差分帧能量稳健语音信号活动性检测方法.docVIP

差分帧能量稳健语音信号活动性检测方法 　　摘要:针对噪声环境下常规算法检测准确度下降的问题,提出了一种基于滑动滤波器差分能量输出的稳健语音信号活动性检测方法。利用历史帧信息,使用滑动滤波器对多帧能量进行滤波,根据滤波输出进行阈值决策,设计了一个三态有限状态机,将语音信号分成有声、无声与过渡三种状态,其中过渡态由三个子状态构成,各个子状态之间可以依条件相互跳转,达到吸收高能量平稳噪声和突发噪声的目的。此外,算法在输出判决中引入了滤波器输出能量的一阶差分成分,提高了算法的动态性能。实验结果表明,论文算法的活动性检测结果明显优于传统帧能量判决方法,并对不同水平的噪声干扰具有鲁棒性。 　　关键词:语音活动性检测;滑动滤波器;有限状态机;一阶差分 　　中图分类号:TP391.4文献标识码:A文章编号:1009-3044(2009)31-pppp-0c 　　 　　A Robust VAD Method Using Differential Frame Energy 　　ZHANG Wei-wei 　　(School of Electronic and Information Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China) 　　Abstract: A robust Voice Activity Detect(VAD) algorithm is presented using differential frame energy output.. Moving Average Filter is used to filter the frame energies and get the output compared with pre-decided threshold, based on which the current frame is labeled as speech、noise and transition status. Three sub-status are designed to eliminate the effect of impulse noise and high level stationary noise. First Order Difference of Moving Average Filter is used to get more comformable results in start point and end point detection. Simulation shows that the proposed algorithm outperformes traditional energy-based VAD algorithms and is robust in detecting voice activities under different SNR levels. 　　Key words: voice activity detect; moving average filter; finite state machine; first order difference 　　 　　活动性检测(Voice Activity Detect)又称端点检测,在语音信号数字处理当中具有十分重要的作用。包括语音识别、说话人识别与确认、语音合成、语音编解码等各种应用在内,都离不开语音活动性检测[1]。对于语音识别以及说话人识别与确认系统而言,如果端点检测的结果不够准确,系统的识别性能就得不到保证,另外,如果语音端点检测的结果过于放松,则会增加过多的静音部分,造成系统运算量的增加,同时对识别结果也具有负面影响[2]。 　　传统的语音活动性检测方法主要采用语音信号的基本短时参数:短时能量、过零率等。汉语中的浊音部分短时能量和清音部分短时能量在有声\无声段的区别明显。经过大量的实验,可以统计出短时能量和过零率在有声段和无声段的区别,从而设定阈值,决定当前语音帧属于有声段还是无声段[1]。但是,这种方法在噪声环境中的判别性能有所下降,当信噪比低于一定程度的时候,甚至无法得到正确的判别结果,对于大多数实际应用系统来说,这个问题显得尤其重要。论文提出了一种噪声环境下稳健的语音活动性检测方法,该方法对于不同噪声水平的环境下的语音活动性检测具有很好的鲁棒性。 　　1 算法流程 　　论文算法的系统结构如图1所示。 　　1)窗选帧能量:对输入语音信号进行分帧、加汉明窗,并在一个队列结构当中保存相邻的M帧能量作为滑动滤波器的输入。 　　2)滑动平均滤波器:常规的M阶时域滑动平均滤波器定义为M个采样的算术平均,