基于改进双门限法的语音端点检测研究

语音信号的端点检测是语音识别过程中的重要环节,端点检测结果精确与否直接关系着语音识别的准确度。使用车载语音作为测试数据,利用传统双门限法进行端点检测,发现传统双门限方法在静音条件下和带噪条件下获得语音端点检测信息存在较大误差。针对上述问题,提出了一种改进的双门限法进行语音端点检测,针对语音信号以及短时平均能量和过零率进行处理,并通过Matlab进行仿真,实验结果说明提出的改进方法与传统方法相比,在静音和带噪条件下,都更接近测试数据中真正的语音端点。     

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.     

双门限唐检测改进算法

针对传统唐检测算法中驻留次数过多导致检测确认速度较慢的问题,提出了一种基于双门限的唐检测改进算法。该算法将检测统计量与两级门限相比较,并根据比较结果对检测计数器进行加减操作,使计数器值能更快速地满足检测条件,从而减少了检测时间。对双门限唐检测改进算法的系统虚警概率、系统检测概率和平均驻留次数进行了理论推导与仿真验证。仿真结果表明,通过合理设置第二级门限的数值,改进算法可在检测性能基本不受影响的前提下有效减少平均驻留次数,提高检测确认速度。     

认知无线电中一种双门限能量检测算法

针对传统能量检测法在信噪比较低时,容易出现漏检而使系统的检测性能下降的问题,提出了一种双门限能量检测法,利用双门限对统计量进行判决,若统计量落在双门限以外,直接做出判决,若统计量落在双门限之间,则根据循环特征检测重新计算统计量,再做出进一步判决。对高斯白噪声信道下双门限能量检测法进行了理论分析和仿真研究,仿真结果表明,双门限能量检测算法在低信噪比的情况下,检测性能明显优于传统能量检测法。     

适用于无静默期的双门限频谱检测算法

针对传统的能量检测需要静默期且低信噪比下检测概率不高的问题,提出适用于无静默期的双门限频谱检测算法。利用OFDM信号循环前缀的特征消除认知用户干扰,以构建无静默期的能量检测;设置优化门限与固定门限,通过比较二者大小,提出高信噪比下使用优化门限的能量检测方法以及低信噪比下结合能量检测与循环平稳特征检测的联合频谱检测方法,消除静默期,以提高低信噪比下的检测概率。数值分析表明,与传统能量检测算法相比,该算法在低信噪比下的检测概率提高15%~30%,同时在高信噪比下的虚警概率降低5%。     

基于谱减法的语音端点检测算法

依据语音信号的频域特性,对其功率谱进行分析,提出了一种基于谱减法的端点检测算法,首先给出了算法的具体实现步骤,然后运用MATLAB软件进行了仿真。仿真结果表明,即使在较低信噪比(0~15dB)的情况下,采用本算法仍能准确地检测出语音信号的端点位置。     

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.     

基于能量和小波变换的双门限联合频谱感知

传统的能量感知算法对噪声比较敏感,在较低的信噪比条件下检测准确性易受到影响,循环特征检测法计算复杂度偏高,为此提出了基于能量检测和小波变换(WT)感知的双门限联合检测算法.该算法对双门限区间以外的区域采用能量检测进行判定,双门限范围内的不确定区域进行小波感知,并根据信道中噪声不确定性自适应调整双门限值,当信道质量较好时,减小两门限之间的距离,否则增大两门限之间的距离,从而控制进行小波感知的概率.仿真结果表明,此算法有效地提高了低信噪比条件下系统的检测性能,降低了算法的复杂度.     

基于谱熵的语音端点检测算法改进研究

语音端点检测是语音处理中重要的领域之一。常规谱熵语音端点检测算法是通过检测语音的功率谱的平坦程度,从而达到语音端点检测的目的。但是该方法在平稳噪声环境下较好,在无噪声和非平稳噪声环境下效果较差。作者在分析了无噪声环境下常规谱熵端点检测算法效果差的原因的基础上,结合了语音的短时能量算法,对常规谱熵算法进行了改进,形成了一个新的特征参数——谱熵能量积。仿真结果显示,该方法相对于常规谱熵算法,在无噪声的环境下检测精度有了很大的提高,在非平稳噪声环境下也有了一定的提高,鲁棒性得到增强。     

