基于EVRC的带噪汉语语音端点检测

提出了一种基于EVRC的端点检测方法。在背景噪声变化的环境下,该方法将语音映射到一个基于心理声学模型的语音矩阵中,通过跟踪噪声,得到的语音矩阵和参数能够适应不同的背景噪声环境。结合汉语语音的特点,使用该方法无需改变门限,即可准确的检测出语音的端点。     

基于改进型离散小波变换的语音激活检测

在语音信号处理系统中,语音激活检测是一个非常重要的方面.为了提高在噪声环境下语音激活检测的性能,提出了一种基于改进型离散小波变换的语音激活检测(VAD)的方法.算法将语音信号进行离散小波变换,然后通过Teager能量算子(TEO),提取能量比值和能量差值两个参数,最后进行门限判决.在MATLAB平台上,对语音信号进行激活检测仿真,实验结果表明在噪声环境中,提出的算法能够有效克服低信噪比环境的影响,并且优于倒谱距离和谱熵检测算法.     

基于小波包变换的自适应门限的语音激活检测

语音激活检测是语音信号处理的一个重要环节.在低信噪比的情况下,传统的检测方法已不适用.为了提高语音激活检测的性能和鲁棒性,针对主要由白噪声组成的噪声背景,提出了一种基于小波包变换的自适应门限的语音激活检测方法(VAD),它将语音信号进行小波包变换,得到各个子带信号,符个子带信号通过Teager能量算子(TEO)将有声部分强化,同时衰减无声部分,最后进行自适应门限判决.实验结果表明在低信噪比的情况下,算法能够正确判别语音段和噪声段.     

基于自适应倒谱距离的强噪声语音端点检测

在有噪声干扰的情况下,传统的语音端点检测方法的检测准确度明显下降。为了在强背景噪声环境下有效区分出语音信号和非语音信号,针对倒谱距离端点检测方法进行了研究,提出了一种基于自适应倒谱距离的强噪声语音端点检测方法。本方法引入倒谱距离乘数和门限增量系数,针对不同信噪比采用不同的倒谱距离乘数,并采用自适应判决门限的方法进行语音端点检测。MATLAB仿真实验结果显示,在不同背景噪声和不同信噪比下,本方法对于语音端点检测具有较高的检测正确率,其端点检测效果明显优于传统端点检测方法,适用于强背景噪声下的端点检测。     

基于离散小波变换的语音激活检测

为提高在噪声环境下语音检测的性能,提出了一种基于离散小波变换的语音激活检测(VAD)的方法。算法将语音信号进行3层离散小波变换,通过Teager能量算子(TEO),提取能量比值和能量差值两个参数,最后进行门限判决。实验结果表明,本算法在噪声环境中能够有效地正确判别语音段和噪声段,并且优于G.729B和AMR所提出的VAD的算法。     

基于OMAP5912平台的自适应双门限语音端点检测

目前语音识别技术已被广泛应用于嵌入式手持设备当中,而端点检测作为语音识别系统的前端处理模块发挥着重要的作用。传统端点检测的方法是基于固定门限阈值,所以不能够随时根据语音环境的变化,准确检测出端点的实际位置。利用短时平均上升过零间隔和短时平均幅度差作为门限参数,采用自适应更新门限阈值的方法,获得了优于固定门限阈值的检测结果。同时叙述了利用TI推出的OMAP5912嵌入式多媒体应用平台实现算法开发的过程。     

基于隐马尔可夫模型的语音激活检测算法

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。     

舒适噪声生成算法研究

舒适噪声生成技术的研究目的在于能够更为接近的还原实际的背景噪声.具体的实现方法是利用线性预测算法在接收端对背景噪声进行还原,即利用背景噪声的有效载荷包括噪声级别的描述以及反射系数形式谱信息,在接收端生成舒适噪声.而系统模型的阶数则不必传输,因为这个数值是可以从有效载荷的长度中获得,从而能够较好的还原出语音通信中的背景噪声.舒适噪声生成算法的评估是通过引入舒适噪声有效载荷完成的,通过比较原始语音信号以及经过静音检测、CNG算法还原出的语音信号,结果表明在无噪声背景以及有低频噪声背景的情况F,对原始语音信号经过静音检测后插人生成的舒适噪声,能较好地恢复出原始的语音信号.     

