一种改进的基于倒谱距离端点检测方法研究

在讨论传统倒谱距离语音端点检测方法不足的基础上,提出了一种改进方法.通过对语音信号三个端点检测的特征参数短时能量、短时平均过零率和倒谱距离逐一分析研究,提出了一种结合三者特征的语音参数,将其应用于端点检测中.实验结果表明,该方法相对于基本倒谱距离检测方法,在低信噪比时检测性能有较明显提高.     

基于自适应倒谱距离的强噪声语音端点检测

在有噪声干扰的情况下,传统的语音端点检测方法的检测准确度明显下降。为了在强背景噪声环境下有效区分出语音信号和非语音信号,针对倒谱距离端点检测方法进行了研究,提出了一种基于自适应倒谱距离的强噪声语音端点检测方法。本方法引入倒谱距离乘数和门限增量系数,针对不同信噪比采用不同的倒谱距离乘数,并采用自适应判决门限的方法进行语音端点检测。MATLAB仿真实验结果显示,在不同背景噪声和不同信噪比下,本方法对于语音端点检测具有较高的检测正确率,其端点检测效果明显优于传统端点检测方法,适用于强背景噪声下的端点检测。     

基于短时能量的语音信号端点检测

语音信号端点检测是语音信号的预处理,正确的语音信号端点检测结果直接影响语音识别等后续工作的运算量和准确率。本文介绍了时域方法中基于短时能量的语音信号端点检测方法,并用三种不同的短时能量计算方式和五种短时能量阈值进行了端点检测实验。     

改进的能量谱熵端点检测算法

为了提高传统谱熵算法在信噪比较低环境下的端点检测效果,将短时能量特征与谱熵特征相结合,提出一种改进的能量谱熵特征,将模糊C均值聚类算法和贝叶斯信息准则结合对改进的能量谱熵特征门限进行估计,最后采用双门限算法进行端点检测.仿真实验结果表明,在信噪比为-5 dB的白噪声环境下,改进的能量谱熵算法的端点检测正确率为76.9％,远高于短时能量算法和谱熵算法,在低信噪比环境下具有更优的端点检测效果与稳健性.     

基于倒谱距离-频带方差的端点检测方法*

为了提高语音信号端点检测的准确率,提出了一种基于倒谱距离—频带方差的检测方法。该方法将语音信号倒谱距离和频带方差结合起来,作为检测语音信号起始位置和终止位置的参数。仿真实验表明,该方法比传统方法更有效、更优越,能够比较准确地检测语音信号。     

基于对数能量倒谱特征的端点检测算法

端点检测技术是语音识别的关键技术之一,为了克服传统倒谱距离语音端点检测算法在低信噪比下检测效果的不理想,将对数能量（LE）特征和倒谱（C）特征相结合,提出了一种新的对数能量倒谱特征（LEC）,采用模糊C均值聚类和贝叶斯信息准则（BIC）方法估计特征门限,得出了正确的语音端点判断,在三种典型噪声下,对信噪比从－5 dB到15 dB的带噪声语音进行仿真,结果表明LEC法的检测错误率仅为20.25%,明显低于倒谱法和对数能量法,能有效地确定语音的端点并改善语音识别效果。     

基于短时平均能量和短时过零率的藏语语音端点检测研究

语音端点检测是语音处理分析过程中的重要环节之一,该文介绍了语音端点检测的两个传统算法即短时平均能量和短时过零率,并将这两种算法结合起来进行藏语语音进行端点检测。运用Matlab编程和仿真验证了双门限判断法在藏语语音端点检测中的准确性。这种方法降低了藏语语音处理的时间、提高了处理的质量、可用来进行一些藏语语音识别的特征参数的提取。     

基于短时平均能量和短时过零率的藏语语音端点检测研究

语音端点检测是语音处理分析过程中的重要环节之一,该文介绍了语音端点检测的两个传统算法即短时平均能量和短时过零率,并将这两种算法结合起来进行藏语语音进行端点检测。运用Matlab编程和仿真验证了双门限判断法在藏语语音端点检测中的准确性。这种方法降低了藏语语音处理的时间、提高了处理的质量、可用来进行一些藏语语音识别的特征参数的提取。     

