音频流分割和多模式控制的设计与实现.pdfVIP

维普资讯 第 29卷 第 6期 西 南 师 范 大 学 学 报 (自然科学版) 2004年 12月 Vo1．29 No．6 JournalofSouthwestChinaNormalUniversity(NaturalScienceEdition) Dec． 2004 文章编号 ：1000—5471(2004)06—0942—03 音频流分割和多模式控制的设计与实现 沈乐君 ， 程小平 1．西南师范大学 计算机与信息科学学院 ，重庆 400715；2．成都体育学院 信息教研室．四川 成都 610041 摘要 ：在音频相关的系统 中．迫切需要利用语音识别技术对音频流 自动识别和分割 ．以及针对不 同的应用需求． 利用消息一动作 自动机进行各种复杂控制．为此 ．介绍了一种新 的具有实时性的音频流分割系统的设计思路及其 程序实现． 关 键 词 ：端点检测 ；有限 自动机；音频流分割 中图分类号 ：TP182 文献标识码 ：A 目前，很多音频相关的应用系统都迫切要求对音频流进行实时的识别、分割和以某种特定模式 (pat— tern)进行播放，而不再是录音、播放等简单的回放控制．为此，我们设计 了音频流分割与控制系统，实现 了自动识别声音间歇，并在分割音频流后 ，由相应的自动机进行播放控制．这些操作都 由计算机 自动完成， 因此拓宽了音频系统的应用面，提高了使用效率．图1是系统原型的总体结构． 图中虚线框以内部分，是系统的主要功能模 童塑 块．下面就该系统的识别与分割，多模式控制等 厂 识别器 亡=匕_I回 放 亡==== 播放设备 几个方面进行叙述． ■ 文件，声卡等) 消息 L L 1 基于能量的双阀值音频流分割 简单 控制器 (消息 ·动作 控制 音频流 自动分割控制的首要任务就是将音频 流的自然语言停顿 (间隙)识别出来．我们借鉴了 用户界面 语音识别领域 的端点检测 的解决办法 一．并且 图 1 总体 结构 考虑到应用系统中对实时性的要求，设计了基于 Fig．1 System Architecture 能量的双阀值分割算法． 识别间歇的过程就是识别 PauseBegin和SectionBegin的过程．分割的主要依据 ，就是 “间歇”的平均能 量 E 远远小于 “节”的平均能量E ．选择一个合适的能量阀值 E ta，将音频流分割． 试验中发现，用阀值 分割音频流的准确率很低．特别是单词 (意群)发音包含爆破音，候选分割 点出现在一个 “节”的中间的情况下 ，会将一个完整的单词 (意群)割裂，所 以，我们必须抛弃某些候选分割 点．抛弃的标准是间歇时间 丁 小于时间阀值 丁T 。·(单位 ：ms)．得到双阀值算法： (1)将一个滑动的窗 口在连续的音频流上随着时间推移而滑动，计算滑动窗口内音频流的能量 E(￡)． (2)如果 E (￡)从大于阀值E 变成小于阀值，就是 PauseBegin候选点 ，反之则为SectionBegin候 选点．将候选点推入候选分割点堆栈 candi—stack． (3)如果出现SectionBegin．计算上次出现PauseBegin的时刻和当前时刻的差，即为间歇持续时间 丁PI． 收稿 日期 ：2003—11—10 作者简介：沈乐君(1976一)，男，重庆人，硕士，主要从事人工智能与模式识别研究 通讯作者 ：程小平