基于统计模型的语音激活检测算法改进

语音激活检测技术是应用于语音侦听领域降低节点能耗的关键技术之一,其核心是语音激活检测算法。针对基于统计模型的语音激活检测算法仅采用当前语音帧的参数来判断有无语音信号而带来的误检率高的问题,提出用相邻语音帧逻辑与运算的方法对其进行改进。试验表明:改进后的算法在误检率上明显低于改进前,提高了语音信号检测的准确性,有效地降低了节点能耗。     

基于时频参数融合的自适应语音端点检测算法

为了解决低信噪比环境下传统的语音端点检测算法性能较差且不能自适应环境噪声,提出了一种基于时频参数融合的自适应语音端点检测算法。将对数能量与改进的Mel能量进行融合,获得了一种新的时频参数（TF）,该参数能有效地区分语音段和噪声段。使用该参数在噪声段对阈值进行更新,采用门限检测法判定出语音端点。仿真实验表明,该算法具有较好的鲁棒性,且能够准确地检测出语音端点。当信噪比（SNR）为0 dB时,端点检测错误率仅为15%左右。     

基于小波降噪的改进型OSF话音激活检测算法

提出了一种基于小波降噪的改进型顺序统计滤波器(OSF)语音端点检测算法。在介绍了浊音分离、小波降噪和基于顺序统计滤波器(OSF)端点检测算法的原理基础上,给出了改进型算法的流程图和实验的仿真图。从结果可以看出,算法对信噪比大于0dB的语音信号,检测性能较为稳健。     

基于似然比测试的语音激活检测算法

针对低信噪比和噪声变化情况下语音激活检测算法性能下降的问题,提出一种新的参数更新和取值算法。该算法采用Laplacian-Gaussian混合模型对带噪语音频谱的概率分布进行建模,模型参数从带噪语音中估计得到,噪声功率参数通过跟踪语音的音节间隙进行平滑。实验结果表明,该算法在-5dB信噪比情况下,可以达到95％以上的检测率,具有优越的跟踪性能。     

似然比测试语音激活检测算法研究

基于似然比测试的语音激活检测算法基于假设检验原理,引入了对噪声的降噪处理,具有良好的噪声鲁棒性,算法高效且易于实现。各种改进算法针对语音模型、判决规则等核心问题进行了系统研究,检测性能得到了进一步提高。对此类算法进行了系统的论证,结合实验,分析比较了它们的性能差异和各自的优缺点,并指出了进一步的研究方向。     

强噪声环境下自适应语音端点检测算法

本文在分析基于短时能量的语音端点检测算法局限的基础上,引入短时信噪比SNR估计方法,并设计自适应的判决门限,提出一种自适应语音端点检测算法.通过对平稳高斯白噪声环境下信噪比从-10dB到20dB的带噪语音信号进行的仿真实验表明,所提方法能更为准确地检测到语音的端点.     

一种基于频能比的端点检测算法

根据语音的发音特点,论文提出了一种在噪音环境中检测语音信号的参数———频能比(FER),并且提出一种基于该参数的端点检测算法,实验表明该算法能够在信噪比较小的情况下,准确地检测出语音信号。通过对三种不同的端点检测算法的比较,笔者发现基于频能比的端点检测算法在环境噪音比较强的情况下可以有效地提高语音信号的识别率。     

低信噪比下基于功率谱熵的语音端点检测算法

为了解决短波通信中语音检测的问题,针对短波语音信噪比低,噪声复杂的特点,对幅度谱熵算法进行了修正,选取功率谱熵作为VAD特征,加入谱熵平滑和hangover设计,研究了基于功率谱熵的语音端点检测算法。实验证明,算法对几种典型的短波语音均有比较理想的性能。     

多语音特征参数的端点检测方法研究

为了提高语音端点检测算法的鲁棒性,提出了一种在不同信噪比下采用不同语音特征参数的端点检测算法.对含噪语音进行基于背景噪声能量估计的信噪比估计,根据估计的信噪比大小选择不同的特征参数来进行端点检测,在高信噪比下采用传统的语音短时能量和过零率,在低信噪比下采用基音周期、高频与全频带能量比和谱失真,即算法能根据信噪比的大小来自适应调整检测方法.实验结果表明,该方法具有良好的鲁棒性,在不同的信噪比下检测的准确率都很高.