基于方差和谱熵结合的语音端点检测方法

针对传统方法在低信噪比条件下的检测结果无法较好地满足需要,提出了将语音信号小波包BARK子带方差和谱熵二者相结合的新端点检测方法.首先对带噪语音采用多窗谱估计谱减法降噪,然后利用小波包分解构成BARK子带,求出每帧信号的BARK子带方差均值和谱熵值,最后用方差值除以谱熵值,将二者的比值作为双门限检测法的参数进行端点检测.实验证明,在低信噪比条件下,该方法相比于传统方法的检测效果更佳.     

基于小波变换的静音与语音分割新算法

含噪语音信号的静音与语音分割，即端点检测问题是语音识别至关重要 的一步，为了提高语音分割对环境的适应性，提出了一种利用小波变换分割含噪语音信号中静音与语音的新算法，该算法首先将语音信号进行小波变换，利用小波系数去噪，然后选择小波部分子带跟踪信号的能量变化以分割语音与静音，仿真实验表明该算法在低信噪比条件下也能够有效分割语音。     

基于谱熵梅尔积的语音端点检测方法

为了克服传统语音端点检测算法在低信噪比环境下准确率低的问题,提出一种基于谱熵梅尔积（MFPH）的语音端点检测算法.首先,提取带噪语音信号的梅尔频率倒谱系数中的第一维参数MFCC₀,将其与谱熵的乘积作为最终区分语音段和背景噪声段的融合特征参数;然后,结合模糊C均值聚类算法和贝叶斯信息准则（BIC）算法对MFPH特征参数门限值进行自适应估计;最后,采用双门限法进行语音端点检测.实验结果证明,与传统方法比较,该方法在-5~15 dB低信噪比环境下的语音端点检测准确率有较大提高.     

一种基于Matlab的语音信号端点检测方法

首先简介语音信号端点检测涉及到的几个基本概念,然后采用短时平均幅度与短时平均过零率相结合的双门限算法来对语音信号进行端点检测。重点阐述双门限算法的设计思想与实现过程,经Matlab编程实验证明,该方法准确、有效。     

一种改进的孤立词语音识别系统设计

针对孤立词语音识别系统设计一个改进的系统。该系统通过维纳滤波滤除噪声得到估计语音,对该语音进行双门限端点检测和特征提取得到端点范围内的特征向量,采用改进动态时间规划算法计算该特征向量与模板特征向量之间的欧式距离得到识别结果。仿真对比实验结果表明,改进系统在识别效果和识别效率方面有提高。     

一种基于改进能零法的连续语音端点检测方法

端点检测是语音识别和语音情感识别系统中极其关键的一步,其检测的效果直接关系到后续的参数计算和识别的结果.在分析了经典的基于短时能量和短时过零率的端点检测算法(能零法)的基础上,总结了其不足之处,并提出了改进的方法.改进后的算法通过对相邻两帧信号的短时能量正向做差来确定语音信号的起始点,反向做差来确定语音信号的终点;并且利用信号与背景噪声的短时过零率之比来修正语音信号的终点.MATLAB仿真结果表明,改进后的算法具有很好的端点检测效果.     

基于时序结构的听觉感知语音信号端点特征检测

针对传统方法在高信噪比情况下检测性能较好、但在低信噪比情况下性能很差的问题,提出一种新的基于时序结构的听觉感知语音信号端点特征检测方法。利用有限长窗时间序列结构对听觉感知语音信号进行采集,实现时序分析,得到听觉感知语音信息的一般形式,在此基础上,获取时序结构下听觉感知语音信号的短时能量特征。对含噪声的听觉感知语音信号进行离散小波变换处理,获取含噪声的小波系数,通过阈值对小波系数进行处理,将未超过阈值的小波系数看作噪声,通过高于阈值的小波系数对听觉感知语音信号进行重构,完成语音信号去噪处理。利用双门限-三态转换判断体系实现听觉感知语音信号端点特征检测。实验结果表明,本文方法在低信噪比状态下仍可保证高检测精度。     

基于双门限算法的语音端点检测和声韵母分离研究

端点检测和声韵母分离是汉语语音信号处理的一个重要预处理步骤.针对单门限算法在检测过程中出现的漏检问题,提出了一种基于双门限算法的汉语语音信号端点检测和单音节声韵母检测方法,通过短时能量与过零率相结合,弥补单门限算法的不足,并对检测方法进行仿真,验证了该方法的准确性和有效性.     

