基于概率密度并联距离的话音检测算法

该文提出了一种基于概率密度并联距离的话音激活检测算法。算法根据语音信号和噪声信号的Mel域子带能量概率密度的不同特性,引入并联距离定义构造判决函数,通过判断该函数的值来进行语音激活检测。实验结果表明,在不同信噪比情况下,该文算法性能优于G.729B VAD算法。     

基于长时信息的自适应话音激活检测

语音信号的长时信息应用于话音激活检测中表现优越.利用三种听觉滤波器组,对语音信号进行非线性的谱分解,本文提出了六种基于听觉滤波器组的长时信息,并提出了基于长时信息的自适应话音激活检测算法.该算法无需训练数据,根据多种长时信息,直接在待测信号中挑选出类别明确的信号,然后利用这些信号训练分类模型,对待测信号按帧进行语音-非语音分类.在TIMIT语音库和NOISEX-92噪声库上的实验表明,该算法在极低信噪比环境下,仍表现出更高的准确性和更强的稳健性.同时,在线实验表明,算法在实时处理中仍能取得优异的性能.     

一种基于线性判别分析的稳健话音检测方法

给出一种新的话音检测方法，即在SNR算法的基础上，应用线性判别分析(LDA)对语音特征参数进行降维。在大噪声环境下，该方法提高了系统的稳健性。同时将这种新的方法与基于信噪比(SNR)和基于噪声／语音统计量(N＆S STAT)的算法做了比较，实验表明该方法可以提高检测效率。     

一种用于3G系统中复杂背景噪声环境下的话音激活检测算法

本文讨论了一种新的应用在3G自适应多速率系统中复杂背景噪声环境下的话音激活检测算法。这种算法基于谱估计理论和周期信号检测方法,应用一个IIR滤波器组把输入窄带语音信号分面九个频带,进而估计每个频带的语音信号和背景噪声的电平,结合基音和音调检测,在区分语音和移动环境中的大多数背景噪声对表现得足够健壮,最后,基于欧洲电信标准委员会建议的3G平台对这种算法进行了仿真评估,并就其健壮性从主客观两个方面进行了分析。     

语音业务中鲁棒性VAD算法合析

采用话音激活检测（Voiced Activity Detection，VAD）术的目的是检测语音通信时是否有话音存在，检测到静音时加以抑制，使其不占用或极少占用信道带宽，检测到话音时才对其进行压缩编码与传输。鲁棒性语音识别系统、数字移动通信和因特网实时语音传输等领域要求在恶劣声学环境条件下进行VAD检测，以节省带宽并抑制噪声，因此VAD技术是目前语音处理领域的重要问题。文中给出的几种最新VAD算法（EZCR—VAD，STAT-VAD和E-VAD）是在低信噪比环境下的话音检测具有很好的鲁棒性的算法。     

语音业务中鲁棒性VAD算法分析

采用话音激活检测(Voiced Activity Detection,VAD)技术的目的是检测语音通信时是否有话音存在,检测到静音时加以抑制,使其不占用或极少占用信道带宽,检测到话音时才对其进行压缩编码与传输.鲁棒性语音识别系统、数字移动通信和因特网实时语音传输等领域要求在恶劣声学环境条件下进行VAD检测,以节省带宽并抑制噪声,因此VAD技术是目前语音处理领域的重要问题.文中给出的几种最新VAD算法(EZCR-VAD,STAT-VAD和E-VAD)是在低信噪比环境下的话音检测具有很好的鲁棒性的算法.     

一种基于噪声估计的语音激活检测算法

针对当前语音激活检测算法在低信噪比和复杂噪声模型的环境下性能损失的问题,提出了一种基于噪声估计的语音激活检测算法,通过对背景噪声进行自适应估计,得到准确的信噪比门限,同时利用估计背景噪声对短时谱进行白化处理,从而使得谱熵判决准则得以适用于复杂噪声模型的环境。实验证明,算法在低信噪比和复杂噪声模型下性能优于G.729B和AMR中的语音激活检测算法。     

