基于倒谱距离的语音端点检测改进算法

在讨论传统倒谱距离语音端点检测算法不足的基础上,提出了一种改进方案,该方法首先估计短时信噪比,然后由统计方法确定短时信噪比与门限的关系,进而完成正确的语音端点判决。通过对3种典型噪声环境下信噪比从-5 dB到20 dB的带噪语音信号进行的仿真实验结果表明,所提方法能更为准确地检测到语音端点。

基于倒谱距离的采煤机煤岩截割振动信号识别

在基于煤岩截割振动信号分析的煤岩界面识别过程中,针对常规时频域分析方法对噪声敏感、振动信号能量变化适应性差等问题,提出一种基于倒谱距离的采煤机煤岩截割振动信号识别方法。通过分析振动传感器采集的采煤机不同负载状况下的截割振动信号,得出结论:与采煤机割岩状态相比,割煤状态下得到的振动信号与空载状态下的标准信号的倒谱距离更大;割岩状态下振动信号的倒谱距离呈明显的周期性,且周期为滚筒旋转1周的时间,而割煤状态下的振动信号无此特征。工业试验结果表明,该方法在煤岩硬度差大于10 MPa时,识别准确率达75%。

基于压缩感知观测序列倒谱距离的语音端点检测算法

本文基于语音信号在离散余弦基上的近似稀疏性,采用稀疏随机观测矩阵和线性规划重构算法对语音信号进行压缩感知与重构。研究了语音信号的压缩感知观测序列特性,根据语音帧和非语音帧压缩感知观测序列频谱幅度分布分散且差异较大的特性,提出基于压缩感知观测序列倒谱距离的语音端点检测算法,并对4dB-20dB下的带噪语音进行端点检测仿真实验。仿真结果显示,基于压缩感知观测序列倒谱距离的语音端点检测算法与奈奎斯特采样下语音的倒谱距离端点检测算法一样具有良好的抗噪性能,但由于采用压缩采样,减少了端点检测算法的运算数据量。

基于自适应倒谱距离的强噪声语音端点检测

在有噪声干扰的情况下,传统的语音端点检测方法的检测准确度明显下降。为了在强背景噪声环境下有效区分出语音信号和非语音信号,针对倒谱距离端点检测方法进行了研究,提出了一种基于自适应倒谱距离的强噪声语音端点检测方法。本方法引入倒谱距离乘数和门限增量系数,针对不同信噪比采用不同的倒谱距离乘数,并采用自适应判决门限的方法进行语音端点检测。MATLAB仿真实验结果显示,在不同背景噪声和不同信噪比下,本方法对于语音端点检测具有较高的检测正确率,其端点检测效果明显优于传统端点检测方法,适用于强背景噪声下的端点检测。

基于MFCC倒谱距离与对数的语音端点检测方法

为提高低信噪比环境下语音端点检测算法性能不高的问题,提出将MFCC倒谱距离与对数能量结合进行端点检测。首先,对语音计算对数能量,然后计算改进的倒谱距离,将MFCC倒谱距离与对数能量融合,获得了一种新的语音参数,该参数能有效地提高低信噪比情况下语音与噪声的区别,对参数进行顺利滤波用于语音端点检测,采用自动更新的双阈值进行语音端判别。仿真实验表明,该算法具有较好的适用不同噪声,在低信噪比下依然能获得比较理想的端点检测效果。

倒谱距离和短时能量的语音端点检测方法研究

在讨论传统倒谱距离语音端点检测方法不足的基础上,提出了一种基于倒谱距离和短时能量的语音端点检测改进方法。基于倒谱距离的单参数端点检测方法在高信噪比环境下效果较好,然而在低信噪比的环境下其端点检测性能急剧下降。通过分析倒谱距离和短时能量各自的端点检测特性,建立了一种结合二者特点的双参数判决准则,在保证运算量没有显著增大的前提下提高了端点检测的准确率。仿真实验结果表明,新方法相对于基本倒谱距离端点检测方法,在低信噪比的高斯白噪声环境下端点检测性能有较明显提高。

