基于提升小波语音端点检测算法研究.pptVIP

基于提升小波的语音端点检测算法研究 电子信息工程系 电本（一）班 XXX 论文的主要内容 语音端点检测是语音识别中至关重要的技术。无论军用还是民用，语音端点检测都有着广泛的应用。在低信噪比的环境中进行精确的端点检测比较困难，尤其是在无声段或者发音前后。本文讨论了几种常用的端点检测方法，并提出两种基于小波分析的端点检测，并在此基础上描述了基于这两种算法的语音端点检测综合算法，从而实现对语音信号精确端点检测的方法。 本文研究了一种基于信号时频分析理论与提升小波变换相结合的语音信号端点检测算法，既考虑了在时频域分析具有较好的抗噪声性能，又利用提升算法减轻了计算量，提升了计算速度。为了验证设计思想的正确性，本文试验同传统的双门限比较算法进行了比较,验证了建议算法的顽健性及高效检测性能，其结论说明本文建议的方法不仅适合于语音端点检测，同样也适用于含噪声样本的其它分类领域。 本文的内容安排 第一章首描述了在语音信号端点检测领域的发展状况，并指出他们的不足之处，提出改进思想。 第二章详细介绍了关于小波变换的理论知识，包括小波分析数学基础和一维离散小波变换，为信号特征提取的改进方法提供了有力的理论支撑。 第三章内容围绕提升小波，对各个分支理论展开了探讨，并将提升小波与传统小波做出比较，并作出理论阐述。 第四章内容围绕语音端点检测实际应用中的经典方法，对各个分支理论展开了探讨，并将对传统检测方法做出深入分析，提出了基于提升小波的改进方法，即基于提升小波和设立阈值进行特征参数选择相结合的语音端点检测方法，并作出理论阐述。 在第五章内容的编排中，本着理论与实践相结合，实事求是的科学态度，以实验仿真的方式对前面章节中提到的改进方法一一作出验证，并得出相应实验结论，进一步验证本文设计思想的正确性。 小波变换的理论知识 利用小波变换和反变换来进行语音信号端点检测的方法称为小波变换方法。近年来，基于小波变换的端点检测方法在各个领域的端点检测中得到了广泛应用。 小波分析的方法是一种窗口大小(即窗口面积)固定但其形状可改变，时间窗和频率窗都可改变的时频局域化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨，在高频部分具有较高的时间分辨率和较低的频率分辨率，所以被称为数学显微镜。正是这种特征，使小波变换具有对信号的自适应性。 本文将语音信号端点检测分为两个阶段实现，即特征提取和端点检测。本章内容围绕特征提取着重介绍了一些相关理论知识，包括特征描述、特征提取的方法——小波变换、小波逆变换以及小波变换的应用领域，为本文设计的语音信号端点检测方法提供了不可或缺的理论基础 提升小波 提升小波算法是在小波分解与重建理论的基础之上提出的改进方案，因此也被称为“第二代小波变换” 提升格式是针对改进小波分解与重建的过程而进行的。它能用简单方法解释小波变换，并通过找出等效提升方案，改造第一代小波。其改造分为三步：分解、预测、和更新。 理论上这种新型改进算法较之以往的方法不光可以提高运算速度，还可以增强对非线性数据的描述能力。 时域语音端点检测 本章主要论述了时域内分析语音信号的时域特征，主要包括短时能量、短时平均过零率、短时自相关函数和短时平均幅度差等。其中，重点介绍的是短时能量和短时平均过零率。在下一章的实验环节中，将要采用上述两种特征参数作为端点检测的检测内容，从时域上对语音信号进行端点检测并同时作为本次论文设计的基于提升小波的语音端点检测算法研究的对照组。目的是作为对照，凸显出提升小波变换用于语音端点检测的优越性。 本设计的端点检测的模型 含噪语音的4尺度分解 不同尺度的低频和高频信号的分布情况，试验结果表明利用提升小波变换可以把时变的信号分解成若干低频信号与高频信号。可以看出含有噪声的语音信号是在时频域上是可分的。 提升小波用于语音端点检测实验图片 利用数学运算分析软件Matlab对语音信号进行提升小波分析，得到语音与噪声的小波系数后计算均值、方差，再设定一个阈值作为门限，高于这个阈值的视为正常语音，低于这个阈值的视为噪声信号。如此便将二者区分开来。在二者分界处用红线和绿线标记出起点和终点位置即是正常语音信号的端点。 信噪比为-6dB下提升小波算法检测效果 预加重后的语音时域波形图 短时平均过零率和短时能量 端点检测结果 信噪比为-2dB 信噪比为-2dB检测结果 对比结果 就实验结果而论，提升小波算法无疑远远超过了传统时域算法。但平心而论，时域算法也有许多优点是提升小波算法无法比拟的。时域算法理论成熟，思想、观念容易理解，硬件实现难度非常小。此外，大多数信号的特点均在时域上有较好的反映，因此在时域上对信号进行分析可以获得非常详细的诸多信息。提升小波理论尚有许多地方有待进一步完善，理论、概念理解起来比较困难，数