基于竞争网络的语音激活检测研究

本文提出了一种新的语音激活检测算法,这种方法基于竞争神经网络,主要应用了自组织特征映射网络并结合学习向量量化算法进行实现,并与其它神经网络算法进行了比较。该算法在多种噪声背景下具有较强的鲁棒性,仿真结果表明,这种基于竞争神经网络的算法优于ITU—T G．729B建议的算法。     

基于多特征的语音活动检测技术分析

针对高强度噪声背景下活动话音无法准确检测的问题,提出了基于多特征的语音活动检测算法,详细论述了该算法中语音信号的采样量化、预加重、分帧和加窗等预处理技术,分析了检测算法设计中的动态门限更新、短暂停顿平滑等关键因素,并总结出了多特征语音活动检测算法的流程图。通过基于硬件平台的算法测试和仿真分析,结果验证了该算法的合理性和有效性,对于复杂背景噪声环境下的活动话音检测有着重要的实用意义。     

一种话音激活检测算法的DSP实现和性能分析

本文介绍了一种基于短时能量和短时过零率的话音激活检测算法,在TMS320VC5416 DSK开发平台上实现了该算法,并与ITU-TG.729B、G.723.1话音编码方案中所采用的话音激活检测算法作比较,最后得出该算法具有一定实用价值的结论。     

色噪声下基于白化频谱重排鲁棒主成分分析的语音增强算法

基于鲁棒主成分分析(RPCA)的单通道语音增强算法是高斯白噪声环境下语音增强的一种重要处理手段,但其对低秩语音分量处理效果欠佳且无法较好地抑制色噪声。针对此问题,该文提出一种基于白化频谱重排RPCA的改进语音增强算法(WSRRPCA),通过优化噪声白化模型,将色噪声语音增强转换成白噪声语音信号处理,利用频谱重排改进RPCA语音增强处理算法,从而获得色噪声环境下语音信号处理性能的整体提升。仿真实验表明,该算法能够较好地实现色噪声环境下的语音增强,且相对于其他算法具有更佳的噪声抑制和语音质量提升能力。     

改进语音增强多频带谱减算法研究

针对传统谱减语音增强算法增强后的语音信号会残留明显的"音乐噪声"的问题,采用多频带谱减算法对其进行改进。改进算法的原理是将带噪的语音信号按照频率划分成不同的频带,并使这些频带之间互不交叠,根据频带内带有噪声的语音信号和噪声信号信噪比,利用自适应算法求得该频带的过减因子。仿真结果表明:改进多频带谱减算法的语音增强效果优于传统谱减法。     

改进的基于语音存在概率的噪声功率谱估计算法

噪声功率谱估计是语音增强算法中的关键技术之一.针对在非平稳噪声环境下噪声功率谱估计不够准确的问题,采用了基于后验语音存在概率的噪声功率谱估计算法,并对其中的语音存在概率估计算法进行了改进.利用语音信号的短时平稳性,在时域和频域上利用相邻帧和相邻频点的相关性估计当前帧的语音存在概率.仿真结果表明,该算法与原始算法及改进的最小值控制递归平均噪声估计(IMCRA)算法相比,能够有效提升非稳态噪声环境下噪声功率谱估计准确度和语音增强效果.     

基于频带间相关性的加权噪声功率谱估计

噪声功率谱估计是语音增强系统的一个重要组成部分。本文在加权噪声估计的基础上,考虑了带噪语音在相邻频带间的相关性,提出了一种新的噪声功率谱估计算法。该算法保留了加权噪声估计算法的优点,利用频域平滑及时域平滑后的带噪语音来求加权因子,能够更好地区分弱语音与噪声,尤其是对强语音后的弱语音与噪声区分更明显,从而具有更快的跟踪速度及更少的噪声过估计。客观实验和主观实验都证实了本文提出的算法的有效性。     

一种基于改进的谱减法的语音增强算法

为改善语音质量,提高语音识别系统的性能,提出了一种新的基于改进的谱减法的语音增强算法。新算法在所有噪声都能转化为加性高斯白噪声的基础上,依据高斯白噪声幅度谱服从瑞利分布的特点,对噪声幅度谱进行精确的估计,并采用频带方差进行端点检测以及时检出语音。仿真分析表明：该方法能够较好地抑制噪声,噪声消除效果较传统算法具有明显的提高。     

