基于噪聲估計(jì)的改進(jìn)能量熵語音端點(diǎn)檢測(cè)算法*

蔣學(xué)仕

(中國(guó)西南電子技術(shù)研究所，成都 610036)

0 引 言

語音端點(diǎn)檢測(cè)是用來區(qū)分語音與非語音的一種技術(shù)，在語音通信、語音識(shí)別、語音編碼等方面都有重要作用。準(zhǔn)確的語音端點(diǎn)檢測(cè)技術(shù)既可以提高語音通信系統(tǒng)的傳輸效率，避免傳輸非語音數(shù)據(jù)造成的帶寬與功率的浪費(fèi)，也可以在語音識(shí)別、語音編碼中提高算法對(duì)語音特征的提取效率。

現(xiàn)有的語音端點(diǎn)檢測(cè)算法主要分為基于特征參數(shù)的檢測(cè)算法、基于統(tǒng)計(jì)模型的檢測(cè)算法、基于神經(jīng)網(wǎng)絡(luò)的檢測(cè)算法?；谔卣鲄?shù)的端點(diǎn)檢測(cè)算法由于不用建立模型，不需要大量數(shù)據(jù)進(jìn)行訓(xùn)練，具有運(yùn)算量與復(fù)雜度較低等優(yōu)勢(shì)，應(yīng)用范圍更為廣泛。常用的基于特征參數(shù)的語音端點(diǎn)檢測(cè)算法[1-2]，隨著信噪比的降低，提取的語音特征參數(shù)準(zhǔn)確度逐漸惡化，檢測(cè)性能下降。譜熵[3-4]由于對(duì)語音幅值不敏感，只與語音信號(hào)與噪聲信號(hào)在頻帶上的分布差異與能量占比有關(guān)，作為特征參數(shù)，對(duì)噪聲具有一定魯棒性。但在低信噪比下，由于噪聲對(duì)譜線的損傷，譜熵的準(zhǔn)確度開始下降。文獻(xiàn)[5]提出在譜熵計(jì)算時(shí)引入正常量 K 到能量概率分布公式中，得到改進(jìn)的子帶能量概率分布密度公式，提升譜熵的性能；文獻(xiàn)[6]采用加權(quán)系數(shù)與丟棄損傷子帶的方式來進(jìn)一步改善譜熵的魯棒性。但以上方法比較粗略，低信噪比下性能提升有限。文獻(xiàn)[7]通過結(jié)合語音短時(shí)能量的凸性與子帶譜熵的凹性，構(gòu)造出了魯棒性更好的能量熵。在能量熵算法的基礎(chǔ)上，文獻(xiàn)[8]對(duì)短時(shí)能量求解對(duì)數(shù)，平衡不同幅度信號(hào)下短時(shí)能量差異過大的問題。文獻(xiàn)[9]采用中值濾波來緩解能熵比曲線不平滑的情況。文獻(xiàn)[10]則將改進(jìn)子帶能量概率公式、對(duì)數(shù)能量特征值、中值濾波進(jìn)行了結(jié)合，提出了改進(jìn)的子帶能熵比。

綜上所述，現(xiàn)有基于能量熵的端點(diǎn)檢測(cè)改進(jìn)工作并未對(duì)噪聲這一導(dǎo)致短時(shí)能量、子帶譜熵性能下降的直接原因給予準(zhǔn)確的分析與處理，所以現(xiàn)有改進(jìn)措施對(duì)噪聲的適應(yīng)性較差，低信噪比下端點(diǎn)檢測(cè)性能提升有限。另外，在端點(diǎn)檢測(cè)算法中，判決門限的抗噪性能也至關(guān)重要，但現(xiàn)有文獻(xiàn)對(duì)判決門限的研究往往不夠充分。

