共查询到10条相似文献,搜索用时 31 毫秒
1.
在语音识别系统中产生错误识别的原因之一是端点检测有误差.在高信噪比情况下,正确地确定语音的端点并不困难.然而,大多数实际的语音识别系统需工作在低信噪比情况下,一些常规的端点检测方法,例如基于能量的端点检测方法在噪声环境下不能有效地工作.本文利用倒谱特征来检测语音端点,提出了带噪语音端点检测的两个算法,第一个算法利用倒谱距离代替短时能量作为判决的门限,第二个算法改进了基于隐马尔柯夫模型(HMM)的语音检测以适应噪声的变化,实验结果表明本方法可得到高正确率的带噪语音端点检测. 相似文献
2.
3.
4.
语音端点检测是语音处理和识别至关重要的一环.针对传统端点检测方法在低信噪比情况下语音端点检测正确率低,抗噪能力差等问题,本文提出了一种改进的新能零熵特征参数语音端点检测方法.该方法法通过对语音三个端点检测特征参数短时过零率,短时能量和基本谱熵分析研究并提出新的语音参数,即为短时能零熵值,最后采用双门限算法来进行端点检测.仿真实验表明,与传统的能零比端点检测法相比,该方法在不同低信噪比情况下有较高的端点检测准确性. 相似文献
5.
在强背景噪声的情况下,针对传统倒谱距离法端点检测难以判断语音段起止点的问题,提出了一种基于多窗谱估计的谱减法与改进的倒谱距离语音端点检测新方法.首先对每一帧带噪信号进行多窗谱估计得到平滑功率谱,提取前导无话段平均功率谱,再利用谱减法对带噪语音信号进行减噪处理,对语音的减噪是为了更好地进行下一步的端点检测,然后对传统的倒谱距离门限阈值进行改进,得到一种改进的自适应阈值,并结合倒谱距离法进行端点检测.通过仿真实验结果表明,与传统倒谱距离端点检测算法相比,本文方法提高了低信噪比语音端点检测的精度,具有良好的鲁棒性能. 相似文献
6.
为提高语音信号的编码质量和节省宽带资源,文中在传统的CVSD编码中加入了小波闻值去噪方法.首先讨论了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,然后提出了一种改进方案.该方案在阚值函数中加入因子,可以自适应地减少阈值函数中的恒定偏差,最后对重构后的语音信号再进行CVSD的编译码.Matlab仿真实验证明了该改进方案的有效性和优越性. 相似文献
7.
8.
9.
为了提高低信噪比下语音端点检测的准确性,提出一种基于经验模态分解与功率谱熵的语音端点检测方法。对带噪语音信号进行经验模态分解获得一系列语音本征模函数,选取功率谱熵作为语音端点检测的特征,并计算特定阶本征模函数的功率谱熵实现语音的端点检测。通过EMD分解可以有效地消除白噪声的影响,仿真结果表明,在低噪比情况下结合经验模态分解和功率谱熵的方法能够有效实现语音端点检测。 相似文献