一种新对数能量谱熵语音端点检测方法.docVIP

一种新的对数能量谱熵语音端点检测方法 　　摘要:将一种新的对数能量(LE)特征和谱熵(SE)特征相结合,提出一种新的对数能量谱熵(LESE)特征,采用模糊C均值聚类算法和贝叶斯信息准则算法进行LESE特征门限估计,并使用双门限法进行语音端点检测.在TIMIT连续语音库上的实验结果表明,相比于能量谱熵(EE)法和对数能量(LE)法,在噪声环境下LESE法具有更好的检测性能,表现出更好的稳健性.当信噪比为-5dB时,LESE法的检测错误率仅为18.02%,在信噪比为0~10dB时,其检测错误率要明显低于EE法和LE法. 　　关键词:语音端点检测;对数能量谱熵;能量谱熵;对数能量 　　 　　A Novel Voice Activity Detection Using Logarithmic Energy Spectral Entropy 　　ZHAO Huan+, WANG Gang-jin, ZHAO Li-xia 　　(School of Computer and Communication, Hunan Univ, Changsha, Hunan 410082, China) 　　Abstract: In this paper, we integrate Logarithmic Energy (LE) and Spectral Entropy (SE), to form a new characteristic that is Logarithmic Energy Spectral Entropy (LESE), using Fuzzy C Means Clustering algorithm and Bayesian Information Criterion algorithm to estimate the thresholds of the LESE characteristic, and using dual threshold method for voice activity detection. Experiments on the TIMIT continuous speech database show that, compared to the Energy spectral Entropy (EE) and LE, in the noisy environments the LESE has better performance not only in the detection aspect but also in the aspect of robustness. When the SNR is -5dB, the detection error rate of the LESE is only 18.02%, and while the SNR is 0~10dB, its detection error rate is significantly lower than the EE and LE. 　　Key words: voice activity detection; log energy spectral entropy; energy spectral entropy; logarithmic energy 　　 　　语音端点检测是语音分析、语音合成和语音识别中的一个重要环节,直接影响到后续工作的准确性.有效的检测语音信号的端点,不仅可以减少语音信号处理的运算量,而且可以有效的提高系统的性能. 　　目前语音端点检测的常规方法分为两类:一类是基于语音信号的时域处理,如短时能量、短时平均过零率和短时相关分析等[1].这些方法在高信噪比下,能够得到准确的检测结果,但在低信噪比下,其准确率非常低.另外一类是基于语音信号的频域处理,如倒谱特征法[2]、谱熵法[3,4]和频带方差[5]等.这些方法具有好的特征,在一定条件下可以取得好的检测结果,但在恶劣的环境下,这些方法的端点检测性能仍然很差. 　　基于上面的原因,结合时域和频域端点检测方法各自的优点,文献[6]提出了一种基于时频特征相结合的能量与谱熵(Energy spectral Entropy, EE)的语音端点检测算法,(1)由于能量在非稳定的噪声环境下,很难区分想要得到的语音和不可预测的背景噪声,而谱熵却能够克服上面能量的缺点,(2)谱熵在嘈杂噪声和音乐噪声下却变得非常不稳定,而能量却能够克服这一缺点,因为能量有一个很好的加性性质,即语音加噪声的能量要大于噪声的能量. 　　文献[7]提出了一种新的对数能量(Logarithmic Energy, LE)特征,与短时线性能量特征相比,不会造成幅度较小的辅音和静音的