端点检测两种方法的讨论

在语音信号处理中,端点检测是十分重要的一项内容。端点检测,可以在有噪声的背景中确定语音信号的起始点和终止点,为后续处理做必要的准备。而由于背景噪声的存在,光从波形上判断始终点会有一定困难。本文针对端点检测,介绍短时能量法与过零率法两种方法,并对这两种方法进行讨论。     

语音信号端点检测的程序实现

在孤立字识别中,精确地判别语言信号的起始点和终止点是相当重要的。确定出语音信号范围的方案可以用来减少大量非实时系统的计算和提高识别精确度。本文在利用语音的某些特征参数——短时平均幅度或能量和短时平均过零率的基础上,提出了利用上述特征参数进行语音端点检测的IBM/PC机实现程序。     

一种应用于语音识别的端点检测改进方法

语音端点检测是语音识别过程中的重要的一个环节,为了提高在强背景噪声条件下语音端点检测的性能,提出了一种将维纳滤波和改进的多子带熵相结合的方法.不仅有效地减少了背景噪声,而且大大提高了语音端点检测的准确性和稳健性.仿真实验表明,该方法计算简单,可靠信高,在较低的信噪比下仍能比较准确的检测到语音信号的端点.     

基于MFCC0的语音端点检测方法

MFCC是语音识别中常用的特征参数，根据MFCC分量对语音端点的敏感性，提出利用平常舍去的识别特征参数分量MFCC0作为语音端点检测的参量．接着根据MFCC0的特性设计了一种新的端点检测方法，该方法简单且无需增加额外的计算量．实验结果表明，基于该方法的语音识别系统不仅可以通过端点检测大大压缩数据量，而且提高了系统的识别率．     

一种实用的语音端点分析系统

无论是信号处理领域中的语音识别技术,OA和AI中的自然语言理解技术,还是通信中的语音插空技术都离不开准确的语音端点分析。本文提出了一种快速、高效的端点分析系统方案及其相关的实用技术。该系统在IBM—AT上运行结果表明,对汉语中全部的四百多个基本音节均能给出正确的判别结果。窗口式操作方便、简单,自动数据处理和门限调整及其丰富的图形显示功能使本系统具有很强的实用性。     

基于自相关函数最大值的语音端点检测方法

基于短时能量和隐马尔夫模型端点检测方法都有一定的局限性,笔者通过研究浊音的周期性及其自相关函数通过低通滤波器后的特性,提出了基于自相关函数最大值的语音端点检测算法,实验结果表明,即使在较低信噪比情况下采用该算法仍能较准确地检测出语音信号的端点位置。     

语音信号端点检测方法与展望

对语音信号端点检测的主要方法，如基于短时能量的方法、基于HMM的方法、基于自相关相似距离的方法等进行了深入研究。分析了这些方法的原理、优点与不足，并进行了比较。针对各种检测方法在应用中，尤其是应用于噪声环境中的局限性，指出了语音信号端点检测领域进一步研究的方向。     

基于DSP Builder的语音端点检测的实现

介绍了一种基于能量变迁的语音端点检测方法以及如何用DSP Builder实现该方法的硬件电路设计.设计时采用了查表、多时钟频率设计和有限状态机的方法提高运算速度,简化硬件结构.通过仿真和FPGA验证结果表明,该方法可以有效的检测出语音信号的起点和终点,动态分帧的结构可以满足嵌入式系统的实时性要求.     

基于变帧长自适应门限的端点检测方法

传统的双门限端点检测算法的门限一般通过经验值来确定。在实际应用中,这种凭经验得到的判决门限往往不能很好地适应环境变化,尤其是在噪声环境下,经验判决门限不能适应背景噪声的变化。将1种自适应门限、窗长动态变化相结合的双门限端点检测算法用于语音端点检测,实验结果表明该方法在常见的弱噪声环境下效果较好,具有一定的鲁棒性。     

一种语音段起止端点检测新方法

本文在讨论传统语音段起止端点检测方法及其不足的基础上 ,提出了一种新的端点检测方法 ,称为频带方差检测法。实验证明 ,该方法有效提高了语音段起止端点检测的精确度和可靠性。     

声音端点的检测方法

众所周知,在语音的系统的识别中,如何降低端点检测得出错率,一直是人们研究和考察的重点,然而重要的步骤就是进行端点的检测。因此对端点检测也成为了语音信号处理的一个一个关键的部分。本文就是根据声音端点检测的方法还有步骤,进行探讨还有研究,在本篇论文中可能会涉及到实验的相关的环节,本篇论文用实验的客观结果,来证明,这种端点检测法的出错率就会大范围的的降低,催检测的准确率也是一个大的提升,检测结果也会越来越精确。这样也更方便我们能准确的检测出语音信号的端点。     

