基于梅尔频率倒谱系数的语音清晰度DRT识别

语音清晰度在通信终端、设备系统语音识别方面具有重要意义。本文对110dB噪声干扰下采集到的语音信号进行谱减法降噪,双门限端点检测提取发音字段,然后提取梅尔频率倒谱系数(MFCC),再将其进行差分计算,得到一阶和二阶分量,结合短时能量作为语音信号的特征参数,最后通过动态时间归整(DTW)进行相似度识别。实验表明,本文算法对汉语清晰度诊断押韵测试(DRT)字表的测试结果高达92.90%,有良好的识别率。

一种舰载低信噪比环境下的音频端点检测算法

针对舰载环境下音频端点检测准确率及鲁棒性较低的问题,提出了一种谱减法和朴素贝叶斯分类器相结合的音频端点检测算法。首先提取纯净音频信号MFCC0与GFCC0构建融合特征,与能熵比特征一同作为朴素贝叶斯分类器的输入进行训练及建模,再利用多窗谱谱减法提升待测含噪信号信噪比,提取信号相关特征,朴素贝叶斯分类器根据待测信号特征判断该信号的类别。仿真实验结果表明,该算法针对舰载低信噪比含噪音频信号与传统方法相比有效降低了虚检和漏检,具有更好的准确性及鲁棒性。

光纤监测系统入侵信号的检测和识别

为改善光纤监测系统监测信号特征复杂及入侵信号检测效率和识别精度低等问题,提出了一种改进的谱减法进行去噪处理,从而有效减少噪声干扰并获得具有高信噪比的监测信号;其次,由于光纤监测信号大部分为静默信号,因此对其进行端点检测从而有效提取入侵信号;最后,基于提取的入侵信号的时频域特征,提出了一种多特征融合深度学习识别模型,从而准确识别入侵类型.

适用于短波信号侦察的话音端点检测方法

针对传统话音端点检测方法在短波低信噪比信道下检测准确率低的问题,提出一种将深度生成对抗网络和自适应参数的子带对数能熵积相结合的话音端点检测方法。该方法首先利用深度生成对抗网络话音增强方法降低噪声对待检测信号的影响,再以自适应参数的子带对数能熵积这一新的话音特征参数为阈值,使用自适应阈值双门限检测法完成话音端点检测。仿真实验结果表明,该方法对于-5 dB信噪比的标准话音库检测的平均加权错误测度仅为13.5%,而对于实际短波侦察信号库检测的平均加权错误测度为16.7%,均优于能零熵法和多窗谱估计谱减与能熵积法。

数字语音降噪系统实现研究

在短波语音通信场景下,基于梅尔倒谱距离的语音端点检测与谱减法降噪和有效的滤波器滤波相结合研究了数字语音降噪系统设计方案。经过对实际采集的带噪语音处理分析,该方案既能够高效实现对强背景噪声的降噪处理,又能够有效抑制“音乐噪声”的影响,算法简洁,资源利用率较高,适合于在可移动的短波接收机的嵌入式芯片中实现。

一种改进的自适应子带谱熵语音端点检测方法

噪声环境下的语音端点检测在稳健语音识别中占有十分重要的地位。自适应子带谱熵法是一种新的端点检测方法,它的思想是将一帧语音分成若干个子带,再用谱熵法进行运算,子带的个数可以自适应选择。该方法具有一定的稳健性,但随着信噪比的降低,语音端点检测的准确性也随之下降。提出了一种结合加权功率谱减的子带自适应谱熵法,并给出了该方法的实现步骤。该方法采用边降噪边用稳健性好的特征参数做语音端点检测,从两个方面来提高端点检测的准确性。实验结果表明该方法具有良好的性能,在不同信噪比的不同加性噪声下系统识别率都有提高。

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。

基于频谱方差和谱减法的语音端点检测新算法

针对低信噪比情况下频谱方差法对语音信号进行端点检测时准确率降低的问题,提出了一种结合频谱方差和谱减法的语音端点检测新算法。算法采用改进的谱减法对语音信号进行动态降噪处理,并依据得到的降噪后信号的频谱方差设置双门限值进行端点检测。仿真实验表明,该方法具有抗噪性好、自适应性强等优点,在低信噪比情况下检测的准确率与普通的频谱方差法相比有很大的提高。

改进的语音端点检测技术

为了提高低信噪比下语音端点检测的性能,提出了一种改进的基于谱减法和自适应子带谱熵的语音端点检测方法。该方法先利用谱减法对带噪语音消除加性噪声,及时更新背景噪声估计,再对增强后的语音信号利用改进的自适应子带谱熵进行端点检测。实验结果表明,该方法具有良好的检测性能,相对传统方法提高了端点检测的准确率,在低信噪比环境下仍能比较准确地检测到语音的端点。

一个基于谱熵的语音端点检测改进方法

本文提出了基于谱熵和谱减法相结合的带噪语音端点检测改进算法以及端点检测的判决准则 .仿真实验表明 ,在语音信号受到强噪声的干扰后 (5dB≤SNR≤ 15dB) ,所提方法可检测到准确的语音端点 .

一种新的对数能量谱熵语音端点检测方法

将一种新的对数能量(LE)特征和谱熵(SE)特征相结合,提出一种新的对数能量谱熵(LESE)特征,采用模糊C均值聚类算法和贝叶斯信息准则算法进行LESE特征门限估计,并使用双门限法进行语音端点检测.在TIMIT连续语音库上的实验结果表明,相比于能量谱熵(EE)法和对数能量(LE)法,在噪声环境下LESE法具有更好的检测性能,表现出更好的稳健性.当信噪比为-5 dB时,LESE法的检测错误率仅为18.02%,在信噪比为0～10 dB时,其检测错误率要明显低于EE法和LE法.

