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。     

一种多特征语音端点检测算法及实现

提出了一种应用语音的多个特征参量的语音端点检测算法,经过计算机模拟得到了比较满意的检测效果。并用基于DSP芯片的电路来硬件实现,在系统中能够实现通话方语音对通话过程的自动控制。     

一种连续词端点检测的改进方法

在研究双门限比较法的基础上,提出了语音端点检测不变门限三次搜索检测法,该方法主要由多词检测、端点修复和漏点检测3部分组成,有效解决了双门限比较法检测连续词端点的门限设置问题;在语音信号归一化的前提下,能以同一门限准确检测出语音信号的端点。在较低信噪比情况下,基于语音信号的短时相对自相关序列的短时平均幅度的端点检测能够获得较高的检测精度。     

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．     

孤立词语音识别中端点检测加速器的设计与实现

传统的语音端点检测方法以信号的短时能量、过零率等简单特征作为判决特征参数.这些方法在实际应用中,尤其当信号信噪比比较低时,无法满足系统的需要.文中利用零能积差作为判决采样信号帧是否为语音信号的依据,并通过了硬件来实现.结果表明,该模块较传统方法在保证高识别率的同时,提高了模块的速率,减小了面积,具有一定的实用价值.     

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。     

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。     

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。     

基于Teager能量算子的语音端点检测算法研究

语音识别中端点检测是很重要的环节,检测的好坏直接影响到后面的语音识别的效果。传统使用的短时能量与短时过零率方法在信噪比较低时,不能有效地检测语音端点,检测准确率较低。利用Teager能量算子的非线性特性,能在抑制背景噪声的同时对平稳和不平稳信号有不同程度的衰减。因此,文中提出一种基于Teager能量算子的端点检测方法,并进行改进检测算法。经过实验证明,改进的算法与短时能量检测的结果相比,该算法在信噪比较低的情况下,能够比较准确地检测出语音的起始端点,同时语音端点检测准确率比较高,验证了该算法的有效性。     

基于倒谱特征的带噪语音端点检测

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.     

基于子带能量累积变化的语音端点检测

噪声环境下的语音端点检测在稳健语音识别中占有十分重要的地位。根据噪音和语音子带能量的累积分布变化,提出一种新的语音信号端点检测算法。通过计算各帧的子带能量变化程度,并以此设定门限进行语音端点的检测。实验表明,与一些传统的端点检测算法比较,该算法在速度和抗噪声能力上都有所增强,适合低信噪比下的语音端点检测。     

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。     

改进的基于多特征的语音端点检测方法

噪声环境是语音识别性能下降的原因之一,端点检测作为其关键技术,其性能优劣在某种程度上决定了识别率的高低。提出一种改进的基于倒谱特征的带噪端点检测方法。在传统基于倒谱距离的算法上综合利用短时过零率和短时能量多特征作为最终判决的门限。实验结果表明,该方法计算效率较高,低信噪比下有较好的检测性能。     

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。     

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LPC美尔倒谱特征的带噪语音端点检测

复杂的噪声环境是语音识别系统在实际应用中性能下降的原因之一,识别预处理中的带噪端点检测作为关键技术,其性能的优劣某种程度上决定了识别率的高低。笔者提出了基于LPC美尔倒谱特征的带噪端点检测方法,对语音信号分高低频段分别提取IPC美尔倒谱特征分析,根据Mel倒谱距离判决,采用自适应噪声估计,实验结果表明,该方法计算效率较高,低信噪比下有较好的检测性能。     

室内声环境中的语音端点检测自适应算法

室内场所是语音识别技术的一种典型应用环境,传统的端点检测研究多考虑噪声的影响,忽略室内混响的影响,研究证明室内混响对端点检测和识别效果能造成显著的负面影响.通过研究短时能量和短时自相关序列( RAS),提出了一种自适应的端点检测方法.可以通过估计噪声段短时能量来适应平稳噪声干扰环境,并能修正含混响语音的检测终点.端点检测和语音识别实验结果表明,本方法在平稳噪声和室内混响声环境下具有良好的性能.     

机载环境下的语音端点检测

由于传统的语音端点检测方法仅以信号的短时能量、过零率等简单的单一特征作为判决特征参数,这些方法在实际应用中,很多都无法满足系统的需要。针对机载环境下的带噪语音进行研究,在传统方法的基础上作了两点改进:把短时能量和过零率结合为一个特征即短时能零积,并把其和短时自相关函数结合起来作为端点检测的特征参数。对于短时自相关的门限,不是利用传统的主副峰比值,而是利用达到副峰的时间间隔作为判决门限。通过对不同信噪比的机载环境下的带噪语音进行试验仿真,发现这种方法比单一的特征参数更有优越性,效果更明显。