語音端點(diǎn)檢測(cè)方法研究

摘 要：文章在研究語音識(shí)別系統(tǒng)中端點(diǎn)檢測(cè)基本算法的基礎(chǔ)上，分別對(duì)利用雙門限的端點(diǎn)檢測(cè)方法、利用小波變換的端點(diǎn)檢測(cè)方法、利用倒譜相關(guān)理論的端點(diǎn)檢測(cè)方法原理進(jìn)行了闡述和說明，并對(duì)幾種端點(diǎn)檢測(cè)方法的特點(diǎn)進(jìn)行了分析。

關(guān)鍵詞：端點(diǎn)檢測(cè)；雙門限；小波變換；倒譜

1 概述

就一般情況下來講，在語音通信過程當(dāng)中，大多采用有線電話網(wǎng)的方式來進(jìn)行，但是由于某些地區(qū)環(huán)境及場(chǎng)合需要等因素，則需要通過無線電臺(tái)來作為通信方式。與此同時(shí)，在其實(shí)際應(yīng)用過程中，整個(gè)通話過程由語音控制來實(shí)現(xiàn)。具體來講，有線方說話時(shí)本地?zé)o線電臺(tái)則處于發(fā)射狀態(tài)，相對(duì)應(yīng)來講遠(yuǎn)端無線電臺(tái)為接收狀態(tài)，相反來講，當(dāng)有線方沉默的時(shí)候，無線電臺(tái)工作狀態(tài)發(fā)轉(zhuǎn)。其中，語音端點(diǎn)檢測(cè)方法和技術(shù)是關(guān)鍵，基于從某段語音信號(hào)當(dāng)中來準(zhǔn)確判斷語音位置（起始點(diǎn)與終止點(diǎn)），從而有效地區(qū)分是否為語音信號(hào)這樣的目的。該技術(shù)對(duì)于減少數(shù)據(jù)的采集量、降低或者排除噪聲段的干擾以及提高系統(tǒng)識(shí)別性能等方面具有關(guān)鍵作用。

2 利用雙門限進(jìn)行語音端點(diǎn)檢測(cè)

首先確定短時(shí)能量和短時(shí)過零率符合端點(diǎn)起點(diǎn)判定條件的幀，接著再根據(jù)短時(shí)過零率和短時(shí)能量符合端點(diǎn)終點(diǎn)判定條件的幀。除此之外，對(duì)于一些突發(fā)性噪聲檢測(cè)，比如由于門窗開關(guān)所引起的噪聲，相對(duì)應(yīng)來講我們可以通過設(shè)置最短時(shí)間門限來進(jìn)行判斷。具體來講，當(dāng)處于靜音這一語音信號(hào)端點(diǎn)檢測(cè)段時(shí)，如數(shù)值比低門限還低，與此同時(shí)最短時(shí)間門限大于計(jì)時(shí)長(zhǎng)度，那么我們基本上可以確定這是一段噪音。

雙門限的檢測(cè)算法結(jié)合了短時(shí)能量和短時(shí)過零率的優(yōu)點(diǎn)，在得到的端點(diǎn)檢測(cè)結(jié)果中，其精確度和濁音檢測(cè)都能得到很好的保證?，F(xiàn)在有很多的端點(diǎn)檢測(cè)算法都是根據(jù)雙門限的算法進(jìn)行不同的改進(jìn)，能使其各有優(yōu)劣，從而適應(yīng)于不同的情況和環(huán)境。

3 利用小波變換進(jìn)行語音端點(diǎn)檢測(cè)

小波變換屬于時(shí)頻分析的一種，具體來說是空間（時(shí)間）和頻率的局部變換，因而能有效的從信號(hào)中提取信息。小波變換能將信號(hào)在時(shí)域中表現(xiàn)不了的特征在頻域中表現(xiàn)出來。因此，利用小波變換的這一個(gè)特性，根據(jù)有效的說話人的聲音數(shù)據(jù)和背景噪聲數(shù)據(jù)的頻譜存在明顯差異的特征來進(jìn)行端點(diǎn)檢測(cè)。一般有效的說話人的聲音數(shù)據(jù)的頻譜分布范圍很大，而且頻率的值也很大。而背景噪聲的頻譜變化不大，而且值也較小。因此先將語音數(shù)據(jù)分幀，將分幀后的數(shù)據(jù)進(jìn)行一次小波變換，再對(duì)小波變換后的數(shù)據(jù)計(jì)算方差，如果計(jì)算的結(jié)果大于一定的閾值，那么這幀即被記為起始幀，若在起始幀存在的情況下計(jì)算的結(jié)果小于閾值，則被記為結(jié)束幀。