一种基于能量检测的双门限协作频谱感知技术

针对认知用户接收到的信号特点,提出了一种基于能量检测的双门限协作频谱感知技术。当信号能量位于两个门限之间时,由数据融合中心根据最大比合并准则再次进行判决,并结合本地判决结果做出最终决策。仿真结果表明,所提方法可以有效地提高检测概率,降低错误概率。     

基于贝叶斯最小错误率的一种语音端点检测算法

提出一种基于贝叶斯最小错误率的语音端点检测算法．说明短时平均幅度和短时平均过零率两种语音特征的选取方法,根据最小错误率的贝叶斯决策分别确定了合适的门限值,并将该方法在作者建立的语音数据库中进行了语音起点和终点测试．实验结果证明,与仅用幅度或能量特征的方法相比,本文方法能够提高语音端点检测的准确性．     

一种语音端点检测方法的研究

端点检测是从一段语音中检测出语音段和噪声段,是语音信号处理过程中的一个重要环节.为了提高在低信噪比下的检测效果,提出了一种基于子带能量的检测算法,该算法主要计算子带能量等参数,并通过更新噪声能量来实现.实验结果表明:与常规的端点检测方法相比,该方法具有良好的检测能力,并且在低信噪比环境下较好的端点检测能力.     

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。     

朝鲜语语音音节自动切分算法的研究

针对目前语音语料人工标注效率低的问题,提出了一种朝鲜语连续语音语料的音节自动切分方法.该方法首先采用Seneff听觉模型提取音频的包络检测响应和广义同步检测响应等特征参数,其次结合朝鲜语发音特点确定音节的候选边界位置,最后通过静音段和摩擦音检测消除虚假边界,以提高边界检测的准确率.实验结果表明,该朝鲜语语音语料音节自动切分方法的准确率(93.56%)比传统的基于Seneff听觉模型的分割算法提高了14.59%,召回率(86.43%)比传统的基于Seneff听觉模型的分割算法降低了1.69%; 因此,本文算法总体优于传统的基于Seneff听觉模型的分割算法.     

一种基于肤色模型的贝叶斯人脸检测算法

为了结合颜色信息和人脸特征构造快速高精度的人脸检测系统，提出一种基于肤色模型的贝叶斯人脸检测算法，新算法包括两大步骤，即肤色检测和人脸特征检测．前者借助混合高斯模型对人脸肤色区域楚模．生成肤色检测规则．同时，针对合理选择混合高斯模型中分量数问题，提出一种基于聚类有效性函数的最优分量数确定方法，以提高肤色检测的精度，在人脸特征区域判决中引入菱形搜索，与贝叶斯判决相结合，以提高人脸特征区域的检测速度，新算法具有较高的检测精度和较低的漏警率，同时能够满足实时检测的要求。     

基于显著性检测的极光弧分割算法

针对全天空极光图像低对比度、边缘模糊的特点,提出一种基于显著性检测的极光弧分割算法。通过直方图统计全天空极光图像视野内的灰度信息,计算出视野内像素间的欧氏距离,以凸显极光弧区域,并生成极光弧显著图,再利用模糊C均值聚类分割算法对显著图进行分割,得到极光弧分割结果。采用中国北极黄河站观测的2000余张极光弧图像进行实验,视觉效果及利用分割图计算极光弧倾斜角与人工标注的对比结果均表明,与基于显著性的分割算法与最大类间方差法、模糊C均值聚类法、局部模糊C均值聚类法等分割算法相比较,具有较好的抗噪声性能和分割结果。     

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%。     

基于二级搜索模型的有声出版物语音分割算法

提出了一种二级搜索模型,该模型首先利用最小音节步长搜索算法进行语音段检测,然后采用二分搜索算法确定语音段的精确位置。理论分析及实际运行结果表明,与传统的基于能量的端点检测算法相比,其搜索效率能够提高70%以上。该算法对语音环境有较高的要求,可用于有声出版物语音自动分割,以及具有良好信噪比系统的语音端点检测。     

双阈值的特定英语音频句子边界检测

为了提高英语音频句子切分的效果,提出了基于双阈值的句子边界检测方法.该方法针对VOA、BBC等特别适合英语学习者的音频所具有的波形规范、环境噪声小、速率通常比较稳定等特点,利用静音能量阈值和静音时延阈值来检测音频句子的边界,并辅以对照文本信息进行校正.针对VOA慢速英语的实验结果表明:单纯使用双阈值方法,音频切分的召回率超过96%,精确率超过94%;利用对照文本校正后,可进一步提高精确率.