话音活动检测的模型及其在移动通信中的应用

本文给出了基于ＡＤＰＣＭ编码的话音活动检测器（ＳＡＤ）及其模型，并应用该模型分析了分组预约多址（ＰＲＭＡ）协议的性能。

行驶汽车环境中的话音活动检测研究

话音活动检测是语音交互和通信系统的重要部分,其作用是区分输入信号中的语音段和背景噪声段,检测的依据主要是语音和噪声的各种时频特性,其中,浊语音的周期性和谐波特性是一种广泛应用的特征。但是在行驶的汽车环境中,由于噪声非平稳且信噪比较低,这类特征较难得到可靠的检测。为此,本文根据浊音谐波结构的基本规律,利用时变噪声环境中各频带信噪比不同的特点,提出一种较为鲁棒的谐波快速检测算法。算法以较小的时频块为分析单元,利用一组基频在对数尺度上变化的谐波模板,自适应地搜索谐波结构清晰的部分,并以此检测浊语音信号。实验证明,该算法能够在行驶的汽车环境中达到较可靠的话音/非话音区别效果。

基于频谱方差的抗噪声语音端点检测算法

在语音识别系统中,对识别的准确性有很重要的作用。对于纯净语音信号,传统的端点检测算法能够很好地检测语音部分的起止点。由于在有噪声干扰的情况下,算法的检测准确度往往会急剧下降。为了改善噪声环境下的端点检测效果,从语音信号和噪声信号频域分布特性的差异出发,用频谱方差数值来区分语音和噪声,提出了基于频谱方差的端点检测算法,并进行了无噪声和噪声环境下的仿真,证明了这种算法在强噪声干扰的情况下也能够取得很好的效果。同时将新算法和传统的基于LPCC的端点检测算法进行了对比试验,实验结果表明,在噪声环境下,新算法的检测精度有明显提高。

一种新的基于混沌的语音、噪声判别方法

语音通信中 ,区别发音段和非发音段具有一定的意义 ,其关键在于提取发音段和非发音段的不同特征参数。本文基于混沌信号处理 ,提出了一种新的语音、噪声判别方法。该方法提取信号在不同相空间重构维下的虚邻点 ,从而根据信号高维虚邻点平台的不同 ,判别发音段和非发音段 (背景噪声 )以及发音段所含噪声的强弱。本文阐述了该方法的原理 ,讨论了其性能。仿真实验表明 。

适应噪声强度突变的噪声估计加速方法

为提高传统噪声估计方法对噪声强度突变的跟踪能力,本文在最小值控制递归平均(MCRA)方法基础上提出了噪声估计加速方法。该方法首先检测功率谱的突变,在检测到突变后设定具有自适应长度的拖尾段,并在拖尾段中利用对数似然比、谱熵和平均幅度差函数进行话音活动性检测(VAD),而后结合噪声估计与功率谱最小值比例等辅助参数判定是否对噪声估计进行强制更新。ITU-T G.160测试结果表明,噪声估计加速算法的引入未对噪声强度平稳情况下的语音增强算法性能产生影响,但显著降低了噪声强度突变时的收敛时间,并在很大程度上抑制了噪声估计收敛段中的音乐噪声。