針對(duì)上述問題，本文提出利用噪聲估計(jì)值來剔除短時(shí)能量中的噪聲，提升短時(shí)能量的凸性；計(jì)算語音存在概率作為加權(quán)系數(shù)引入能量概率分布公式，提升語音段子帶譜熵的凹性，然后將凸、凹性得到增強(qiáng)的短時(shí)能量與子帶譜熵結(jié)合，構(gòu)造出魯棒性更好的改進(jìn)能量熵；得益于對(duì)噪聲的準(zhǔn)確估計(jì)，本文進(jìn)一步構(gòu)造出具備較好抗噪性能的動(dòng)態(tài)門限，并給出基于改進(jìn)能量熵與動(dòng)態(tài)判決門限的實(shí)時(shí)端點(diǎn)檢測(cè)策略。本文利用噪聲估計(jì)值與語音存在概率對(duì)短時(shí)能量、子帶譜熵、判決門限都進(jìn)行了優(yōu)化，增強(qiáng)了特征值與判決門限在低信噪比下的抗噪聲性能，而且運(yùn)算復(fù)雜度低，適合實(shí)時(shí)處理。

1 傳統(tǒng)能量熵端點(diǎn)檢測(cè)算法

傳統(tǒng)能量熵算法[7]的基本思路是計(jì)算短時(shí)能量與子帶譜熵兩個(gè)特征值，然后再將兩者結(jié)合，構(gòu)造出能量熵。

1.1 短時(shí)能量

語音屬于時(shí)變信號(hào)，但在幾十毫秒的短時(shí)范圍內(nèi)可以按穩(wěn)態(tài)處理，考慮到幀間語音特征參數(shù)的平穩(wěn)性，還需要在幀間重疊一部分?jǐn)?shù)據(jù)。對(duì)語音信號(hào)S(n)按N個(gè)點(diǎn)分幀，幀間重疊50%。分幀后的信號(hào)為S(n,l)，l代表幀數(shù)，n(1≤n≤N)代表幀內(nèi)的點(diǎn)。對(duì)S(n,l)加漢寧窗h(n)做預(yù)加重處理，求其短時(shí)傅里葉變換，得第l幀的頻譜函數(shù)為

(1)

在頻域求得短時(shí)能量為

(2)

考慮到實(shí)數(shù)信號(hào)頻譜的對(duì)稱性，為了減少運(yùn)算量，這里只取一半的點(diǎn)。短時(shí)能量計(jì)算簡(jiǎn)單，高信噪比下，靠語音段與非語音段的能量差異，通過設(shè)置固定門限，能夠?qū)崿F(xiàn)語音端點(diǎn)檢測(cè)。

1.2 子帶譜熵

對(duì)語音信號(hào)S(n)一樣的分幀加窗快速傅里葉變換(Fast Fourier Transformation,FFT)處理,得到第l幀的頻譜函數(shù)Y(k,l)，將4個(gè)譜線組成一個(gè)子帶，一幀分成Nb個(gè)子帶，計(jì)算得到得子帶能量為

(3)

子帶能量概率為

(4)

子帶譜熵為

(5)

因?yàn)檎Z音的頻譜呈帶狀特性，功率譜分布集中，子帶譜熵較小，而非語音的功率譜在各頻段的分布相對(duì)分散，子帶譜熵較大，因此可以通過計(jì)算子帶譜熵來對(duì)語音段與非語音段進(jìn)行區(qū)分。

2 改進(jìn)能量熵算法

2.1 噪聲對(duì)短時(shí)能量與子帶譜熵的影響

隨著噪聲的增大，計(jì)算的短時(shí)能量會(huì)隨著噪聲能量的變化而變化，語音段與非語音段能量上的差異變小，導(dǎo)致短時(shí)能量性能下降。另外，隨著噪聲增大，語音段頻帶內(nèi)總能量也隨著增大，公式(4)計(jì)算的語音能量概率值下降，導(dǎo)致譜熵性能下降。

2.2 噪聲估計(jì)修正的短時(shí)能量

2.2.1 噪聲能量初估計(jì)

