一种语音端点检测电路的设计

在基于短时能量和短时过零率的双门限语音端点检测算法基础上,改进其有效语音的判断条件,采用MATLAB工具分析了改进算法的有效性。提出了基于改进算法的语音端点检测电路的设计,该设计减少了实现语音端点检测电路对硬件资源的需求。ModelSim仿真验证表明,改进后的算法有较好的实时性,在采集完一帧语音数据后第4拍给出语音有效信号。最后给出该语音检测电路的FPGA验证平台。     

一种典型的语音端点检测方法的研究

语音端点检测是语音识别系统中最基本的模块,端点检测的准确与否直接影响了系统的运算复杂度和系统的识别性能.本文描述了一种典型的语音端点检测算法--两级判别法,并分析了这种方法在Matlab上的实现,最后给出了仿真结果.实验结果表明,两级判别法对于语音端点检测具有良好的效果.     

一种基于能量聚类分析的句子语音端点检测法

针对语音复读系统等背景噪声相对较小且稳定的实际应用环境,提出一种改进的基于时域分析的句子语音端点检测算法.因为在此类应用环境中,对句子语音端点检测的干扰因素较少,且一般需要实现快速的句子语音端点检测.因此,简化了所要使用的语音特征参数,不再使用时域分析中常用的过零率,仅使用语音信号能量特征值辅以聚类分析完成语音端点检测.实验表明,本算法简化了端点检测的过程,可以便捷有效地检测出句子中的语音端点.     

带噪语音端点检测方法研究

影响语音识别性能的一个关键因素是端点检测的准确性。实际应用中信噪比较低，使得某些高信噪比下性能好的检测算法不能有效工作，影响系统的识别率。提出了一种基于时频方差和的语音端点检测算法。实验证明该算法能够在低信噪比的情况下，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，发现基于时频方差和的端点检测算法的端点检测的准确率较高。     

短时TEO能量在带噪语音端点检测中的应用

语音端点检测是语音识别系统的一个重要组成部分,特别是在噪声环境下,其准确性直接影响到语音识别系统的计算复杂度和识别性能。提出了一种在噪声环境下基于短时TEO能量的语音信号端点检测方法,采用了双门限-三态转换判决机制以保证算法在噪声环境下的端点检测准确性和对信号绝对幅度变化的稳健性。实验结果表明,与传统的短时能量法和谱熵法相比,该算法在低信噪比情况下具有更好的端点检测能力,显示了算法的优越性。     

一种语音信号端点检测方法的研究

在语音识别系统中,端点检测的误差会降低系统的识别率,进行有效准确的端点检测是语音识别的重要步骤。因此端点检测逐渐成为语音信号处理中的一个热点。本文提出了一种基于模型的Teager能量端点检测方法。实验证明,该算法比传统的能量过零率端点检测算法具有更高的识别率,能够更准确的检测出语音信号的端点。     

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.     

基于子带能熵比的语音端点检测算法

准确地识别语音端点是语音识别过程中的一个重要步骤。在低信噪比环境下,为更好地增强语音和噪声的区分度,提高语音端点检测系统的准确率,在分析了常规子带谱熵端点检测算法的基础上结合子带能量,提出了一种基于子带能熵比的语音端点检测算法。该算法将子带能量和子带谱熵的比值作为端点检测的重要参数,以此设定阈值进行语音端点的检测。实验表明,该算法快速高效,具有较高的鲁棒性,在较低的信噪比环境下能准确地进行语音端点检测。     

基于小波神经网络的语音端点检测算法

为了提高语音端点检测效果,将小波分析和神经网络相融合,提出一种基于小波神经网络的语音端点检测算法（WA-PCA-RBF）。利用小波分析提取语音信号的特征向量,采用主成分分析法选择语音信号特征,消除冗余特征,将选择特征向量作为RBF神经网络输入,通过遗传算法优化RBF神经网络参数建立语音端检测模型。结果表明,相对于传统语音端点检测算法,WA-PCA-RBF提高了语音端点检测正确率,具有更好的适应性和鲁棒性,可满足实际系统需求。     

基于子带能量的语音端点检测算法的研究

端点检测作为语音信号处理系统前端处理的重要环节,直接影响系统处理的准确性和高效性.传统的端点检测在高信噪比和稳定噪声环境下取得了令人满意的效果,但在低信噪比和多变噪声环境下,检测的正确率会急剧下降.在分析研究典型的基于能量的端点检测算法的基础上,提出了一种子带短时能量与短时过零率结合的动态门限端点检测算法,有效克服了上述缺陷.多种信噪比条件下对不同噪声环境下的语音信号进行对比实验结果表明,所提方法较传统能量算法更为准确地检测到语音的端点.