低信噪比下多参数融合的自适应语音端点检测

发布时间：2021-01-28 21:09

　　传统语音端点检测方法利用语音和噪声在某单一参数特征上的差异进行信号中语音起止点的切分,但不同参数在低信噪比不同噪声环境下表现不稳定,鲁棒性差。因此,本文提出了基于均匀子带谱方差,能熵比,梅尔倒谱距离,似然比四种参数相融合的语音端点检测方法。该方法能自适应地改变各参数阈值,并通过实时监测噪声段能熵比的值确定所采用的投票判决机制,从而进行语音端点判定。实验结果表明,该方法在低信噪比下较常用的端点检测方法有更高的检测正确率及鲁棒性,对语音信号后续处理工作有一定的借鉴意义。 

【文章来源】：信号处理. 2020,36(08)北大核心

【文章页数】：7 页

【部分图文】：

MFCC特征提取框图

由于环境信噪比的不同以及噪声平稳性的不同,各参数用于端点检测的性能也有所不同。而本文算法提取四种常用的端点检测特征参数,然后结合根据噪声段能熵比值所确定的投票机制进行端点检测。其可以有效弥补传统端点检测算法在低信噪比不同类型噪声下表现的不稳定性,由此增加了语音端点检测的正确率且适应的噪声环境多样性。图2为提出的多特征融合端点检测算法原理图。3.1 投票机制

为更好的体现本文方法在低信噪比下的鲁棒性,利用信噪比为-8 dB～5 dB下各类噪声的评价平均值进行比较。结果如图3、图4、图5所示。图4 不同噪声下平均检出率对比

【参考文献】：
期刊论文
[1]农产品市场环境下语音端点检测的研究[J]. 刘慧,杨玉清,鲁梦瑶,李军会,赵龙莲.  自动化技术与应用. 2019(05)
[2]一种基于近邻传播聚类的语音端点检测方法[J]. 林琴,涂铮铮,王庆伟,郭玉堂.  安徽大学学报(自然科学版). 2019(03)
[3]心音信号MFCC特征向量提取方法的优化[J]. 许春冬,周静,应冬文,龙清华.  信号处理. 2019(03)
[4]基于多特征融合与动态阈值的语音端点检测方法[J]. 朱春利,李昕.  计算机工程. 2019(02)
[5]基于模糊熵与改进相关向量机的语音端点检测[J]. 张毅,倪雷.  华中科技大学学报(自然科学版). 2017(08)
[6]复杂噪声场景下的活动语音检测方法[J]. 郭武,马啸空.  清华大学学报(自然科学版). 2016(11)
[7]基于对数能量倒谱特征的端点检测算法[J]. 王民,孙广,沈利荣,刘利.  计算机工程与应用. 2014(16)
[8]强背景噪声下语音端点检测的算法研究[J]. 吴边,王忠,刘兴涛.  计算机工程与应用. 2011(33)
[9]语音端点检测技术研究进展[J]. 韩立华,王博,段淑凤.  计算机应用研究. 2010(04)
[10]基于熵函数的语音端点检测算法研究[J]. 王博,郭英,韩立峰.  信号处理. 2009(03)



本文编号：3005697