基于稀疏约束的PLCA和谱掩蔽的语音增强算法

针对传统语音增强方法在非平稳噪声环境下增强效果不理想的问题,提出了一种基于稀疏约束的概率潜分量分析(PLCA)和谱掩蔽的语音增强算法。该算法分为训练和增强两个阶段。训练阶段用稀疏约束的PLCA(SPLCA)和无约束的PLCA分别对语音谱和噪声谱建模成意义清晰的边缘分布,并用期望最大(EM)算法求其最优边缘分布,得到语音字典和噪声字典。增强阶段固定训练的字典,利用SPLCA推导出对应的语音编码矩阵和噪声编码矩阵,初步重构出语音和噪声,最后利用谱掩蔽得到增强语音。实验结果表明,该算法在抑制噪声、提高信噪比和减少语音失真方面要优于传统方法。     

一种改进的基于高阶统计分析的语音激活检测算法

提出了一种基于高阶统计的改进型语音激活检测算法。相对于传统的语音激活检测算法,在语音信号存在不确定的条件下,利用LPC残差域的高阶统计属性量,作为语音/噪音信号的判决标准。综合引入的归一化偏度/峰度、偏峰比等高阶统计量和传统的噪音信号概率等一阶分析量,形成语音/噪音软判决机制,能够有效的识别带噪语音信号中的语音激活区域。计算机仿真结果表明,输入背景噪音为高斯噪音和类高斯噪音时,所提算法相对于传统算法的误判概率要低,且在低信噪比条件下,具有更好的识别性能。     

基于稀疏性的相位谱补偿语音增强算法

相位谱补偿语音增强算法通过调整相位谱对噪声进行压缩,提高重构信号的质量。针对传统的相位谱补偿(phase spectrum compensation, PSC)语音增强算法采用固定的相位补偿因子,且算法的性能易受噪声估计准确性的影响,提出了一种基于稀疏性的相位谱补偿(sparsity-based phase spectrum compensation, SPSC)语音增强算法。首先,利用噪声估计算法得到噪声幅度谱,利用基于幅度谱的语音增强算法得到目标语音幅度谱;接着,通过噪声和目标语音幅度谱之间的局部信噪比(Signal-to-Noise Ratio, SNR)来估计谱时间稀疏性;然后,利用sigmoid函数改进相位补偿因子,联合补偿因子和谱时间稀疏性,得到SPSC函数。最后,使用SPSC函数对相位谱中的谱分量进行补偿,通过短时傅里叶逆变换得到最终增强后的语音信号。仿真实验表明,在四种不同背景噪声的低信噪比下,新的相位谱补偿算法使增强语音获得了更好的LSD、PESQ和segSNR指标,说明新的算法在低信噪比下,可以有效恢复带噪语音中的语音成分,对噪声抑制效果明显,增强语音的质量和听感均有一定提升。      

结合差分阵列与幅度谱减的双麦语音增强算法

为了抑制小型语音通信设备中的方向性噪声干扰问题,提出了一种结合差分阵列与幅度谱减的双麦语音增强算法。该算法首先利用一阶差分阵列技术,对两麦克风采集到的带噪语音信号进行处理,得到语音通道信号和噪声通道信号。接着利用差分阵列处理后的两通道信号对语音通道信号的信噪比进行估计。最后利用幅度谱减法对语音通道信号中残留噪声进行消除。针对语音通道信号的信噪比估计,本文给出了两种新奇的计算方法。仿真实验表明,该算法有效的抑制了方向噪声,改善了语音的质量,去噪效果及语音质量均优于对比算法。      

基于加权噪声的递归平滑噪声功率谱估计

提出了一种噪声功率谱估计算法,该算法对加权后的带噪语音进行递归平滑,可以持续更新噪声并可应用于非平稳噪声环境中。为了避免在强语音后的弱语音区域出现噪声过估计,本文提出了用于计算加权函数的投影平滑算法。本文噪声估计算法可以快速跟踪噪声的变化并且没有过估计。实验结果表明,本文噪声估计算法应用于一个语音增强系统时,取得了较小的噪声分段估计误差及较好的感知语音质量评价(PESQ)得分。