基于小波包的语音谱熵端点检测方法研究

端点检测是语音识别过程中的一个重要的环节,因此改善端点检测的效果一直是语音识别领域的一个重要课题。为了提高在背景噪声下语音信号端点检测的准确率,提出了一种基于小波包的谱熵端点检测方法。该方法对语音信号进行小波包变换,将每帧信号分解成多个子带,在此基础上计算每帧信号的子带能量,通过子带能量所占比例求出每帧信号的谱熵,最后确定新的门限值。仿真实验表明,该方法比传统方法更有效、更优越,能够比较准确地检测语音信号。     

基于C0复杂度和能量的语音端点检测算法

复杂性测度是反映信号序列的一个重要的非线性特征,复杂性测度的语音端点检测技术具有非线性技术的本质特征。对C₀复杂度作出改进,并与增强后的短时能量相结合,提出了一种更有效的端点检测算法——C₀复杂度能量的语音端点检测方法。实验证明,该算法对噪声有很强的鲁棒性,在低信噪比（0 dB）下仍能准确地检测出语音段。     

基于能量和浊音特性的语音端点检测

论文提出一种适用于实际噪声环境的语音端点检测算法,并将其用于语音识别系统中。首先通过跟踪平稳噪声能量,检测能量变化非平稳的信号;然后在这段信号中根据浊音特性搜索并跟踪谐波,确定浊音的位置;最后结合能量和浊音信息检测语音的精确起止点。实验证明,该算法能在多种环境噪声中保持稳定可靠的性能。     

非平稳噪声环境下基于谐波能量的语音检测

语音端点检测的鲁棒性,对于构建实际语音识别系统具有重要的意义.谐波成分是语音信号的一个基本特点,为此提出了一种基于谐波成分能量的端点检测算法.通过sobeI算子计算窄带语谱图的方向场,通过Gabor滤波增强谐波区域,通过门限方法得到二值化图,去除方向大于45度和依赖度低的点,得到连续的水平方向的带状分布,即谐波分布区域,求取谐波分布区域内的能量,以此作为门限判决的特征.实验结果表明,在不同信噪比、多种非平稳噪声环境下都能够达到较好的语音检出效果.其优点为,不需要噪声的先验知识,充分利用了语音在频率域和时间域的相关性,适应于各种非平稳复杂噪声.     

复杂噪声中基于MFCC距离的语音端点检测算法

为提高复杂噪声环境下语音信号端点检测的准确率,提出一种基于梅尔频谱倒谱系数(MFCC)距离的多维特征语音信号端点检测算法。通过计算语音信号的MFCC距离,结合短时能量和短时过零率对特征距离进行修正,并更新其阈值,建立自适应噪声模型,实现复杂噪声中语音信号端点的准确检测。实验结果表明,与基于双门限能量和基于倒谱距离的2种经典检测算法相比,在计算效率相同的条件下,该算法的检测准确率更高。     

改进共振峰提取的语音端点检测

语音端点检测是语音信号预处理的重要一步,其准确度对语音合成和语音识别系统的性能起着决定性的作用.根据共振峰谐波能量特征,提出一种采用图像处理技术处理语谱图的语音端点检测算法.首先去除了语谱图中的周期性干扰,然后进行滤噪与分割,最后利用高斯一阶差分滤波器提取共振峰和获取语音端点.实验结果表明,在不同信噪比的白噪声和多种突发性噪声环境下,与其他算法相比,该算法效果更好.     

基于子带能量的语音端点检测算法的研究

端点检测作为语音信号处理系统前端处理的重要环节,直接影响系统处理的准确性和高效性.传统的端点检测在高信噪比和稳定噪声环境下取得了令人满意的效果,但在低信噪比和多变噪声环境下,检测的正确率会急剧下降.在分析研究典型的基于能量的端点检测算法的基础上,提出了一种子带短时能量与短时过零率结合的动态门限端点检测算法,有效克服了上述缺陷.多种信噪比条件下对不同噪声环境下的语音信号进行对比实验结果表明,所提方法较传统能量算法更为准确地检测到语音的端点.     

基于线性预测残差倒谱的基音检测

传统的基音检测算法对含噪语音的检测结果较差,本文在线性预测倒谱方法的基础上采用基于线性预测残差倒谱的方法对含噪语音进行基音检测。实验结果表明,该方法使基音峰点更加清晰,提高了基音检测的精度。     

一种时频结合的抗噪性端点检测算法

端点检测是语音识别中的一项关键技术,检测的准确性对语音识别的性能有很大的影响.本文提出一种时频结合的基于子带谱熵和短时能量的端点检测方法,和常用的双门限法、谱熵法相比在低信噪比下检测的准确率有很大提高.该方法具有抗噪性、实时性等特点,适用于实际的语音识别应用.