一种改进的基于短时能量的端点检测算法

为了提高语音识别的实时性和识别率,采用动态窗长短时能量进行语音信号的端点检测方法．比对传统短时能量短时平均过零率端点检测方法,通过实验得到的端点检测波形图像及数据证明,动态窗长短时能量方法可以减少不必要的语音帧的处理,提高识别的速度和识别率．     

语音端点检测方法的分析与实现

本文在研究短时能量和短时过零率两种语音端点检测基本算法的基础上,编程实现了双门限的端点检测;并进一步根据小波变换的原理,利用小波变换和信号频域统计特性来精确地进行端点检测;最后,在研究了倒谱的相关理论基础上,实现了将语音数据进行倒谱变换,通过计算倒谱距离,在具有一定背景噪声环境下进行端点检测的实验.     

一种基于频域特征和过渡段判决的端点检测算法

为了提高语音端点检测的准确性,增强端点检测算法在噪声环境下的鲁棒性,提出两种新的端点检测参数。其中,基于临界频带的谱熵参数综合考虑了人耳对语音的感知特性以及语音信号和噪声信号的频域分布差异,差值频域能量参数考虑了语音帧和无声帧在频域上的能量差异。结合两种参数的优点,构成一种鲁棒的端点检测参数,同时,为了避免因阀值判决的单一性而产生误判,在端点检测过程中加入了基于特征分布统计的过渡段判决。试验结果表明,本研究提出的语音端点检测算法对语音帧和无声帧具有较好的区分性,在不同噪声且信噪比较低情况下,端点检测准确率相比传统抗噪端点检测算法均有所提升,特别是在非平稳噪声下,准确率提升超过5%。     

智能语音识别系统中噪声估计算法的研究和改进

智能语音识别技术的研究已有较长的时间,但由于语音信号本身所具有的多变性、瞬时性、连续性和动态性的特征,使得机器在不同的环境尤其是噪声环境中进行语音信号的识别仍具有一定的困难.为了提高带噪语音信号识别的准确率,本文研究了一种常用的噪声估计算法,即基于后验信噪比的时间递归平均算法.并在此算法的基础上提出了一种对平滑因子的改进算法,将语音活性检测算法与这两种算法在不同输入信噪比下进行模拟验证.通过运算结果的对比分析可以看出,改进后的算法相比于语音活性检测算法最高可以使输出分段SNR提高2.1 dB,相比于原时间递归平均算法最高可以使输出分段SNR提高0.5 dB,表明低输入SNR下改进后的算法可以有效提高语音信号的质量和可懂度.     

一种基于分带谱熵和谱能量的语音端点检测算法

语音端点检测的精确度直接影响语音识别的准确度.在噪声环境下,语音端点检测很困难.信噪比下降,语音端点检测的正确率也随之下降,同时,噪声类型的变化影响端点检测的正确率.为此,提出了一种改进的、适合在电话语音城市名识别系统中应用的端点检测算法,并结合分带谱熵和谱能量形成了一个新的特征参数集,利用该参数集进行端点检测,弥补了分别采用分带谱熵和谱能量进行端点检测的缺陷,提高了检测性能.     