车载环境下基于样本熵的语音端点检测方法

在语音处理中一个关键性问题是如何准确找到语音的起止位置,目前提出许多的语音端点检测算法不能得到理想的检测结果.由于样本熵是近似熵的改进算法,提出车载环境下基于样本熵的语音端点检测方法,并采用模糊C均值聚类算法和贝叶斯信息判决算法进行样本熵特征门限估计,以及使用双门限法进行语音端点检测.在TIMIT连续语音库上的实验表明,车载噪声环境下,样本熵法和近似熵法的检测正确率均远高于谱熵法和能量谱熵法,而样本熵法相对于近似熵法具有更好的检测效果,特别是当信噪比小于等于0dB时,样本熵法的检测性能优于近似熵法近10%.因此,样本熵法在车载智能语音领域具有很好的应用前景,能够为车载导航提供准确的语音端点检测技术.

基于改进谱减法的语音增强研究

语音增强技术是语音信号处理中的重要课题之一,谱减法是目前语音增强处理中常用的方法。针对传统谱减法残余音乐噪声过强,清音部分损失严重的缺点,引入了一种利用语音信号的短时平均幅度差特征并结合短时平均幅度的语音检测算法,对传统的谱减法进行了改进。根据采集的真实航空噪声数据,将传统谱减法和改进的谱减法结果进行了比较分析。仿真结果表明,改进形式的谱减法可以有效降低音乐噪声,提高信噪比和可懂度,可以满足语音增强的要求。

分形理论在语音信号端点检测及增强中的应用

为了提高现有谱相减方法处理低信噪比语音信号的效果, 利用时间序列信号的短时分形维数对低信噪比语音信号的端点检测方法进行了研究, 提出了一种基于端点检测的谱相减语音增强方法, 给出了其原理及具体算法。仿真实验结果表明, 该方法简单可靠, 有效可行, 当语音信号信噪比降到 -5dB时仍然有效; 与已有方法相比, 具有更广泛的实用性。

多特征相结合的带噪语音端点检测算法的研究

提出了一种抗噪声的端点检测新方法。针对谱熵特征对清音的检测性能以及抗噪声性能较差的缺点,结合对清音检测性能较好的短时过零率特征,以及抗噪声性能良好的美尔倒谱距离特征,实现了基于多种特征相结合的抗噪声的语音端点检测。仿真实验表明,该方法能显著提高端点检测在高噪声环境下的检测性能。

语音端点检测研究

论文对噪声环境下的语音端点检测方法进行了系统地研究。由于传统的短时能量和短时过零率双门限算法在低信噪比条件下不能检测出语音信号的端点,对此,本文提出了一种改进的谱熵-双门限算法,文中给出了改进算法的实现框图,并用MATLAB进行了算法仿真,仿真结果表明该算法具有一定的鲁棒性,在较低信噪比下仍能准确地区分有用信号和噪声,从而验证了该算法的有效性和高效性。

一种改进的基于谱熵的语音端点检测技术

论文提出了基于时频谱减增强和谱熵的语音端点检测算法。算法对带噪语音在频域利用谱减法去除宽带加性噪声,在时域去除由谱减带来的残差噪声从而对语音进行了增强。对增强后的语音利用谱熵特征进行端点检测。实验结果表明,此算法快速有效,具有较强的抗噪能力,特别适合低信噪比的语音端点检测。

低信噪比下语音端点检测算法的改进研究

传统的端点检测在信噪比较高的环境下可以有效地对语音进行端点检测,但是在低信噪比环境下端点检测的正确率急剧下降。针对在低信噪比环境下语音端点检测正确率不高的问题,提出一种将调制域谱减法和对数能量子带谱熵相结合的的端点检测算法;该算法首先利用调制域谱减法去除带噪语音的噪声以提高语音信号的信噪比,然后结合对数能量和子带谱熵算法对消噪后的语音信号进行端点检测。实验仿真结果表明,该算法在低信噪比环境下能有效提高语音端点检测的正确率且具有一定的稳健性。

一种基于自适应谱熵的端点检测改进方法

在低信噪比的环境下,为增强与噪声的区分度,提出了一种适应于低信噪比环境的语音端点检测方法。通过改进语音端点检测的特征参数,更好地区分语音信号与噪声信号,提高在低信噪比环境下的端点检测正确率。基于子带谱熵,引入正值常量对基本谱熵参数进行算法改进,得到改良的负谱熵特征,并结合自适应子带选择方法,得到一种新颖的特征参数——自适应子带常量负谱熵。特征在低信噪比的情况下有较强的抗噪能力,并能够准确地检测出语音端点。实验结果表明,不仅快速有效,具有较强的鲁棒性,而且适合低信噪比的语音端点检测。

一种基于实时噪声估计的改进谱减法

针对非平稳噪声环境和低信噪比下的语音增强,提出了一种基于实时噪声估计的改进谱减法。该方法首先利用临界带特征矢量距离进行端点检测,然后利用低频区和高频区带噪语音特性定义一个时变的调节系数,该系数结合端点检测可以实时地对噪声的估计值进行更新,从而达到快速跟踪外界环境变化的目的。仿真结果表明,该方法在抑制背景噪声、提高信噪比、减少语音失真等方面优于传统的语音增强方法。