采用基于最小時(shí)間遞歸平均算法進(jìn)行噪聲譜估計(jì)，首先對(duì)短時(shí)傅里葉變換的幅度的平方分別進(jìn)行時(shí)頻域平滑，得到帶噪語音的短時(shí)局部能量譜值。

用漢寧窗進(jìn)行相鄰頻點(diǎn)間的平均：

(6)

式中：b(i)為局部窗函數(shù)，用于在相鄰頻點(diǎn)間求平均，窗長(zhǎng)最小取3；|Y(k-i,l)|為第l幀的第k-i個(gè)頻點(diǎn)的幅度譜。然后用平滑因子在時(shí)域進(jìn)行一階平滑：

S(k,l)=asS(k,l-1)+(1-as)Sf(k,l)。

(7)

式中：S(k,l)為第l幀第k頻點(diǎn)的短時(shí)局部能量譜；as為譜平滑因子，取值應(yīng)接近于1，當(dāng)出現(xiàn)局部突變點(diǎn)時(shí)，S(k,l)取值依靠權(quán)重較大的前一時(shí)刻S(k,l-1)，緩解短時(shí)局部能量譜的突變。搜索窗長(zhǎng)為L(zhǎng)的窗內(nèi)局部能量譜最小值作為純?cè)肼暷芰砍醪焦烙?jì)值。為了覆蓋一個(gè)完整音節(jié)，L的長(zhǎng)度一般為500～1 500 ms。該搜索窗為滑動(dòng)搜索窗，滑窗間隔為n(n

Smin(k,l′)=min{S(k,l′)|l-L+1≤l′≤l}。

(8)

2.2.2 根據(jù)門限判決更新噪聲能量

求能量譜值與局部最小值的比值:

Sr(k,l)=S(k,l)/Smin(k,l′)。

(9)

將比值與設(shè)定的門限δ進(jìn)行比較。δ作為能量比值的門限，對(duì)噪聲類型和環(huán)境不敏感，只與設(shè)定的信噪比有關(guān)。如果Sr(k,l)小于門限δ，則認(rèn)為此時(shí)頻帶上不包含語音能量，可以更新噪聲，得到一個(gè)控制因子：

(10)

繼續(xù)利用時(shí)域平滑因子αp、αd與控制因子I(k,l)進(jìn)行平滑，首先得到

p(k,l)=αpp(k,l-1)+(1-αp)I(k,l)。

(11)

然后再進(jìn)一步平滑得到噪聲估計(jì)的更新因子

(12)

(13)

式中：Y(k,l-1)為公式(1)計(jì)算的頻譜函數(shù)。

2.2.3 修正短時(shí)能量

利用噪聲能量估計(jì)值修正短時(shí)能量，將帶噪語音中的噪聲能量剔除，得到噪聲估計(jì)修正的短時(shí)能量：

(14)

對(duì)一段信噪比0 dB的帶噪語音分別計(jì)算傳統(tǒng)短時(shí)能量與噪聲估計(jì)修正的短時(shí)能量，如圖1所示，傳統(tǒng)短時(shí)能量值隨著噪聲的增大而抬高，固定檢測(cè)門限失效，檢測(cè)門限設(shè)置變得困難。噪聲估計(jì)修正的短時(shí)能量由于已將估計(jì)的噪聲能量剔除，受噪聲的影響小，固定檢測(cè)門限仍然適用，低信噪比下魯棒性更好。

圖1 噪聲估計(jì)修正的短時(shí)能量

2.3 語音存在概率加權(quán)的子帶譜熵

2.3.1 求解先驗(yàn)信噪比

采用基于先驗(yàn)信噪比時(shí)頻域分布特性的局部語音存在概率與全局語音存在概率兩個(gè)參數(shù)來計(jì)算語音存在概率。首先基于噪聲估計(jì)值，先求得后驗(yàn)信噪比

(15)

式中：λd(k,l)是噪聲估計(jì)值，|Y(k,l)|是帶噪語音幅度譜。再用α對(duì)其進(jìn)行平滑，為了緩解短時(shí)局部突變，α取值應(yīng)接近于1，得到先驗(yàn)信噪比