基于语谱图的语音端点检测算法

利用语音在语谱图中表现出的不同特征,提出了一种基于语谱图的语音端点检测算法。首先利用基音频率检测的原理在语谱图矩阵中搜索浊音段,然后计算出浊音段的信噪比,再根据信噪比和语谱图矩阵中浊音段的峰值进行完整的端点检测。因多数突发噪声并没有稳定的频率或者频率不在人的基音频率范围内,因此,该算法能够很好地抑制突发噪声的干扰,实验结果表明,在信噪比为10dB以上时该算法能够准确检测出语音的端点位置。     

基于DTW改进算法的孤立词识别系统的仿真与分析

传统的DTW算法在进行孤立词语音识别时着重于时间规整和语音测度的计算，而没有对数据的可靠性和有效性进行分析。本文提出了一种改进的端点检测算法，并采用一种改进的DTW算法，在计算机上进行了仿真。实验结果表明采用改进后的DTW算法有效的降低了识别时间和存储数据量，提高了系统性能。     

基于谱减法和均匀子带频带方差法的端点检测研究

传统的端点检测算法是基于短时能量和短时过零率的双门限检测法,该算法对于含噪语音信号检测效果不佳.因此,将谱减法与均匀子带频带方差算法相结合,结合算法分两个过程,首先用谱减法对带噪语音信号进行降噪,然后用均匀子带频带方差法进行端点检测.实验结果表明,结合算法对于含噪较多的语音信号检测效果良好.     

基于负熵的语音端点检测算法

在熵的基础上,引入数学上的负熵,并提出一种基于负熵特征的语音端点检测算法.算法利用平稳噪声的长时平稳特性,并通过合理假设,从噪声幅度谱中提取隐藏的高斯随机信息,在此信息基础上应用近似负熵算法构造负熵特征.与熵特征不同处在于,对平稳噪声负熵特征值趋近于零,并且与噪声信号幅度无关,基于这两种特性可以利用噪声的先验统计信息预先设定阈值,构造鲁棒性能较高的语音端点检测算法.实验表明,即使在噪声信号类型、幅度、信噪比改变或者无法正确的获取噪声后验信息的情况下,新算法依然能够保持较高的噪声检测正确率.     

融合Mel系数和kNN的语音端点检测

语音端点检测是语音处理过程中的重要环节。为了提高在不同噪声环境下语音端点检测的准确率和鲁棒性,提出了融合语音Mel频率倒普系数和kNN分类算法相的语音端点检测方法。该方法提取语音信号的Mel频率倒普系数作为语音特征参数,然后将特征向量作为kNN分类的输入进行训练学习,建立语音端点检测模型,并进行仿真实验,结果表明该方法是一种准确率高、鲁棒性强的语音端点检测方法。     

端点检测中的一种新的对数能量特征

分析了端点检测中常用的短时线性能量和短时对数能量的优缺点,提出了一种新的对数能量特征,综合利用了前两者的优点而克服了它们的不足之处。同短时线性能量特征相比,不会造成幅度较小的辅音和静音的混淆,同时也不出现短时对数能量特征中的噪声段的特征值过大的问题,较好地反映了语音信号中不同部分(语音、噪声和静音)的区别,具有良好的区分性能。与基于模糊聚类的门限估计算法的结合使用后,使系统的识别率有了明显的提高。     

一种基于多特征的带噪语音信号端点检测与音节分割算法

语音信号的端点检测和音节分割直接决定语音识别率。在传统方法的基础上提取语音信号的多个特征参数，并综合利用各个参数的特性进行检测和分割，提高了端点检测和音节分割的准确度。     

基于ICA增强和谱熵的语音端点检测方法

端点检测是语音信号处理过程中非常重要的一步,它的准确性直接影响到语音信号处理的速度和结果。提出了基于ICA(独立分量分析)增强和谱熵的语音端点检测方法。仿真实验表明此方法快速有效,具有较强的抗噪能力,特别适合低信噪比下的端点检测。     

一种基于倒谱特征的语音端点检测改进算法

提出了一种应用语音倒谱特征参量的端点检测改进算法,对信噪比(SNR)从-10～20dB的带噪语音信号进行仿真实验,结果表明,所提方法能较为准确地检测到语音端点。