基于HMM/ANN混合模型的带噪语音识别

对于含噪语音信号的有效特征提取是语音识别至关重要的一步.该文提出了利用小波调制尺度对语音进行特征提取,结合隐马尔可夫和人工神经网络混合模型进行识别的方法,可进一步反映语音信号的动态特性、增强抗干扰能力和提高识别率.实验证明,该模型适合于对噪声背景下的语音进行识别,同传统的HMM模型相比,具有更好的抗噪鲁棒性,在信噪比较低情况下,识别率比传统的HMM模型有明显的提高.     

基于DTW 和EMD的孤立词语音识别研究

针对语音识别过程中环境噪声干扰大的问题,提出一种基于经验模态分解(EMD)与动态时间规整 (DTW)相结合的孤立词识别算法。该方法利用EMD 算法,首先将提取的性能不好的语音信号分解成若干个基本模函数(IMF),去掉原始信号中的干扰和噪声。然后,基于DTW 算法,采用短时过零率和短时能量对语音信号进行端点检测,提取语音特征参数后与参考模板进行匹配。将参考模板与待测模板之间的最短路径作为识别结果。仿真结果表明,该算法能够提高语音的识别效率和识别的正确率。     

融合非线性幂函数和谱减法的CFCC特征提取

为提高噪声环境下的语音识别准确率,提出一种改进的语音特征提取算法。该算法采用模拟人耳听觉特性的非线性幂函数提取一种新的耳蜗滤波倒谱系数,并在特征提取前端引入谱减法对信号进行增强,将提取到的新的特征及其一阶差分组成一种混合特征参数;再联合主成分分析对该混合特征进行降维,将最终得到的特征用于一个非特定人、孤立词、小词汇量的语音识别系统。实验结果表明:采用非线性幂函数提取的耳蜗滤波倒谱系数特征与传统的耳蜗滤波倒谱系数特征相比,明显提高了语音识别准确率;混合特征参数相比单一特征能达到更佳的语音识别性能;结合主成分分析后的特征集在信噪比为0dB时的识别正确率可达到88.10%。     

Denoising Method for Partial Discharge Signal of Switchgear Based on Continuous Adaptive Wavelet Threshold

基于连续自适应小波阈值开关柜局部放电信号去噪方法

王 卓,郑 祥,梁天添

（大连交通大学 自动化与电气工程学院,大连 116028）

中文说明：

局部放电(PD)是开关柜发生绝缘故障的重要原因,而在PD检测过程中,PD信号常常湮没在强烈的噪声中。为提高电厂开关柜PD检测的准确性,提出一种基于连续自适应小波阈值开关柜局部放电信号去噪方法。通过构造一种连续自适应阈值函数,引入调节参数,可以改善传统硬阈值函数过度处理和软阈值函数去噪不彻底的问题。仿真信号和实测信号的分析结果表明,连续自适应小波阈值去噪方法对PD信号去噪效果明显优于传统的去噪方法,很好地保留了原信号的特征,相比于传统的去噪方法,文中的方法对仿真信号去噪后,其信噪比(SNR)提升30%以上,均方根误差(RMSE)下降30%以上,对真实信号去噪后,其噪声抑制比(NRR)提升40%以上,同时该方法降噪后的PD信号模式识别准确率也有一定的提升,证明该方法具有一定实用性。

关键字：开关柜;局部放电;小波阈值函数;降噪;

     

基于改进Canny检测与Hough变换的仪表图像识别算法

针对发电厂中指针式仪表数量多、周围环境复杂、灰尘污染等因素导致获得的图像含有大量噪声从而影响仪表读数识别精度的问题,提出了一种改进Canny边缘检测算法,通过采用5×5邻域计算像素梯度幅值的方法,提高了边缘检测精度,并采用自适应双阈值选择法,有效避免了传统Canny算法易出现伪边缘、边缘信息多等现象,结合Hough变换技术提取仪表指针信息,提高仪表识别精度。经实验对比验证,该算法检测效果优于传统Canny算法,仪表读数识别精度达到95%。