ξ(k,l)=αξ(k,l-1)+(1-α)max(γ(k,l)-1,0)。

(16)

2.3.2 求解語音存在概率

利用β對(duì)先驗(yàn)信噪比做平滑，得到先驗(yàn)信噪比的遞歸平均值ψ(k,l)：

ψ(k,l)=βψ(k,l-1)+(1-β)ξ(k,l)。

(17)

再利用先驗(yàn)信噪比的遞歸平均值ψ(k,l)，并結(jié)合頻域局部窗和全局窗來計(jì)算局部以及全局遞歸先驗(yàn)信噪比

(18)

式中：hη(i)為漢寧窗，窗長(zhǎng)η可以取不同值，窗長(zhǎng)小代表局部，窗長(zhǎng)大代表全局。求得對(duì)應(yīng)ψη(k,l)后，根據(jù)以下不等式，得到全局與局部語音存在概率：

(19)

式中：ψmin和ψmax是經(jīng)驗(yàn)值，其作用是作為門限，盡可能地在保留弱語音成分的同時(shí)削弱噪聲，其值分別為0.1(-10 dB)和0.8(-1 dB)。

聯(lián)立局部與全局語音存在概率，得到最終的語音存在概率：

prob(k,l)=plocal(k,l)pglobal(k,l),prob(k,l)∈[0,1]，

(20)

即只有當(dāng)局部語音與全局語音都同時(shí)存在時(shí)語音才存在。

圖2的(a)、(b)、(c)分別是一段信噪比5 dB的帶噪語音時(shí)域圖、語譜圖、計(jì)算的語音存在概率分布圖?？梢钥吹綀D(b)語譜圖中呈現(xiàn)帶狀特性的就是語音的頻帶，其對(duì)應(yīng)的時(shí)間與頻帶映射到圖(c)語音存在概率分布圖上，語音概率基本都接近1，而非語音部分對(duì)應(yīng)到圖(c)語音存在概率分布圖上，語音概率基本都接近0。計(jì)算的語音存在概率能夠比較精準(zhǔn)地反映語音在時(shí)域與頻域的真實(shí)分布情況。

圖2 語音存在概率分布

2.3.3 語音存在概率加權(quán)的子帶譜熵

語音存在概率是對(duì)每幀每個(gè)頻點(diǎn)上語音概率大小的估算，將語音存在概率作為加權(quán)系數(shù)與計(jì)算的幅度譜平方相乘，既保留了頻帶中語音頻點(diǎn)的能量，又削弱了噪聲頻點(diǎn)的能量，減輕了噪聲對(duì)語音段能量概率分布的影響，提升了譜熵的抗噪性能。

將語音存在概率作為加權(quán)系數(shù)與幅度譜的平方相乘，得到語音存在概率加權(quán)的幅度譜平方

Yenergy_p(k,l)=prob(k,l)|Y(k,l)|2,1≤k≤N/2。

(21)

因?yàn)樽訋芰考饶芙档驮肼晫?duì)單一譜線的損傷，也能降低單一譜線語音存在概率出現(xiàn)偏差的影響，所以對(duì)加權(quán)后的幅度譜平方求子帶能量：

(22)

語音存在概率加權(quán)的子帶能量概率：

(23)

語音存在概率加權(quán)的子帶譜熵：

(24)

如圖3所示，對(duì)一段信噪比0 dB的語音分別計(jì)算傳統(tǒng)子帶譜熵與語音存在概率加權(quán)的子帶譜熵。語音存在概率加權(quán)的子帶譜熵在非語音段的大小與傳統(tǒng)子帶譜熵基本保持一致，而在所有的語音段，加權(quán)的子帶譜熵計(jì)算的譜熵值更小，凸性更好，即加權(quán)的子帶譜熵在低信噪比下語音與非語音的區(qū)分度更高，準(zhǔn)確度更好。

