基于Rayleigh噪声统计分布的有音区检测

依据噪声能量谱密度(PSD)分布的拖尾特性,本文采用瑞利(Rayleigh)分布表示噪声能量谱密度的分布,推导出基于Rayleigh分布的新判决阈值更新表达式,并提出一种改进的有音区检测(VAD)算法。由于Rayleigh分布下虚警概率具有解析表达式,从而避免了计算逆互补误差函数,降低了算法的复杂度。实验结果表明,在非平稳噪声环境下,其性能指标值优于文献[8]的算法。

基于语音端点检测的全腹部肠鸣音信号识别

肠鸣音是人体重要的生理信号之一,不同的肠鸣音能够反映不同的胃肠状态。该文通过自主设计的可穿戴全腹部肠鸣音记录仪,获取长时程肠鸣音数据,在自适应噪声对消、小波阈值去噪处理之后,采用基于短时能量的语音端点检测方法,可识别有效肠鸣音。实验过程和结果表明,肠鸣音记录仪操作简单、可靠,通过处理、分析和端点检测提取算法,对于有效肠鸣音的识别准确率高,具有一定的临床实用性和研究意义。

一种无门限U/V判决和基音检测算法

在实验研究自相关法(ACF)和平均幅度差法(AMDF)基音检测性能的基础上,提出了一种无门限清/浊音判决和基音检测算法。该算法对语音帧分别计算AMDF和LPC残差信号的自相关(LACF),比较两种方法所得的基音,得出清/浊音判决结果和浊音帧的基音周期。只用一次逻辑判断,无需比较门限;在多种声码器上应用该算法进行语音编/解码仿真实验,表明判决和检测算法具有较高的准确性和较强的噪声鲁棒性。

一种基于奇异谱的语音激活检测方法

为了提高语音激活检测在低信噪比环境中的检测性能,提出了一种基于奇异谱的语音激活检测方法。首先用多窗口方法计算每一帧语音信号的相关矩阵;然后对相关矩阵进行奇异值分解;利用奇异值可以反映有用信号和噪声分布情况的特性,将每一帧语音信号经过加权处理后的最大奇异值与自适应阈值进行比较进行语音激活检测。该方法原理简单,易于硬件实现,通过实验仿真表明,在低信噪比环境下,和基于对数能量方法相比,本文方法也能够很好的区分语音段和非语音段,有良好的检测性能。

基于噪声分类和双自适应阈值判决的语音活动检测方法

为了解决复杂背景噪声环境中语音活动检测(voice activity detection,VAD)命中率较低的问题,提出具有环境意识的VAD算法。针对常用算法中采用单阈值抗噪性差的不足,对语音帧和噪声帧相互转换过程采用不同阈值,并对两个阈值进行自适应更新;为克服单一特征无法应对复杂环境的缺陷,提出将统计模型似然比、能量熵特征和平均谐波数量值特征等进行特征联合的方法;引入环境噪声分类的思想,利用支持向量机对噪声环境进行分类,并根据噪声类型选择最优特征组合,进一步提升算法性能。使用NOIZEUS语音库,以babble、pink、white、f16、volvo这5类噪声作为背景噪声,通过仿真实验评估了所提出算法的性能,比较了各类特征组合的命中率。实验结果证明,所提方法的识别效果优于现有算法,针对各种噪声可取得约80%的总体命中率,且能更好地平衡语音命中率和虚警率。

基于Teager能量算子的语音激活检测

针对大多数语音激活检测(VAD)方法在低信噪比情况下性能急剧恶化的情况,提出了一种基于Teager能量算子(TEO)的语音激活检测方法.它能结合语音增强技术,应用Teager能量算子进行自适应门限判决.实验结果表明,在低信噪比的情况下,该方法能够随着环境自适应门限,具有较高的准确率和稳定性,简单有效.

