基于hmm与svm的语音活动检测.pdfVIP

第40卷 第 1期 计 算 机 工 程 2014年 1月 V0l1．40 NO．1 ComputerEngineering January 2014 · 人工智能及识别技术 · 文章编号：100o_428(2o14)01—_0203—__06 文献标识码：A 中田分类号：TP18 基于HMM 与SVM 的语音活动检测 肖佳林，赵聿晴，王 英 (湖南大学信息科学与工程学院，长沙 410082) 摘 要：工程机械强噪音环境下的噪声源较多，导致电话语音通话无法进行，且强噪声造成无效数据 占用带宽。为此，提出基于 隐马尔科夫模型(HMM)和支持向量机(SVM)的语音活动检测算法。该算法将提取的美尔频率倒谱系数特征向量输入到HMM 识别 器中，并通过Viterbi算法得到Ⅳ维最佳识别结果，将其转换为 SVM特征向量输入到SVM分类器中进行分类判别，得到判决结果。 实验结果表明，该算法在机械工作噪音的情况下，语音检测率较静态统计类算法平均提高9％，比小波支持向量机方法提高 11％， 在驾驶室噪音的情况下比小波SVM方法有较小幅度的提高，但其增长速度较快，且比传统的统计类算法提高9％。 关健词：美尔频率倒谱系数；隐马尔科夫模型；支持向量机；语音活动检测；核函数 VoiceActivityDetectionBased0nHMM andSVM XIAO Jia—lin，ZHAOYu-qing，W ANG Ying (CollegeofInformationScienceandEngineering，HunanUniversity,Changsha410082，China) [AbstractlIntheconstructionmachinerystrongnoiseenvironment，therearelotsofnoisesource，speechofteniscoveredbythe machine’snoise，callsoftencannotSUCCESSandwastebandwidth．Tosolvethisproblem，anewVoiceActivityDetection(VAD)algorithm basedonHiddenMarkovModeI(HMM)andSupportVectorMachine(SVM)(HMM／SVM—VAD)isproposed．ThisalgorithminputstheMel FrequencyCepstrumCoefficient(MFCC)intotheHMM，andgetstheN—bestRecognitionresultsbyusingViterbialgorithm，andtransforms theN—bestrecognitionresultstoSVM featurevector．ItusestheSVM togettheclassificationresults．Experimentalresultsshow that HMM ／SVM—VAD isbetterthanthetraditionalstatisticalalgorithm andwaveletSVM algorithm．Inthecaseofmachineworknoise，new methodimprovesbytheaverageof9％ thanthestaticstatisticalalgorithms，improves11％ thanthewaveletSVM algorithm，inthecaseof cabnoise，thenewmethodimprovessmall，butithasfastergrowth，andimprovesby9％ thanthetraditionalstatisticalalgorithm． [KeywordslMelFrequencyCepstrumCoefficient(MFCC)；HiddenMarkovModel(HMM)；SupportVectorM