话音激活检测(VAD)算法的研究.pdfVIP

话音激活检测(VAD)算法研究 王凡 北京邮电大学，北京（100876 ） E-mail ：Wangfan614@ 摘 要：话音激活检测（VAD ）算法能够区分传输语音信号中的语音信号和背景噪音，避免 无用信号的传输，从而节省有限网络资源，因此对VAD 算法的研究有重要的意义。由于一般 静默压缩方法仅考虑高信噪比和平稳背景噪声这种理想通信条件，为了在复杂的背景噪声下 进行VAD 检测，本文应用高阶统计理论的特点设计了一种新的话音激活检测算法，并从客观 和主观的角度对算法进行分析。结果表明，本文提出的算法简单有效的作出VAD 检测。 关键词：自适应多速率编码；话音激活检测；静默压缩；三阶累积量 1. 引言 静默压缩技术的研究一直在继续，在第三代数字移动通信系统中，尽管已经建立了相 应的标准，但还没有一种非常有效的算法使之适用于不同移动环境。尽管VAD 算法在很多领 域都有成功应用，但是以它核心技术的静默压缩技术依然不能在所有通信系统中实用化。然 而，研究表明：在减少下一代数字蜂窝网络的平均传输比特率和移动设备功耗方面，在语音 和数据传输应用问题上，静默压缩技术是一种值得探索研究的方法。 2. VAD 三阶累积量算法的设计和仿真 2.1 三阶累积量理论 话音激活检测（VAD ）算法的研究有很大难度，目前还没有一种算法能够确保通话质量 的同时提供足够高的静默压缩效率。本章在标准算法的基础上，应用高阶统计理论设计了一 种增强高噪声背景下话音激活检测可靠性的方法，减小了应用话音激活检测算法后合成语音 质量的衰减。 2.1.1 基于三阶累积量的话音激活检测算法 由于高斯过程和对称分布的随机过程三阶以上的累积量恒为零[3]，而实际环境中背景噪 声多数可以看作高斯性或对称分布的随机过程，因此可以用三阶累积量作为数学工具来抑制 高斯噪声和非高斯对称分布噪声。又因为语音信号是非对称的，因此在所有延时上三阶累积 量均不为零，故可以用三阶累积量来区分语音和噪声。 由于累积量和多谱分别在时域和频域将信号的自相关和功率谱概念延伸到二阶以上统计 领域，比自相关和功率谱包含更多的统计信息，所以，本文采用三阶累积量作为判决方法， 从理论上说应该是可以更好地区分语音和噪音信号。 2.1.2 语音信号的三阶累积量 假定离散时间信号y (n ) 由语音信号s(n) 和加性零均值随机噪声信号v(n) 组成，即： y (n ) s (n ) +v (n ) (2-1) s(n) 是确定性非平稳信号，对于浊音而言是准周期非平稳的，对于清音是随机的。所以， y (n ) 就是一个非平稳，语音和噪声频谱混合的随机过程。为了解决本章提出的问题，采用定 - 1 - 义在广义时间平均意义上的三阶累计量来设计语音信号检测算法。 1 N −1 C t t E y n y n =+t y n +t （2-2 ） 3y ( 1 , 2 ) lim ∑ [ ( ) ( 1 ) ( 2 )] N →∞ N n 0 上式中C (t , t ) 表示y (n ) 在延时(t , t ) 上的三阶累积量，对于平稳信号[15] 3y 1 2 1 2 C (t , t ) E[ y(n