時頻結合的帶噪語音端點檢測方法

　　摘 要：提出了一種時頻結合的帶噪語音端點檢測方法。選取時域短時能量和頻域熵構成一個新的特征，采用自適應門限進行端點檢測。實驗結果表明該方法在低信噪比環境下較傳統方法提高了端點檢測的準確率，魯棒性較好。
　　關鍵詞： 端點檢測 短時能量 頻域熵
　　中圖分類號:TN912 文獻標識碼:A 文章編號:1672-3791(2011)04(a)-0000-00
　　
　　語音信號檢測（VAD）的目的是區分語音和背景噪聲，在自動語音識別系統中（ASR）尤為重要，正確的端點檢測能提高語音識別的速度和正確率。端點檢測方法有很多，大體可分為兩類。一類是門限法[1]，這種方法是對每一幀語音信號選取一種特征參數，采用一種判決準則來調整門限，從而檢測語音幀和非語音幀，達到端點檢測的目的。另一類是模式匹配法[2]，估計出語音和噪聲信號的模型參數，其檢測過程類似于識別過程。與模式匹配法相比，門限法更為簡單，快捷。門限法中，比較經典的有Rabiner L R[3]提出的用短時能量和短時過零率作為參數，利用短時能量來檢測濁音，短時過零率來檢測清音，兩者配合實現端點檢測。但是，大量實驗表明，在低信噪比時，這兩個特征很容易受到干擾，且不穩定，魯棒性較差。為了尋找魯棒性更好的特征參數，Shen J L[4]首次提出基于熵的語音端點檢測方法。Shen的實驗表明，語音的熵與噪聲的熵存在很大的區別。譜熵法在機械類非平穩噪聲下（volvo）和低信噪比下其效果比能量檢測更為有效。本文把時域短時能量和頻域熵結合起來對帶噪語音信號進行分析，提取短時能量和頻域熵的乘積（能量熵）作為新的特征參數，并采用自適應門限進行帶噪語音端點檢測。實驗結果表明，此方法在低信噪比下能準確檢測到語音端點，魯棒性較好。
　　
　　端點檢測方法
　　1.1 語音預加重
　　預加重的目的是提升高頻部分，使信號的頻譜平坦化，保持在低頻到高頻的整個頻帶中能用同樣的信噪比求頻譜，以便于頻譜分析和聲道參數分析。帶噪語音信號經一階FIR數字濾波器，以濾除50Hz的電源工頻干擾，然后進行分幀、加窗處理，得到語音信號序列。
　　1.2 特征參數
　　1.2.1 時域短時能量： （1）
　　其中為第i幀短時能量，N為一幀的采樣點數。
　　1.2.2 譜熵
　　熵，來源于統計熱力學，是紊亂程度的測度，在信息論中表示信源的不確定性。先對每一幀信號進行快速傅立葉變換，得到，從而完成由時域到頻域的轉變。
　　概率密度函數：