

9 杨文强;邓明华;钱敏平;;隐马尔可夫模型与剪切位点识别[A];中国运筹学会第六届学术交流会论文集（下卷）[C];2000年

10 马晓川;刘冬;赵荣椿;;孤立短语隐马尔可夫模型自动建模软件的实现[A];第四届全国人机语音通讯学术会议论文集[C];1996年

相关博士学位论文 前3条

1 李杰;隐马尔可夫模型的研究及其在图像识别中的应用[D];清华大学;2004年

2 夏丽莎;基于隐马尔可夫模型的故障诊断及相关算法研究[D];华中科技大学;2014年

3 刘韬;基于隐马尔可夫模型与信息融合的设备故障诊断与性能退化评估研究[D];上海交通大学;2014年

相关硕士学位论文 前10条

1 吴瑞琪;面向农牧民歌旋律的自动伴奏技术研究[D];河南师范大学;2015年

2 张凯;基于隐马尔可夫模型的频谱预测和感知方法研究[D];南京邮电大学;2015年

3 赵效毓;基于最大熵隐马尔可夫模型的基因启动子识别[D];南京农业大学;2014年

4 白雁飞;基于隐马尔可夫模型的J波识别技术研究[D];太原理工大学;2016年

5 崔晨雨;基于用户经验水平的推荐方法研究[D];清华大学;2015年

6 李若冰;基于贝叶斯网络和隐马尔可夫模型的扑克对手建模研究[D];南京大学;2013年

7 朱超然;基于隐马尔可夫模型的无线传感器网络入侵检测研究[D];华北电力大学(北京);2014年

8 李伦;基于隐马尔可夫模型的VaR度量方法研究[D];华东政法大学;2016年

9 李晓燕;基于隐马尔科夫模型的轨迹聚类方法研究[D];华东师范大学;2016年

10 关超;隐马尔可夫模型在肝硬化进展中的应用[D];山西医科大学;2016年

，

本文编号：2134936