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。     

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。     

一种基于语音图信号处理的端点检测方法

本文通过将语音信号处理与图信号处理相结合,为语音样点构建出一种基于遗忘因子的遗忘图拓扑结构,利用基于遗忘图拓扑结构的图邻接矩阵所定义的图傅里叶变换（Graph Fourier Transform, GFT）,研究语音图信号的图频域特性。并在此研究基础上,本文将基于自适应子带谱熵（Adaptive Band-partitioning Spectral Entropy, ABSE）算法的端点检测方法拓展至图频域,设计了一种图自适应子带谱熵（Graph Adaptive Band-partitioning Spectral Entropy, GABSE）算法。实验表明,本文所提出的基于遗忘图的GABSE算法可以使得语音段与非语音段谱熵差异更加显著,较传统ABSE算法端点检测及rVAD语音端点检测方法正确率提高了10%~20%,同时也验证了此语音遗忘图结构有效性。      

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．     

噪声环境下语音多子带端点检测方法

为了克服传统端点检测算法在有噪环境下的不足,提出了一种新的语音多子带端点检测算法,它能根据子带背景噪声大小动态设置门限.实验结果表明,所提出的算法较传统的检测方法有更好的检测性能.     

基于双门限两级判决的语音端点检测方法

端点检测是语音信号处理过程中的重要步骤,其准确性直接影响语音信号处理的速度和结果。因此对于端点检测方法,特别是在噪声环境下的端点检测研究,一直是语音信号处理中的热点。文中针对声纹识别系统所作的端点检测前端处理,对比了利用短时能量和短时平均过零率进行端点检测的方法,运用Matlab实现了双门限法端点检测的编程和仿真。仿真结果表明,端点检测准确时识别率为93%。     

一种基于特征空间能量熵的语音信号端点检测算法

对语音信号的协方差矩阵进行特征分解，根据特征值求出信号的特征空间能量概率分布，提出了特征空间能量熵的定义。不同背景噪声下的实验结果表明，用该熵可以得到高正确率的端点检测。     

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。     

一种基于迟滞编码的自动语音端点检测方法

端点检测在语音识别中占有十分重要的地位，端点检测的准确性将直接影响整十语音识别系统的性能。已往的自动端点检测方绝大多数都是利用帧平均能量EN，帧平均跨零数ZN，帧平均跨零积A和帧平均零比B等参敦来确定语音段的始点和终点。这些方法的缺点是难以设置对各次实验都合适的固定阈值，这给实际应用带来了很多不便。本文提出了一种基于迟滞编码的自动端点检测方法——在对语音信号进行迟滞编码的基础上，利用各杖的码字和来判斯语音段的起点和终点。该方法充分利用了噪声和信号的统计特性，克服了已往端点检测方法的不足。实验结果表明．该方法具有良好的性能。     

基于语音增强方法的语音端点检测

语音端点检测的检测结果好坏对后续的语音处理起着决定性的作用。为了解决语音端点在低信噪比情况下检测率不高的问题,该文提出了基于深度置信网络去噪的语音增强方法与传统的端点检测方法相结合的方法。该方法首先由大量的语音数据训练深度置信网络模型,使其能够很好地映射带噪与无噪语音之间的非线性关系,进而使其成为一个良好的降噪滤波器,再对比带噪与去噪后语音对端点检测准确率的影响,以及不同信噪比的端点检测的正确率。从该实验结果可以得到,该方法在平稳噪声和非平稳噪声的低信噪比情况下都可以提高语音端点检测的准确率。     

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。     

实时语音采集系统中语音端点检测和增强方法

针对实时语音采集系统应用到工业行业中所面对的增加有效记录时间和提高噪声环境下的录音回放效果问题,研究了端点检测方法和语音增强方法。端点检测方法基于有限状态机模型,引入通信中AMR-WB标准的激活检测算法作为语音帧或噪声帧判据,端点检测可达到良好的实时性和准确性,并对于低幅度信号增加了过零率判据可进一步降低检测算法对语音的漏报率。语音增强方法以参数可配置的低频带阻滤波结合维纳滤波来增强语音采集系统对多种环境噪声的消除能力。实际使用表明该端点检测方法和语音增强方法对于提高工业领域应用中实时语音采集系统的记录长度和回放效果具有很强的实用性。     

一种基于检测元音的孤立词端点检测算法

提出了基于检测元音的端点检测算法。首先检测到语音中的元音的端点。然后利用元音的端点作为参考端点检测出语音真实的端点。将新方法应用在T146数据包在NoiseX-92的5种噪声下的端点检测和识别实验。并和基于能量的端点检测算法比较。2种不同的实验表明，提出的基于检测元音的孤立词端点检测算法可以在不同信噪比下提高端点检测的准确率，并在低信噪比的环境下能明显提高语音识别系统的识别率。     

一种基于谱熵的语音端点检测方法

在低信噪比环境下,为了提高语音端点检测的效果,提出了一种适应于低信噪比环境的语音端点检测方法。基于子带谱熵法,引入正参数对基本的谱熵法进行算法改进,得到改进后的子带谱熵法,通过增加预判环节选择合适的正参数,加大语音信号与噪声信号的区分度,进一步改善在低信噪比环境下算法的效果,得到新的语音端点检测算法。仿真实验表明,新的算法不仅快速高效,具有较强鲁棒性,而且适合在低信噪比环境中较准确的检测出语音端点。     

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。     

一种改进的语音端点检测方法研究

为了提高语音信号端点检测的准确率,提出了改进的端点检测方法。该方法在传统基于能量和过零率的端点检测方法基础上,加入第三道门限——近似熵,对信号进行三级门限检测。仿真实验表明,该方法比传统方法更有效、更优越．能够比较准确的检测语音信号。     

基于改进型双门限语音端点检测算法的研究

语音端点检测是语音信号处理过程中的一个重要步骤,其检测准确性直接影响语音信号处理的速度和效果.传统的基于双门限法语言检测技术,在语音处于纯语音情况下判断语音端点较准确,但在语音处于噪声情况下,尤其是低信噪比的情况下,端点识别率很低,出错率很高.基于提高此方法识别率的目的,采用调整阈值个数,平滑滤波,引入语音结束最小长度的方法对其进行改进,通过了Matlab仿真实验,得出了较好的语音端点检测准确率.     

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。     

一种具有在线自学习能力的语音端点检测方法

传统的语音端点检测方法在低信噪比或不稳定噪声环境下可靠性会急剧下降。提出了一种具有在线自学习能力的语音端点检测方法。采用聚类和散度（divergence）结合的无监督学习方法来获得初始模型。此方法的最大优点是初始模型的获取不需要任何先验知识,并且模型可在线自动更新以适应环境的变化。在Auraro2数据库上的检测实验显示,与基于能量门限判决的检测方法相比,提出的方法使噪声下的检测性能有了明显提高。