圖3 優(yōu)化的子帶譜熵

2.4 改進(jìn)的能量熵

由圖1可知，經(jīng)過噪聲估計(jì)修正后的短時(shí)能量在非語音段比較平，在語音段向上凸起；又由圖3可知語音存在概率加權(quán)的子帶譜熵在非語音段比較平，而在語音段向下凹陷，將兩者聯(lián)立計(jì)算，可以進(jìn)一步放大語音段與非語音段的差異，增加語音段與非語音段的區(qū)分度，使得端點(diǎn)檢測(cè)更容易。

聯(lián)立修正后的短時(shí)能量與語音存在概率加權(quán)的子帶譜熵得到改進(jìn)能量熵

(25)

式中：Ei(l)為噪聲估計(jì)修正的短時(shí)能量，Hb_p(l)為語音存在概率加權(quán)的子帶譜熵。

2.5 自適應(yīng)動(dòng)態(tài)門限

相比現(xiàn)有能量熵算法在一次語音端點(diǎn)檢測(cè)中只能利用前導(dǎo)無話段或者噪聲幀進(jìn)行噪聲能量估計(jì)，進(jìn)而計(jì)算門限，本文算法首先對(duì)前導(dǎo)無話段功率求平均，作為噪聲初始值，然后在語音段與非語音段一直按照本文所提方法繼續(xù)進(jìn)行噪聲估計(jì)，保持對(duì)噪聲的跟蹤，適應(yīng)噪聲的非平穩(wěn)變化，進(jìn)而保證計(jì)算的動(dòng)態(tài)門限的適應(yīng)性。

聯(lián)立噪聲能量估計(jì)值與語音存在概率加權(quán)的子帶譜熵得到自適應(yīng)噪聲變化的動(dòng)態(tài)門限

(26)

在非語音段，Ei(l)=λ(l)-λd(l)，λ(l)代表實(shí)際的噪聲能量值，顯然此時(shí)噪聲估計(jì)值λd(l)應(yīng)該大于修正后的短時(shí)能量值Ei(l)，所以Ts(l)>Ei(l)；在語音段，Ei(l)=S(l)+λ(l)-λd(l)，S(l)代表實(shí)際的語音能量值，此時(shí)除非語音處于極低的負(fù)信噪比下，否則噪聲估計(jì)值λd(l)應(yīng)該小于修正后的短時(shí)能量值Ei(l)，所以Ts(l)

3 實(shí)時(shí)的端點(diǎn)檢測(cè)策略與算法復(fù)雜度分析

3.1 實(shí)時(shí)的端點(diǎn)檢測(cè)策略

本文的端點(diǎn)檢測(cè)策略，能夠按幀對(duì)語音進(jìn)行實(shí)時(shí)的處理，即根據(jù)每幀的計(jì)算結(jié)果更新參數(shù)，更新門限，并對(duì)當(dāng)前輸入幀是否為語音給出實(shí)時(shí)的判決。算法實(shí)現(xiàn)流程圖如圖4所示。

圖4 算法流程圖

流程具體實(shí)現(xiàn)過程如下：

Step1 對(duì)輸入信號(hào)進(jìn)行分幀加窗，以及短時(shí)傅里葉變換得到頻譜信號(hào)。

Step2 對(duì)每一幀頻譜信號(hào)進(jìn)行噪聲估計(jì)。

Step3 根據(jù)噪聲估計(jì)值計(jì)算語音存在概率。

Step4 根據(jù)噪聲估計(jì)值與頻譜信號(hào)計(jì)算噪聲估計(jì)修正的短時(shí)能量。

Step5 根據(jù)語音存在概率與頻譜信號(hào)計(jì)算語音存在概率加權(quán)的子帶譜熵。

Step6 求得改進(jìn)能量熵，求得自適應(yīng)動(dòng)態(tài)門限。

Step7 將改進(jìn)能量熵與動(dòng)態(tài)門限逐幀進(jìn)行比較，為了防止突發(fā)的非平穩(wěn)噪聲造成的干擾，連續(xù)3幀改進(jìn)能量熵大于門限時(shí)判定這些幀為語音幀，這3幀中的第1幀判定為語音的起點(diǎn)否則為噪聲幀。同時(shí)為了避免語音間隙不必要的頻繁切換，在檢測(cè)到語音后如果連續(xù)3幀改進(jìn)能量熵比小于門限值則判定為非語音幀，否則仍然認(rèn)為是語音幀。

