基于语音存在概率的语音活动检测方法.docVIP

基于语音存在概率的语音活动检测方法 【论文关键词】语音增强语音活动检测语音存在概率 【论文摘要】首先总结了几种常见的语音活动检测 (VAD)方法，然后从计算每帧每个频率点的语音存在概率 出发，提出了一种新的VAD方法，并就其中的一些参数选 择问题进行了讨论。最后给出新方法与传统方法实验结果 对比。 1引言 日常生活中，人们说话有间隙，有必要对一段语音进 行检测，以确定哪些时间上是有语音，哪些时间上没有语 音。在语音编码中，语音活动检测(VoiceActi vityDetect ion, VAD)用来区分有语音段和无语音段。如 果一段时间被判断为无语音段，则不需对其编码。这样可 减少信道带宽的占用，使有限的带宽得到合理使用。在语 音增强中，VA D用来判断一段时间上是否存在语音。如果 某段时间内不存在语音，那么这段时间就只有噪声存在， 因此可以被用来估计和更新噪声功率谱。在语音增强领 域，VAD的性能往往直接影响到最后的结果。因为目前多数 的语音增强算法必须对噪声功率谱进行估计，如果噪声功 率谱估计不准确，就会导致最后的增益函数估计不准确。 准确的噪声功率谱估计须建立在准确的纯噪声段判断的基 础上。 笔者提出了一种新的VAD方法，这种方法建立在每帧 每个频率点的语音存在概率的基础上。根据概率大小判断 是否存在语音。 2语音存在概率估计 为进行VAD,首先对每帧每个频率点进行语音存在概率 估计，该估计大致分为两步：（1）估计是否存在强语音成 分；（2）估计语音不存在概率和语音存在概率。含噪语音 由纯净语音和噪声叠加而成，所以假设 Y （k，1） =X （k，1 ） +D （k，1） （1 ） 其中，Y （k, 1）为含噪信号，X （k, 1）为纯净语 音，D （k，1） 为噪声，k为某一帧的频率点编号，1为帧编号。 估计是否存在强语音成分 含噪语音中某些地方会有明显的语音存在，由于后面 估计语音不存在概率需要用到相邻帧的信息，所以强语音 成分存在会严重影响到语音不存在概率估计。因此有必要 先对某帧是否存在强语音进行判断，如果是，那么在下面 的语音不存在概率估计过程中将不会用到此帧的信息。 对于含噪信号，要进行两次平滑，一次是帧内平滑， 一次是帧间平滑。首先进行帧内平滑 其中，a s为平滑参数且0 根据Yrnin和按照下面的判决准则，判断当前帧是 否含有强语音成分 其中，“0 ”为有强语音存在，“1”为没有强语音存在， y0=, C0=o 估计语音不存在概率和语音 存在概率利用前面强语音成分判断的结果，可通过先 排除含有强语音成分的频率点，再进行帧内平滑和帧间平 滑，最后得到对应于每帧每个频率点的估计量。这个估计 量反映了该帧每个频率点上能量情况。如某顿是无语音帧， 则其各频率点上的估计量将会较小。再通过对一段区间上 搜索最小估计量，将搜索到的结果作为参照标准。当某帧 某个频率点的估计量超过参照标准的若干倍时，即判定此 处含有语音，否则就不含有语音。首先，利用是否存在强 语音的判决结果进行新的帧内平滑和帧间平滑。先进行帧 内平滑 的计算用到了 I （k，1），排除了强语音存在的频率点。 再进行帧间平滑 然后同前面估计是否存在强语音成分一样，进行区间 最小值搜索 定义 1 ) =E{D (k, 1) 2}o由于按照式(1 3)计算语音存 在概率需要估计先验信噪比€和后验信噪比Y，如果估计 不准确，必然导致VAD结果不准确。故这里对此进行简化， 直接用1减去q (k，1 )作为语音存在概率p (k, 1)。 3利用语音存在概率进行VAD 检测指标计算 估计出语音存在概率后，还不能直接用来进行VA D， 因为这些概率是针对每一个频率点的，需要将这些信息转 换为某一帧的评价量。通过对语音存在概率随时间和频率 点分布的观察，发现有2项指标可被用来比较准确地辨别 出有声段和无声段，分别是 其中，pt为某一帧所有频率点的语音存在概率之和， pe为某一帧上语音存在概率为1的所有频率点个数，M为 有频率点数。但是，实验表明，这两个参数虽然总体上可 以看出哪些是无声段哪些是有声段，但起伏可能非常剧烈， 所以需要进行平滑处理。设定 其中，采用了当前帧前面4帧的数据进行平滑。 参数设定判断是否存在语音主要看式（17） ~ （18）中 2个指标是否超过某个门限。具体为 其中，式（1 9）?（20）对一段含噪信号最开始一段的 2个指标求平均，然后利用式（21）?（2 2）得到正式的门 限；W为每帧有频率点数。其判断结果 其中，“1 ”为有语音，“0”为无语音。 4实验结果 为评价该VAD方法的性能，设定如下指标 含噪信号是人工合成的，其中纯净信号来自一段评书 噪声信号取自Noisex-92噪声库，包括白噪声、粉红噪声、 F16战斗机噪声、沃尔沃汽车噪声、闲聊