基于短时能零积和鉴别信息的语音端点检测

为了提高低信噪比下语音端点检测的准确率,提出了一种新型的语音端点检测算法.该算法利用短时能零积法和鉴别信息的互补优势,一边降噪一边端点检测,而且对于被判为噪声的帧利用基于子带能量鉴别信息方法来进行二次复检,根据鉴别信息来更新噪声能量门限,从而能更准确地跟踪噪声的能量变化.实验结果表明,该方法在信噪比变化比较剧烈的情况下仍然能够准确地进行端点检测,对语音信号的后续处理起到了很好的作用.

基于短时能零熵的端点检测方法

端点检测技术是语音识别系统预处理阶段中的第一个关键技术,而传统的端点检测特征参数LPC距离、倒谱特征、TF参数和分形特征等参数的运算量太大,对硬件要求很高,阻碍了人机交互技术在日常生活中的普及。通过对语音信号三个端点检测的特征参数短时平均过零率、短时能量和基本谱熵逐一分析研究,提出了一种新型的语音参数——短时能零熵值,并作为主要参数应用于端点检测中。实验证明,短时能零熵值结合了信号的时域和频域语音特征,能够对背景噪声做出反馈、并且可以在复杂的背景噪音环境下对语音和非语音做出有效、稳定的区分,其端点检测的隔离度较大,具有稳健的抗噪特性。

一种基于能零积的综合去噪方法(英文)

基于短时能零积提出一种改进的语音综合去噪方法.通过短时能零积实现噪音阈值选择和噪音功率谱的自适应调整,得到较理想的语音起止点和噪音的功率谱估计.根据噪音在语音段和无音段不同的分布特征,噪音功率在不同阶段设置不同的权重,实现更好的谱减去噪.对每连续三帧进行残留噪音处理,可进一步除去残留噪音.实验表明,本法去噪效果优于使用固定噪音功率谱估计的传统谱减去噪方法.

低信噪比环境下改进的新能零熵语音端点检测

语音端点检测是语音处理和识别至关重要的一环.针对传统端点检测方法在低信噪比情况下语音端点检测正确率低,抗噪能力差等问题,本文提出了一种改进的新能零熵特征参数语音端点检测方法.该方法法通过对语音三个端点检测特征参数短时过零率,短时能量和基本谱熵分析研究并提出新的语音参数,即为短时能零熵值,最后采用双门限算法来进行端点检测.仿真实验表明,与传统的能零比端点检测法相比,该方法在不同低信噪比情况下有较高的端点检测准确性.

语音端点检测的仿真研究

语音端点检测在语音处理中占有十分重要的地位。介绍了短时平均能量法、短时平均过零率法和短时能零积法三种语音端点检测法。在低信噪比环境下,利用上述方法进行语音端点检测,检测效果将大大降低。功率谱减法是一种传统的降噪方法。但是功率谱减法采用固定的无音片段作为噪声样本容易引起误差。为此,笔者综合短时能零积法和功率谱减法,提出了加权功率谱减法,并用于语音端点检测。详细地给出了加权功率谱减法的实现步骤。实验结果表明该方法具有良好的性能。

一种语音信号端点检测的改进方法

在研究传统的语音端点检测方法的基础上,为提高语言识别率和准确性,提出了一种新的利用对短时能零和过零率的进行差分的方法来求取语音的起始点,达到了语音端点检测的目的。利用语音段和无声段的边界差异性,运用差分的方法找到语音段的起点和末点,避免了对语音段本身的判定过程,增强了抗噪性能也降低了计算复杂度。通过仿真实验结果可以证明,上述方法优于传统语音端点检测方法。

基于语音学知识的鲁棒性两级语音起点检测方法

语音识别系统的实用化,需要对噪声有很强的鲁棒性,而噪声环境下的端点检测对整个识别系统性能起着关键的作用。提出一种基于语音学知识的两级起点检测方法,其中第一级选取短时能零比和短时谱幅作为初检特征,并采取自适应门限,第二级根据语音起点能量变化和语音性持续时间进行起点的确定。实验结果表明该方法在常见噪声环境下鲁棒性较好,且适于实时应用。

一种改进的语音谱减去噪算法

在谱减去噪过程中噪音的功率谱估计一般根据经验而定,对此提出了一种改进方法,利用含噪语音的短时能零积和基本谱减法,得到语音起止点和噪音功率谱估计,有利于在不同语音阶段对含噪语音进行谱减去噪。最后利用无音阶段噪音特点对去噪之后的残留噪音进行残差处理以彻底去除噪音。仿真实验表明该方法比传统单一的谱减去噪方法效果理想。

调频广播中噪声和语音的检测方法

调频广播中,黑广播出现前会出现一段似高斯噪声,一些人的声音和这些噪声极为相似,若使用傅里叶变换等频域方法很难将这些噪声和语音区分开来。针对上述问题,提出了基于相关函数最大值的方差和基于短时能零比的方差两种方法来区分调频广播中的噪声和语音,通过计算每秒内语音信号的相关函数的最大值和短时能零比的方差,设定合适的阈值。实验结果表明,提出的方法能够有效地区分调频广播中的噪声和语音,同时还有利于提升广播或其他声音处理中声音的清晰度以及监测黑广播的出现。