3.2 算法復(fù)雜度分析

能量熵算法的運(yùn)算量主要集中在對(duì)語音數(shù)據(jù)分幀加窗后的FFT變換、譜能量求和與能量概率之間的運(yùn)算。本文的改進(jìn)能量熵算法雖然增加了噪聲估計(jì)與語音存在概率計(jì)算，但以上運(yùn)算可以與譜熵運(yùn)算共用FFT變換，相比傳統(tǒng)能量熵算法，改進(jìn)能量熵算法額外增加的運(yùn)算量并不大。

在TI的定點(diǎn)DSP芯片TMS320C64xx上分別實(shí)現(xiàn)文獻(xiàn)[7]傳統(tǒng)能量熵算法，文獻(xiàn)[10]改進(jìn)子帶能熵比與本文的改進(jìn)能量熵算法，運(yùn)算量與存儲(chǔ)量見統(tǒng)計(jì)表1。文獻(xiàn)[7]的傳統(tǒng)能量熵算法需要的運(yùn)算量與存儲(chǔ)量最小；文獻(xiàn)[10]的改進(jìn)子帶能熵比算法需要把短時(shí)能量特征值轉(zhuǎn)換為對(duì)數(shù)，而且增加了中值濾波，運(yùn)算量與存儲(chǔ)量居中；本文改進(jìn)能量熵算法雖然在運(yùn)算量與存儲(chǔ)量上都有所增加，但相對(duì)嵌入式處理器幾百兆的時(shí)鐘頻率與幾十兆的片內(nèi)RAM來說，算法復(fù)雜度基本屬于同一個(gè)量級(jí)。

表1 算法運(yùn)算量與存儲(chǔ)量

4 性能仿真與分析

仿真使用TIMIT語音庫(kù)中100條連續(xù)語音作為純凈語音樣本，采樣頻率8 kHz。加噪數(shù)據(jù)使用Noisex-92標(biāo)準(zhǔn)噪聲庫(kù)，分別添加白噪聲、汽車噪聲、人嘈雜噪聲至純凈語音樣本中，形成5 dB、0 dB的含噪語信號(hào)各300條。

4.1 特征值區(qū)分度比較

計(jì)算傳統(tǒng)能量熵[7]、改進(jìn)子帶能熵比[10]與本文的改進(jìn)能量熵，歸一化處理后比較以上特征值對(duì)語音與非語音的區(qū)分度。如圖5所示，在信噪比5 dB、0 dB的平穩(wěn)白噪聲環(huán)境下，傳統(tǒng)能量熵[7]對(duì)語音與非語音有一定的區(qū)分度，但是隨著信噪比的降低，部分語音的特征值變得愈發(fā)不明顯；改進(jìn)子帶能熵比[10]在計(jì)算短時(shí)能量時(shí)采用了對(duì)數(shù)能量特征值，緩解了能量差異的影響，所以各語音段的子帶能熵值差異更小，中值濾波處理也使得子帶能熵值的曲線更平滑，但除此之外改進(jìn)子帶能熵比的區(qū)分度并沒有得到特別大的改善；本文算法按照2.2節(jié)和2.3節(jié)對(duì)短時(shí)能量值與子帶譜熵中的噪聲進(jìn)行了優(yōu)化處理，由此構(gòu)造的改進(jìn)能量熵受噪聲影響更小，在非語音段更低更平穩(wěn)，在語音段更高更突出，語音與非語音的區(qū)分度更好。