高噪声环境下基于倒谱距离的语音端点检测算法的实现

为了在高噪声环境下得到较清晰的语音信息，对倒谱距离算法进行了改进，利用语音信号的倒谱向量判断语音端点信息。MATLAB仿真实验结果表明，在白噪声和汽车噪声环境下，信噪比分别为10dB和15dB时，得到的语音单字清晰度分别达到93％和95％，实现了90～1004B高噪声环境下可靠的语音通信。

基于倒谱距离—频带方差的端点检测方法

为了提高语音信号端点检测的准确率,提出了一种基于倒谱距离—频带方差的检测方法。该方法将语音信号倒谱距离和频带方差结合起来,作为检测语音信号起始位置和终止位置的参数。仿真实验表明,该方法比传统方法更有效、更优越,能够比较准确地检测语音信号。

多频声频率成分与感知倒谱距离的初步研究

通过理论计算和主观实验,研究了多频声频率成分在不同频响曲线下与感知倒谱距离和主观评价之间的关系。针对所选定的9种频响曲线和7种节目信号,当频率范围为1～10kHz之间时,感知倒谱距离与主观评价的相关系数最高仅为0.93,最低为0.80,7种信号中只有3种的主客观相关系数高于0.90。而当频率范围为50～15000Hz时,感知倒谱距离与主观评价的相关系数最大达到了0.96,最低为0.85,7种信号中有5种的主客观相关系数都高于0.90。从而得出了在频率成分个数较少的情况下,频率范围比频率间隔需要更优先考虑的结论。

多频声感知倒谱距离与音质评价的研究

文中以多频声作为测试信号,研究电声系统中感知倒谱距离与音质评价的关系。主观评价实验表明,采用多频声信号和听觉感知模型得出的感知倒谱距离能很好地反映频响曲线对音质的影响。当选取合适的评价节目源时,主客观评价结果的相关度均可达到0.84以上,最高可达到0.96。

一种改进的基于倒谱距离端点检测方法研究

在讨论传统倒谱距离语音端点检测方法不足的基础上,提出了一种改进方法。通过对语音信号三个端点检测的特征参数短时能量、短时平均过零率和倒谱距离逐一分析研究,提出了一种结合三者特征的语音参数,将其应用于端点检测中。实验结果表明,该方法相对于基本倒谱距离检测方法,在低信噪比时检测性能有较明显提高。

低信噪比环境下改进的倒谱距离语音端点检测算法

在强背景噪声的情况下,针对传统倒谱距离法端点检测难以判断语音段起止点的问题,提出了一种基于多窗谱估计的谱减法与改进的倒谱距离语音端点检测新方法。首先对每一帧带噪信号进行多窗谱估计得到平滑功率谱,提取前导无话段平均功率谱,再利用谱减法对带噪语音信号进行减噪处理,对语音的减噪是为了更好地进行下一步的端点检测,然后对传统的倒谱距离门限阈值进行改进,得到一种改进的自适应阈值,并结合倒谱距离法进行端点检测。通过仿真实验结果表明,与传统倒谱距离端点检测算法相比,本文方法提高了低信噪比语音端点检测的精度,具有良好的鲁棒性能。

基于改进EMD-TEO倒谱距离的生猪音频信号端点检测

针对生猪音频信号识别中传统端点检测方法存在的抗噪能力差,准确率低等问题,将一种改进EMDTEO(经验模态分解的Teager能量算子)倒谱距离的端点检测方法应用到生猪音频信号的端点检测,对生猪音频信号的2个端点检测特征参数(Teager能量参数和倒谱距离参数)进行研究。仿真试验结果表明:1)与EMD-TEO和倒谱距离端点检测法相比,当高斯白噪声的信噪比(Signal-noise ratio,SNR)为-5dB时,改进后的算法用于生猪音频信号的端点检测准确率达到84.725%,分别高出前2种端点检测算法9.857%和16.403%,SNR为10dB时,仍优于其他2种算法;2)当饲养场背景噪声的SNR为10dB时,改进后的用于生猪音频信号的端点检测准确率达到90.293%,分别高出EMD-TEO和倒谱距离端点检测算法4.972%和7.932%;3)改进后的算法对不同类型的生猪音频信号均呈现出很好的端点检测效果。改进EMD-TEO倒谱距离的端点检测算法在低SNR的环境下,对生猪音频信号的端点检测有较高正确率,且具有一定的鲁棒性。

