基于長時(shí)特征的語音端點(diǎn)檢測方法研究.pdf

1、準(zhǔn)確的語音端點(diǎn)檢測可以提高語音后續(xù)處理的正確率和處理效率，同時(shí)也可以為語音分割提供依據(jù)。目前已有很多語音端點(diǎn)檢測的方法，它們在高性噪比和平穩(wěn)噪聲情況下具有很好的檢測性能，但在低性噪比以及非平穩(wěn)噪聲的環(huán)境中，檢測性能大幅下降，本文對此展開研究。
　　長時(shí)特征是用一個(gè)長時(shí)窗口對已經(jīng)過短時(shí)分幀處理的語音幀重新進(jìn)行分割，然后分析重新分割后的語音特性，這將有效提高端點(diǎn)檢測在低信噪比和非平穩(wěn)噪聲下的語音端點(diǎn)檢測效果。LTSV(Long-Ter

2、mSignalVariability)是一種基于譜熵的長時(shí)特征，具有比短時(shí)特征和其他長時(shí)特征更高的魯棒性，本文在LTSV的基礎(chǔ)上進(jìn)行改進(jìn)，提出了兩種新的基于長時(shí)特征的語音端點(diǎn)檢測方法:
　　(1)譜平度能夠有效地分析語音功率譜的分布情況，且在語音和噪聲的情況下會(huì)表現(xiàn)出明顯的差異性。本文利用譜平度的原理，提出了LTSV長時(shí)平度的語音端點(diǎn)檢測方法。首先對語音進(jìn)行長時(shí)分割，然后分析LTSV特征的長時(shí)分布情況，最后將語音幀內(nèi)的所有頻點(diǎn)的L

3、TSV長時(shí)平度值的方差作為特征。本文采用設(shè)置自適應(yīng)閾值的方法以及投票決策的機(jī)制進(jìn)行語音端點(diǎn)檢測，并通過實(shí)驗(yàn)證明，LTSV長時(shí)平度特征在分割噪聲、突發(fā)噪聲和類語音噪聲下比LTSV具有更好的分辨力。
　　(2)動(dòng)態(tài)特征能夠分析語音的動(dòng)態(tài)變化，與靜態(tài)特征相比，能夠更好地?cái)M合語音，而長時(shí)動(dòng)態(tài)特性又能夠比短時(shí)動(dòng)態(tài)特性提取更多的上下文的信息。本文采用LTSV長時(shí)動(dòng)態(tài)特征，利用設(shè)置自適應(yīng)閾值的方法以及投票決策的機(jī)制進(jìn)行語音端點(diǎn)檢測，提出了LTS