圖5 白噪聲下特征值區(qū)分度對(duì)比

如圖6和圖7所示，在信噪比5 dB、0 dB的汽車噪聲和人嘈雜噪聲等非平穩(wěn)噪聲環(huán)境下，改進(jìn)子帶能熵比相比傳統(tǒng)能量熵，區(qū)分度優(yōu)勢(shì)并不明顯，受噪聲影響，兩者都出現(xiàn)非語音段計(jì)算的特征值超過語音段的值，以及部分語音段的特征值不明顯等嚴(yán)重影響端點(diǎn)檢測(cè)準(zhǔn)確性的情況，而本算法計(jì)算的特征值在非語音段依然比較平穩(wěn)，語音段也未受明顯影響，語音與非語音的區(qū)分度更好，算法性能受噪聲影響更小。

圖6 汽車噪聲下特征值區(qū)分度對(duì)比

圖7 人嘈雜噪聲下特征值區(qū)分度對(duì)比

4.2 動(dòng)態(tài)門限魯棒性

圖8所示是一段帶噪語音分別在5 dB、0 dB時(shí)歸一化后的改進(jìn)能量熵與動(dòng)態(tài)門限值，可以看到動(dòng)態(tài)門限值能跟隨噪聲水平的變化而變化，具備與能量熵一樣的魯棒性。

圖8 動(dòng)態(tài)門限

4.3 檢測(cè)準(zhǔn)確度對(duì)比

對(duì)添加白噪聲、汽車噪聲、人嘈雜噪聲信噪比5 dB、0 dB的含噪語音樣本各300條進(jìn)行端點(diǎn)檢測(cè)，得到語音端點(diǎn)檢測(cè)的準(zhǔn)確率如表2所列，端點(diǎn)檢測(cè)正確率定義如下:

表2 端點(diǎn)檢測(cè)準(zhǔn)確度

正確率=(總幀數(shù)-(語音誤判為噪聲的幀數(shù)+噪聲誤判為語音的幀數(shù))) / 總幀數(shù)。

由表2可見，在白噪聲環(huán)境下，相比傳統(tǒng)能量熵算法[7]、改進(jìn)子帶能熵比算法[10]，本文的改進(jìn)能量熵算法檢測(cè)的平均正確率提升4.75%，在汽車噪聲與人嘈雜噪聲環(huán)境下端點(diǎn)檢測(cè)的平均準(zhǔn)確率分別提升8.1%和9.1%。

5 結(jié)束語

針對(duì)傳統(tǒng)能量熵的短時(shí)能量與子帶譜熵低信噪比下性能下降的問題，本文利用噪聲估計(jì)修正短時(shí)能量，提升短時(shí)能量的凸性，利用語音存在概率優(yōu)化子帶譜熵，提升子帶譜熵的凹性，并將凸、凹性得到增強(qiáng)的短時(shí)能量與子帶譜熵結(jié)合得到魯棒性更強(qiáng)的改進(jìn)能量熵，通過將改進(jìn)能量熵與基于噪聲估計(jì)的自適應(yīng)動(dòng)態(tài)門限做比較，完成實(shí)時(shí)的語音端點(diǎn)檢測(cè)。仿真實(shí)驗(yàn)表明，在多種噪聲類型與信噪比下，相比現(xiàn)有能量熵算法與改進(jìn)子帶能譜比算法，本文構(gòu)造的改進(jìn)能量熵對(duì)語音與噪聲的區(qū)分度更好，算法的端點(diǎn)檢測(cè)準(zhǔn)確率也更高。優(yōu)異的性能、較低的計(jì)算復(fù)雜度、端點(diǎn)檢測(cè)的實(shí)時(shí)性，使得該算法具備較為廣闊的應(yīng)用前景。如何進(jìn)一步改進(jìn)自適應(yīng)動(dòng)態(tài)門限，使其能更好地工作在負(fù)信噪比環(huán)境中將是下一步的研究?jī)?nèi)容。