實(shí)時語音信號處理系統(tǒng)理論和應(yīng)用.pdf

1、本論文研究復(fù)雜強(qiáng)背景噪聲下的語音信號檢測問題。語音檢測算法是現(xiàn)在語音信號處理研究的一個熱點(diǎn)。近些年來，語音信號處理技術(shù)伴隨著人們對通訊技術(shù)升級的需求得到了迅猛的發(fā)展。IP電話已經(jīng)走向大規(guī)模產(chǎn)業(yè)化應(yīng)用，并以其低廉的成本和滿意的話音質(zhì)量成為通訊供應(yīng)商競爭的利器，大有取代傳統(tǒng)電話的趨勢。語音識別技術(shù)也已經(jīng)實(shí)現(xiàn)了與說話者無關(guān)的大詞匯量連續(xù)語音識別，并試圖從試驗(yàn)研究走向商用。說話者識別技術(shù)作為一個新一代的門禁安防技術(shù)也已經(jīng)出現(xiàn)商業(yè)應(yīng)用。很多單工的

2、通訊設(shè)備可以通過語音檢測技術(shù)的應(yīng)用實(shí)現(xiàn)收發(fā)狀態(tài)的自動轉(zhuǎn)換而以比較小的代價達(dá)到雙工設(shè)備的功能。語音檢測技術(shù)作為這些語音處理算法中的核心預(yù)處理單元，成為這些技術(shù)能否走向成熟商業(yè)應(yīng)用的關(guān)鍵技術(shù)之一。 實(shí)際通訊環(huán)境中會遇到各種不同類型、不同強(qiáng)度的噪聲。它們各自在時域或頻域中有互不相同的特點(diǎn)，沒有一致的統(tǒng)計參數(shù)。語音信號本身也是一個時變的復(fù)雜信號。不同的語言，不同的音位（語音中的最小發(fā)聲單位）各不相同?？傊?，實(shí)際中的噪聲和語音信號都是復(fù)雜

3、的時變信號。如果不是面向特定背景噪聲的應(yīng)用，通過尋找噪聲的共同特征以構(gòu)建一個噪聲信號與語音信號的區(qū)分函數(shù)是不現(xiàn)實(shí)的。 語音信號處理本身是一個涉及到傳統(tǒng)數(shù)字信號處理、統(tǒng)計信號處理、模式識別與建模、發(fā)聲學(xué)、語音語言學(xué)等多學(xué)科的綜合技術(shù)。論文在前人研究的基礎(chǔ)上，從語音信號的形制機(jī)理出發(fā)，對語音信號中的基本成分—輕音和濁音的特征進(jìn)行了深入的研究。Source-Filter模型在語音信號建模中有著廣泛的應(yīng)用，論文在基于Source-Fil

4、ter模型求取語音信號的LPC譜中發(fā)現(xiàn)，語音的短時穩(wěn)定性（short time stationary）在LPC譜中有著不同于噪聲信號的鮮明體現(xiàn)，從而提出了基于音位共振峰軌跡跟蹤的語音檢測新方法。論文對新算法與國際電信聯(lián)盟（ITU）的G729B推薦語音檢測標(biāo)準(zhǔn)算法進(jìn)行了對比驗(yàn)證，證明在強(qiáng)背景噪聲環(huán)境下新算法的性能有20％左右的提高。同時新算法也體現(xiàn)出比G729B更強(qiáng)的背景噪聲適應(yīng)能力。 在算法的實(shí)現(xiàn)中，局部大能量的噪聲會形成LPC

5、譜中的局部極大值點(diǎn)，它具有類似語音共振峰的特征。為了消除噪聲極大值點(diǎn)對音位共振峰軌跡跟蹤的不良影響，論文提出了一個共振峰的形態(tài)判別標(biāo)準(zhǔn)—音位共振峰的幅值峰谷比原則，并通過大量的試驗(yàn)研究確定了峰谷比的優(yōu)化量值。試驗(yàn)證明，此方法是剔除局部噪聲極值點(diǎn)的有效方法。 論文工作將新算法在一個基于TI TMS320C6711的數(shù)字信號處理器平臺上實(shí)時實(shí)現(xiàn)。在實(shí)現(xiàn)過程中，使用了幅值、步長的分段擬合和插值算法，大大降低了復(fù)雜數(shù)學(xué)函數(shù)的運(yùn)算時間，滿

6、足了算法了實(shí)時性要求。各章內(nèi)容分述如下： 論文第一章以大量國內(nèi)外文獻(xiàn)為基礎(chǔ)，全面論述了語音檢測算法的發(fā)展歷史和現(xiàn)狀，并詳細(xì)分析了各典型算法的優(yōu)缺點(diǎn)以及在復(fù)雜背景噪聲下的適用性，提出了本博士課題的選題意義和研究方向、研究內(nèi)容。 論文第二章研究了語音信號的形成機(jī)制和SourceFilter模型以及輕音和濁音LPC譜特征，為新算法的提出提供理論依據(jù)。 論文第三章提出了基于音位共振峰軌跡跟蹤的完整算法。詳細(xì)說明了算法各單