一个新颖的方法来一个声音活动检测器.docVIP

一个新颖的方法来一个声音活动检测器 榕树下吸烟 吵了 　　提出了环境。广义高斯分布 GGD 被作为一个参数模型嘈杂的演讲中, 　　允许调整的实际数据。根据实验 　　结果,发现该GGD模型 　　相比传统的榕树下吸烟的有效算法 拉普拉斯算子模型。 简介:近年来,已经有了很大的兴趣 　　低码率语音编码技术。的有效利用 　　有限的带宽资源,它是必不可少的描述语言 　　信号以最小的位。为此,一个声音活动检测器 榕树下吸烟 成为一个不可或缺的浮动利率,语音编码的一部分。一个 　　成功的应用程序用来改善的性能 　　榕树下吸烟的可能性是基于模型的统计技术 　　比测试 轻轨交通 应用于一组假设[1]。现行的方式 　　描述语音信号的统计模型的应用 　　复杂的高斯模型的离散傅里叶变换 DFT 域[1,2]。最近,Chang和金姆进一步提高 　　将一个复杂的统计模型榕树下吸烟技术 　　拉普拉斯算子的拉普拉斯算子模型提供了一个更好的模型 　　嘈杂的演讲比传统的高斯谱分布[3]。 　　另外,结果表明广义高斯分布 GGD ,包括高斯和拉普拉斯算子的分布 　　特殊情况,是一个更好的模型相比,离散拉普拉斯算子 　　余弦变换 DCT 系数图像[4]。同时,分布 　　研究了语音信号的DCT系数,所有这一切 　　喜欢比高斯GGD模型[5]。 在这封信中,我们提出一个新颖的榕树下吸烟GGD是技术 　　用于吵闹的演讲分布。自从分布形状 　　GGD由一个参数控制,在线形状参数 　　估计提出了跟踪时变语音信号。 　　基于派生复杂GGD使用估计的形状参数, 　　似然比 LR 的计算和应用于榕树下吸烟 　　的过程。从大量的实验中,该GGD-based榕树下吸烟 　　收益率比传统的拉普拉斯算子和Gaussianbased更好的性能 　　方法。 广义高斯分布:我们首先简要回顾一下GGD 　　这是由 4、5