基于短时能量和噪声谱自适应估计的语音激活性检测方法.pdfVIP

第17卷第2期 模式识别与人工智能 VoI．17No．2 。2004年6月 PRAI June2004 基于短时能量和噪声谱自适应估计的 语音激活性检测方法* 董恩清 万东辉 (苏州大学电子信息学院苏州215021) 周亚同 (西安交通大学电子与信息工程学院西安710049) 蔡毓 (浙江大学信息科学与工程学院杭州 310027) 摘要文中综合语音短时能量和由Sohn等提出的自适应估计噪声统计量，提出一个适合于各种类型环境噪声 的更鲁棒、更有效的语音激活性判别准则．该方法较Sohn方法正确识别率平均提高5％，且仍然保留着原来Sohn 方法较好地自适应追踪噪声谱变化的优点．经过大量实验表明新方法是一个有效的、鲁棒的语音激活性检测器． 关键词语音激活性检测，语音分析，统计方法，语音编码，短时能量 中圈法分类号TN912．3 1 引 言 Sohn等采用统计模型分别对判别准则和背景 噪声统计估计器给予优化，这一鲁棒性判别准则是 通过假设噪声统计特性为已知，从归一化似然比测 由于在双工电话对话中，一方只有35％的时间 试得到的，这是一个有效的VAD检测方法【60J．其 处于激活性【1J，所以在数字蜂窝系统中利用这一点 主要特点是在估计时变噪声统计量时，允许语音信 有效地减少平均比特率、信道间相互干扰以及降低 号偶然存在，并提出一种新的噪声谱自适应算法．这 便携设备的功率损耗，这一技术称为语音激活性检 算法是鲁棒性的，特别对于如潺潺噪声(Babble 测(Voice Detection，VAD)，目的是从无声 Activity Noise)的时变噪声．以后为了阐述方便，将此方法简 或其它背景噪声中区分语音．其已经被广泛地应用 称为Sohn方法． 于如数字语音存储、CDMA无线网络和分组通信等 本文提出利用短时能量和由Sohn提出的自适 系统中的变比特率语音编码中幢J． 应估计背景噪声谱统计量来设计一个适合各种类型 VAD首先被研究用于TASI系统旧J，然后用于 环境噪声的更加鲁棒的判别准则．根据这一判别准 如语音识别、语音编码、手提电话和回波消除等应用 则，进行语音激活性检测．大量实验表明该新方法比 场合．为了这些目的，已经提出了对延迟、灵敏度、精 Sohn方法总体上平均提高5％的正确识别率． 确度和计算代价进行折中的各种类型VAD算法．最 早期算法是基于Itakura线性预测编码距离测量H』， 2短时能量计算方法 而后逐渐提出能量幅度、基音和零交叉率、倒谱特 征、声音的自适应噪声模型【5J5、基于噪声谱自