4 利用倒譜系數(shù)和倒譜距離進(jìn)行語音端點(diǎn)檢測(cè)

（1）預(yù)處理：對(duì)8kHz采樣信號(hào)進(jìn)行預(yù)加重處理，然后分幀加窗，幀長(zhǎng)取16ms（128個(gè)采樣點(diǎn)），幀移4ms，對(duì)每一幀信號(hào)加128點(diǎn)的矩形窗。

（2）估計(jì)噪聲倒譜系數(shù)和倒譜距離：階數(shù)p取12，首先假定抽樣信號(hào)起始10幀是背景噪聲，利用這10幀的前5幀倒譜系數(shù)的統(tǒng)計(jì)平均值作為背景噪聲倒譜系數(shù)的估計(jì)值，用向量表示。同時(shí)計(jì)算這10幀的后5幀倒譜距離平均值作為背景噪聲倒譜距離的估計(jì)值，其中表示當(dāng)前幀的倒譜系數(shù)，為對(duì)應(yīng)的倒譜系數(shù)。

（3）逐幀計(jì)算值：逐幀計(jì)算倒譜系數(shù)，然后由每幀信號(hào)的倒譜系數(shù)和噪聲倒譜系數(shù)的估計(jì)值計(jì)算倒譜距離。

（4）確定判決門限：采用類似于短時(shí)能量檢測(cè)法所使用的動(dòng)態(tài)門限判決準(zhǔn)則。

5 端點(diǎn)檢測(cè)方法的對(duì)比分析結(jié)論

在對(duì)三種算法的算法特性、適用情況、檢測(cè)精度和檢測(cè)速度做一個(gè)總體的統(tǒng)計(jì)分析比較，三種端點(diǎn)檢測(cè)方法的總體比較算法特征適用情況檢測(cè)精度檢測(cè)速度。

（1）雙門限時(shí)域范圍內(nèi)對(duì)聲音數(shù)據(jù)的能量和過零率分析高信噪比的環(huán)境低最快。

（2）小波檢測(cè)頻域范圍內(nèi)對(duì)聲音數(shù)據(jù)進(jìn)行小波變換后，方差分析高或低信噪比的環(huán)境高慢。

（3）倒譜檢測(cè)頻域范圍內(nèi)對(duì)聲音數(shù)據(jù)進(jìn)行倒譜變換后，計(jì)算倒譜距離高或低信噪比的環(huán)境高快。

通過對(duì)三種算法的比較，可以發(fā)現(xiàn)倒譜變換的端點(diǎn)檢測(cè)方法是最具有實(shí)用價(jià)值的。小波方法檢測(cè)的聲音數(shù)據(jù)雖然檢測(cè)的精度很高，但是檢測(cè)的速度很慢，相對(duì)適用于在實(shí)驗(yàn)室的情況下進(jìn)行端點(diǎn)檢測(cè)。

參考文獻(xiàn)

[1]張雄偉，等.現(xiàn)代語音處理技術(shù)及應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2003.

[2]胡光銳.語音處理與識(shí)別[M].上海：上海科學(xué)技術(shù)文獻(xiàn)出版社，1994.

[3]蔡蓮紅，等.現(xiàn)代語音技術(shù)基礎(chǔ)及應(yīng)用[M].北京：清華大學(xué)出版社，2003.

[4]韓紀(jì)慶，等.語音信號(hào)處理[M].北京：清華大學(xué)出版社，2004.

[5]何湘智.語音識(shí)別的研究與發(fā)展[J].計(jì)算機(jī)與現(xiàn)代化，2002，79（3）.

[6]趙高峰，張雪英，侯雪梅.一種基于小波系數(shù)方差的語音端點(diǎn)檢測(cè)方法[J].太原理工大學(xué)學(xué)報(bào)，2006，37（5）.

[7]董力，陳宏欽，馬爭(zhēng)鳴.基于小波變換的語音段起止端點(diǎn)檢測(cè)算法[J].中山大學(xué)學(xué)報(bào)（自然科學(xué)版），2005，44（3）.

[8]胡光銳，韋曉東.基于倒譜特征的帶噪語音端點(diǎn)檢測(cè)[J].電子學(xué)報(bào)，2000，10（9）.

[9]NASSAR AM， KADER N S， Refat AM. End point s detection for noisy speech using a wavelet based algorit hm[M].Buda2 pest Kluwer Academic Publishers，1999：9032906.

[10]Haigh J A，Mason J S. Robust Voice Activity Detection Using Cep stral Features[J].Computer， Communication， Control and Power Engineering. Proceedings of the IEEE Region 10 Conference TENCON，1993，3（3）.