采用子带长时信号变化特征的VAD检测

为提高语音活动检测(VAD)在低信噪比下的准确率,提出了一种基于子带长时信号变化特征的VAD算法。将语音信号转换到频域,并分解为几个不重复的子频带,对这些子带信号分别提取长时信号变化特征,然后采用GMM在线建立语音和非语音模型,以模型的似然比进行VAD判决。实验结果表明,算法在较低的信噪比下能够显著地提高语音活动检测的准确率,且在多种噪声环境和信噪比条件下具有较好的稳健性。应用于语音识别系统的实验表明,该算法能有效提高噪声环境下的语音识别率。

基于长时信号功率谱变化的语音端点检测

语音端点检测是语音信号处理的基础,为了提高在低信噪比及非平稳噪声下语音端点检测的准确性,提出了一种基于长时信号功率谱变化的语音特征,利用阈值判决法验证了这一特征在语音端点检测中的应用前景。该方法首先统计信号在长时段下功率谱的变化量;然后进行阈值判决,在初始化后可依据每次的判决结果自适应更新阈值;最后通过投票决策机制来判定当前是否为语音帧。仿真结果表明,与两种经典的基于长时特征(长时段信号变化率和长时段信号谱平坦度)的语音端点检测方法相比,所提方法在不同噪声环境及信噪比下,均具有更高的检测准确率,尤其在非平稳噪声条件下的检测效果提升明显,例如在机枪噪声环境下,平均检测准确率提高超过10%。

一种低虚警概率的啸叫检测方法

啸叫检测是基于陷波器的啸叫抑制算法的关键.而传统的啸叫检测方法普遍存在虚警率偏高,易造成输出语音失真的问题.为此,提出了一种基于长时信号特定频带变化率的啸叫检测方法.首先,通过提取功率谱峰值,确定候选啸叫频点;然后,将候选啸叫频点作为中心频点,并在其两侧分别选取若干个频点组成目标特定频带;最后,测度长时信号在目标特定频带的变化率,并进行阈值判决.仿真实验结果表明,与传统的啸叫检测方法相比,文中方法在取得较高啸叫检出率的同时,可以更有效地控制虚警率.