短时能量及过零率.pdf

基于短时能量和过零率分析的语音端点 检测方法研究 刘波，聂明新，向俊涛 武汉理工大学信息工程学院，湖北武汉 (430070) E-mail ：ngulb@126.com 摘 要：短时能量分析和过零率分析作为语音信号时域分析中最基本的方法，应用相当广 泛，特别是在语音信号端点检测方面。由于在语音信号端点检测方面这两种方法通常是独 立使用的，在端点检测的时候很容易漏掉重要的信息。本文将这两种方法结合起来，利用 MATLAB 工具对其进行了分析。实验结果表明，检测的效果好于分别使用其中一种方法的 情况。 关键词：端点检测，短时能量 过零率 门限 1 引言 近年来，在语音信号处理领域，关于语音信号中端点检测及判定的研究越来越重要。 作为语音识别的前提工作，有效的端点检测方法不仅可以减少数据的存储量和处理时间， 而且可以排除无声段的噪声干扰，使语音识别更为准确。目前的语音信号端点检测算法比 较多，有短时能量，短时过零率分析，自相关法等等，其中以短时能量和短时过零率用的 最多。大多文献和教材都是把它们分别进行介绍，由于它们各有其优缺点，分别使用作为 语音端点检测的手段难免会漏掉很多有用的信息，因此，笔者将这两种方法结合起来进行 分析，在判断清浊音及静音方面可以起到互补的作用，从语音信号的短时能量和过零率分 析的特点出发，加以门限值来分析将两种方法相结合应用的效果，最后通过Matlab 进行了 仿真。 2 语音信号短时能量和过零率的特征 语音一般分为无声段，清音段和浊音段。一般把浊音认为是一个以基音周期为周期的 斜三角脉冲串，把清音模拟成随机白噪声。由于语音信号是一个非平稳态过程，不能用处 理平稳信号的信号处理技术对其进行分析处理。但由于语音信号本身的特点，在 10~30ms 的短时间范围内，其特性可以看作是一个准稳态过程，即具有短时性。因此采用短时能量 和过零率来对语音进行端点检测是可行的。 信号的短时能量定义为：设语音波形时域信号为x (l) 、加窗分帧处理后得到第n 帧语音信 号为xn (m) ，则xn (m) 满足下式： xn (m) w(m)x (n +m) （2-1 ） 0 ≤m ≤N −1 1, m 0 ~ (N −1) ⎧ w(m) ⎨ 0, m 其他值 ⎩ 其中，n 0, 1T , 2T , L, 并且N 为帧长，T 为帧移长度。 设第n 帧语音信号xn (m) 的短时能量谱用En 表示，则其计算公式如下[4][5][6] ： -1- N −1 E ∑x 2 (m) （2-2 ） n n m 0 如图1 所示为英文单词“eat” 的短时能量。 图1 英文单词“eat”的短时能量 语音和噪声的区别可以体现在他们的能量上，语音段的能量比噪声段的能量大，如果 环境噪声和系统输入的噪声比较小，只要计算输入信号的短时能量就能够把语音段和噪声 背景区分开，除此之外，用基于能量的算法来检测浊音通常效果也是比