基于小波包变换的自适应门限的语音激活检测

语音激活检测是语音信号处理的一个重要环节。在低信噪比的情况下,传统的检测方法已不适用。为了提高语音激活检测的性能和鲁棒性,针对主要由白噪声组成的噪声背景,提出了一种基于小波包变换的自适应门限的语音激活检测方法(VAD),它将语音信号进行小波包变换,得到各个子带信号,各个子带信号通过Teager能量算子(TEO)将有声部分强化,同时衰减无声部分,最后进行自适应门限判决。实验结果表明在低信噪比的情况下,算法能够正确判别语音段和噪声段。

基于临界带功率谱方差的端点检测

端点检测作为语音信号处理的关键技术,其准确性直接影响到语音识别系统的计算复杂度和识别能力。在人耳听觉特性理论研究的基础上,利用语音段和背景噪声段临界带功率谱上的差异,提出了一种基于临界带功率谱方差的端点检测方法。通过自适应门限值的选取,该方法对背景噪声具有良好的跟踪性能。在不同的信噪比条件下,进行了端点检测实验。结果表明:该方法与传统的短时能量和短时平均过零率方法、谱熵方法相比,可以有效降低背景噪声的影响,具有更好的鲁棒性和正确率。

低信噪比下多参数融合的自适应语音端点检测

传统语音端点检测方法利用语音和噪声在某单一参数特征上的差异进行信号中语音起止点的切分,但不同参数在低信噪比不同噪声环境下表现不稳定,鲁棒性差。因此,本文提出了基于均匀子带谱方差,能熵比,梅尔倒谱距离,似然比四种参数相融合的语音端点检测方法。该方法能自适应地改变各参数阈值,并通过实时监测噪声段能熵比的值确定所采用的投票判决机制,从而进行语音端点判定。实验结果表明,该方法在低信噪比下较常用的端点检测方法有更高的检测正确率及鲁棒性,对语音信号后续处理工作有一定的借鉴意义。

高噪声环境下的语音活动检测技术

以MOTOROLA公司生产的DSP56F801芯片为核心搭建系统硬件电路,对语音信号进行处理。采用能够根据背景噪声变化而自适应调节门限的算法对语音活动进行精确检测,实现整机系统在高噪声环境下的正常通讯。实际检测结果表明:在100、110、115dB的强背景噪声环境下,系统识别率分别为100%、96%和94%,丢字漏字率分别为2%、5%和10%;在100～110、110～115dB的背景噪声环境,系统稳定性分别为100%和98%。采用此种算法,增强了系统的抗干扰能力,在高噪声和噪声不太稳定的环境下,实现了对语音活动的精确检测。

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性,提出了一种联合自适应阈值活动语音检测(VAD)算法和最小均方误差对数谱幅度估计(MMSE-LSA)的实时降噪算法。首先,在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计,对得到的背景噪声进行实时更新并保存;然后,将实时更新的背景噪声作为MMSE-LSA的参考噪声,并对噪声幅度谱进行自适应更新,最后进行降噪处理。通过在真实场景中对四类声信号进行实验,结果表明,该算法在保证对低SNR声信号的实时处理的情况下,相较于传统MMSE-LSA算法,降噪信号的SNR能够提高10~15 dB,且不存在信号过减的情况,可应用于实际工程。

自适应抗噪的清/浊/静音判决算法

清/浊/静音判决(UVS)是语音压缩、合成以及识别中的一个重要参数。为了解决传统判决方法训练过程复杂,导致语音编码效率低的问题,给出一种无训练过程的判决方法。提取基于循环平均幅度差的特征参量,利用判决参数间的相关性,自适应调整阈值,实现清/浊/静音判决。该判决方法具有很好的抗噪声干扰能力,有效提高判决的准确率。测试结果表明:该算法简化了清/浊/静音判决的计算量,清音误判率降低了10%,浊音误判率保持在4%以内;将该算法应用于低速率语音编码方案MELP(mixed excitation linear prediction)0.6 kbps的清浊音判决中,解码后的合成语音质量优于原始MELP编码方案,PESQ分数提高0.3,具有较好的可懂度和自然度。

基于自适应算法的煤矿通信系统语音网关研究

分析了现有煤矿的通信联络系统,通过对语音网关的研究,提出将井下各个通信系统通过语音网关接入以太网,并由上位机统一管理。在语音系统中加入基于自适应能量检测静音算法的静音检测机制,提高带宽利用率,同时对回声消除模块进行自适应滤波器算法的改进,提高语音质量。仿真结果证明,加入回声消除算法的语音网关,语音通信质量较高,性能较好,满足井下通信要求,为优化煤矿通信联络系统提出了新的方法。