基于卷積神經(jīng)網(wǎng)絡(luò)的語音端點檢測方法研究.pdf

1、在語音識別系統(tǒng)中一項非常重要的預(yù)處理技術(shù)就是語音端點檢測。語音端點檢測，就是要從摻雜有復(fù)雜背景噪聲的語音信號中，分離出語音信號和非語音信號，確定出語音信號的起始點和終止點。因此，作為語音識別系統(tǒng)的第一步，語音端點檢測，尤其是噪聲環(huán)境下的語音端點檢測，是至關(guān)重要的，它的準(zhǔn)確性在很大程度上直接影響著后續(xù)的識別工作能否有效進(jìn)行。
　　本文實現(xiàn)了一些常用的語音端點檢測算法，并分析了其各自的優(yōu)缺點?；跁r域的短時能量和過零率的方法，結(jié)合了語

2、音段的能量比噪聲段的能量大，以及清音、鼻音、摩擦音等能量值較小的語音段的短時平均過零率值較高的優(yōu)點，在純凈語音下可以得到較好的檢測效果，但隨著噪聲的增大，該方法的檢測效果也隨之下降?；谛畔㈧氐恼Z音端點檢測算法利用語音幀的信息熵值小于背景噪聲幀的信息熵值的特點來進(jìn)行語音端點檢測，在低信噪比下仍可以得到較好的效果，但對于某些噪聲，檢測結(jié)果較差?；诙虝r能頻值的語音端點檢測算法將時域和頻域特征參數(shù)結(jié)合在一起，實驗表明，在噪聲環(huán)境下也可較好的

3、進(jìn)行語音端點檢測，但沒有很好的方法來確定門限值。
　　針對上述三種方法的不足，本文將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到語音端點檢測算法中，以連續(xù)的幾個語音幀作為輸入，交替地進(jìn)行卷積和降采樣，逐步提取出多種復(fù)雜特征，從而提升網(wǎng)絡(luò)性能。本文所采用的帶噪語音是實驗室錄制的純凈語音與NOISEX-92標(biāo)準(zhǔn)噪聲庫中的噪聲混合而成的，并使用Matlab工具進(jìn)行仿真實驗，實驗表明，由于該方法提取的特征更全面，自由參數(shù)的數(shù)量較少，所以在進(jìn)行語音端點檢測時可得到較