基于对数能量倒谱特征的端点检测算法

端点检测技术是语音识别的关键技术之一,为了克服传统倒谱距离语音端点检测算法在低信噪比下检测效果的不理想,将对数能量(LE)特征和倒谱(C)特征相结合,提出了一种新的对数能量倒谱特征(LEC),采用模糊C均值聚类和贝叶斯信息准则(BIC)方法估计特征门限,得出了正确的语音端点判断,在三种典型噪声下,对信噪比从-5 dB到15 dB的带噪声语音进行仿真,结果表明LEC法的检测错误率仅为20.25%,明显低于倒谱法和对数能量法,能有效地确定语音的端点并改善语音识别效果。

基于倒谱特征的带噪语音端点检测

在语音识别系统中产生错误识别的原因之一是端点检测有误差 .在高信噪比情况下 ,正确地确定语音的端点并不困难 .然而 ,大多数实际的语音识别系统需工作在低信噪比情况下 ,一些常规的端点检测方法 ,例如基于能量的端点检测方法在噪声环境下不能有效地工作 .本文利用倒谱特征来检测语音端点 ,提出了带噪语音端点检测的两个算法 ,第一个算法利用倒谱距离代替短时能量作为判决的门限 ,第二个算法改进了基于隐马尔柯夫模型 (HMM)的语音检测以适应噪声的变化 ,实验结果表明本方法可得到高正确率的带噪语音端点检测 .

应用倒谱特征的带噪语音端点检测方法

传统的语音端点检测方法以信号的短时能量、过零率等简单特征作为判决特征参数．这些方法在实际应用中，尤其当信号信噪比比较低时，无法满足系统的需要．文中利用语音信号的倒谱特征作为判决抽样信号帧是否为语音信号的依据，并提出了倒谱距离测量法和循环神经网络法．通过对宽带噪声－白噪声干扰情况和一种特殊噪声——汽车噪声情况的实验，发现倒谱特征参数的语音信号端点检测方法在噪声环境下具有传统的能量方法无法比拟的优越性。

一种改进的基于倒谱特征的带噪端点检测方法

影响语音识别性能的一个关键因素是端点检测的准确性。实际应用中的信噪比较低,使得某些高信噪比下性能好的检测算法不能有效地工作,影响系统的识别率。该文针对基于倒谱特征的带噪端点检测算法提出了3点改进:(1) 将语音信号经滤波后分成高低频两子带,分别进行分析;(2) 用LPC美尔倒谱特征LPCCMCC代替常规倒谱特征作为特征参数;(3) 改进噪声估计,使其具有自适应性。实验结果表明本方法在低信噪比下有较好的检测性能。

基于倒谱特征的语音端点检测算法研究

本文在讨论基于倒谱距离语音端点检测算法不足的基础上,提出了两种改进方案.通过对三种典型噪声环境下信噪比(SNR)从-5dB到20dB的带噪语音信号进行的仿真实验结果表明,所提两种改进方案能更为准确地检测到语音的端点.

一种基于倒谱特征的语音端点检测改进算法

提出了一种应用语音倒谱特征参量的端点检测改进算法,对信噪比(SNR)从-10～20dB的带噪语音信号进行仿真实验,结果表明,所提方法能较为准确地检测到语音端点。

基于LPC美尔倒谱特征的带噪语音端点检测

复杂的噪声环境是语音识别系统在实际应用中性能下降的原因之一,识别预处理中的带噪端点检测作为关键技术,其性能的优劣某种程度上决定了识别率的高低。笔者提出了基于LPC美尔倒谱特征的带噪端点检测方法,对语音信号分高低频段分别提取LPC美尔倒谱特征分析,根据Mel倒谱距离判决,采用自适应噪声估计,实验结果表明,该方法计算效率较高,低信噪比下有较好的检测性能。