一种复杂噪声环境下的语音端点检测方法.docxVIP

PAGE PAGE \* MERGEFORMAT 5 一种复杂噪声环境下的语音端点检测方法 熊威，郑建立 （东华大学信息学院，上海 201620） 摘要：噪声环境下的语音端点检测在语音识别系统中占有十分重要的位置。为了提高端点检测的鲁棒性和实时性，本文提出了一种延迟分割策略：以能频比为特征参数确定粗端点，并在此基础上使用排列熵算法确定精确端点，以精确端点为起始点分割语音信号，对所得到的语音片段信号按照分类标准消除噪声信号带来的错误分割。在TIMIT连续语音库与NOISEX-92标准噪声库上的实验表明，文中提出的方法比基于常规的基于零能与谱熵的方法有更好的检测效果，特别是在低信噪比的情况下，效果尤为突出。同时由于排列熵算法的简单易实现，算法的实时性表现非常好，能够为嵌入式移动通信设备提供精确快速的语音端点检测技术。 关键词： 语音端点检测；延迟策略；排列熵；分类标准；能频比； 中图分类号：TP302 文献标识码：B A Robust Algorithm for Detection of Speech Endpoint in Noisy Environment XIONG wei, ZHENG Jian-li (College of Information and Technology, Donghua University, Shanghai 201620, China) ABSTRACT：Accurate Speech endpoint detection in adverse environments is very important for robust speech recognition. To improve the noise robustness and real-time performance of endpoint detection, this paper proposes a delay strategy using energy frequency ratio to find a coarse endpoint and using permutation entropy to locate the precise endpoint. And then use classification criteria to eliminate the incorrect results. The results of experiment based on the TIMIT and NOISEX-92 database show that the proposed algorithm can locate the endpoint more accurate and quicker than the traditional method. KEYWORDS：Speech endpoint detection; Delay strategy ;Permutation entropy; Classification criterion; Energy frequency ratio; 1 引言 语音端点检测的目的是要在较大信噪比的环境下能够准确地区分语音和非语音信号，确定其起始点，它在语音信号的处理中起着关键作用。语音处理系统的工作环境是不同的，因此检测算法必须能够稳定的工作在不同的噪声下，这对算法的鲁棒性要求非常高。同时在实际应用系统中，如果算法的实时性较差，再加上后续的计算时间，会给用户一种系统反应迟钝的感觉，因此对检测算法的实时性也有很高的要求。在过去的几十年中，研究人员对语音端点检测所采取的策略主要有两种： = 1 \* GB3 ①实时策略：选择常用的特征参数如过零率、短时能量、信息熵或者其它基于这些基础特征参数的做一些新的变化而得到的新的特殊特征参数，逐帧扫描，满足预设条件的帧就是所要找的端点。 = 2 \* GB3 ②延迟策略：首先检测一个粗端点，然后再从粗端点向前或者向后回溯，直到确定最终精确的端点。这两种策略在安静的环境下，所确认的端点精度相差不大，但相比较于实时性策略延迟策略的实时性比较差。因此在安静的环境下语音识别系统倾向于选择实时策略。在噪声环境下，尽管延迟策略的实时性仍然没有改善，但是其鲁棒性较好，检测的精度比实时性策略要好很多。在没有其它的辅助改善措施的情况下，实时策略容易受各种冲击噪声的干扰，导致虚报端点或端点位置偏差，甚至端点检测失败。 近些年来研究人员提出一些改进的算法来改善端点检测的鲁棒性:如谱熵法、神经网络建模、模糊理论等。这些算法在一定的程度改善了端点检测性能，但都对噪声做了某些假设，对于实际环境的适应性较弱，实时性不强，实现