端點(diǎn)檢測(cè)兩種方法的討論

方臻成

【摘要】 在語(yǔ)音信號(hào)處理中，端點(diǎn)檢測(cè)是十分重要的一項(xiàng)內(nèi)容。端點(diǎn)檢測(cè)，可以在有噪聲的背景中確定語(yǔ)音信號(hào)的起始點(diǎn)和終止點(diǎn)，為后續(xù)處理做必要的準(zhǔn)備。而由于背景噪聲的存在，光從波形上判斷始終點(diǎn)會(huì)有一定困難。本文針對(duì)端點(diǎn)檢測(cè)，介紹短時(shí)能量法與過(guò)零率法兩種方法，并對(duì)這兩種方法進(jìn)行討論。

【關(guān)鍵詞】 語(yǔ)音信號(hào)處理 端點(diǎn)檢測(cè)

一、背景

在錄制語(yǔ)音時(shí)，除了將說(shuō)話人的語(yǔ)音錄進(jìn)計(jì)算機(jī)外，還不可避免地將外界噪聲也錄入計(jì)算機(jī)。因此，在說(shuō)話者沒(méi)有說(shuō)話的時(shí)候，也會(huì)有信號(hào)出現(xiàn)在錄制好的文件中。在這種情況下，就給判斷語(yǔ)音信號(hào)從哪開(kāi)始，在哪結(jié)束帶來(lái)困難。在這種情況下，對(duì)信號(hào)進(jìn)行端點(diǎn)檢測(cè)，來(lái)判斷語(yǔ)音的始點(diǎn)與終點(diǎn)是有必要的。下面介紹的是兩種常用方法：短時(shí)能量法與過(guò)零率法。

二、語(yǔ)音的分類

從發(fā)音特點(diǎn)來(lái)分，語(yǔ)音可以分成很多種。最基本的兩種是元音與輔音。當(dāng)我們發(fā)元音時(shí)，聲帶發(fā)出的聲音氣流從喉腔、咽腔進(jìn)入口腔從唇腔出去時(shí)，這些聲腔完全開(kāi)放，氣流順利通過(guò)，如漢語(yǔ)拼音的a、o、e。當(dāng)我們發(fā)輔音時(shí)，呼出的聲流，由于通路的某一部分封閉起來(lái)或受到阻礙，氣流被阻，與發(fā)聲器官發(fā)生摩擦從而發(fā)出聲音，如漢語(yǔ)拼音的s、t。

三、短時(shí)能量法

將語(yǔ)音信號(hào)數(shù)字化后，信號(hào)x（n）短時(shí)能量定義如下：

■

其中w（n）是窗函數(shù)。由于語(yǔ)音信號(hào)的短時(shí)能量一般會(huì)比噪聲的要大，因此可以通過(guò)短時(shí)能量對(duì)語(yǔ)音信號(hào)的起點(diǎn)與終點(diǎn)進(jìn)行判斷。

四、短時(shí)過(guò)零率法

如果將時(shí)間作為橫軸，聲音的振幅作為縱軸，那么就可以在坐標(biāo)上記錄聲音的波形圖。過(guò)零率就是單位時(shí)間內(nèi)波形穿越時(shí)間軸的次數(shù)。一般來(lái)說(shuō)，噪聲都是頻率高，振幅小的信號(hào)，因此噪聲的過(guò)零率極高。為了屏蔽噪聲的過(guò)零率，我們?cè)O(shè)置一個(gè)閾值。比如說(shuō)，假設(shè)噪聲的幅度一般不超過(guò)a（a是一個(gè)比較小的數(shù)），那么我們就把正負(fù)a作為一個(gè)閾值，只有波形穿越了正負(fù)a這一區(qū)間，才算一次穿越橫軸。這樣，噪聲就在正負(fù)a區(qū)間震動(dòng)，并不會(huì)提高過(guò)零率。這樣，就可以通過(guò)過(guò)零率判斷語(yǔ)音的始終點(diǎn)。信號(hào){x（n）}的短時(shí)平均過(guò)零率定義為：

■

其中sgn是符號(hào)函數(shù)：

■

五、兩種方法的比較

錄取“一、二、三”三個(gè)字節(jié)的音頻，將音頻數(shù)字化后進(jìn)行分幀，幀長(zhǎng)為160點(diǎn)。以160點(diǎn)為幀長(zhǎng)，80為幀移，分別計(jì)算其短時(shí)能量與過(guò)零率。圖1由上至下三個(gè)圖分別是語(yǔ)音數(shù)字化后的波形圖、短時(shí)能量與過(guò)零率。

在三個(gè)圖中，用豎線劃分出來(lái)的部分就是元音部分。從這三個(gè)圖中可以看到，對(duì)于元音，不管用短時(shí)能量還是過(guò)零率，都能較好地看出元音地起點(diǎn)與終點(diǎn)。但對(duì)于輔音，情況就有點(diǎn)復(fù)雜。以音節(jié)“三”為例，“三”包含一個(gè)輔音“s”和一個(gè)元音“an”，從圖中可看出，發(fā)“s”時(shí)，語(yǔ)音的短時(shí)能量非常低，而過(guò)零率卻非常高，這證明，輔音的幅度很小（但比噪音大），而輔音的頻率比元音大得多。因此，如果光用短時(shí)能量，很難判斷出輔音的出現(xiàn)。而對(duì)元音方面，雖然用兩種方法都能判斷元音的始終點(diǎn)，但從音節(jié)“三”看出，元音的過(guò)零率比輔音要低，因此光靠過(guò)零率來(lái)識(shí)別元音，會(huì)有誤差。

因此，從圖1可知，輔音過(guò)零率高而短時(shí)能量小，元音過(guò)零率低而短時(shí)能量大。光靠一種方法來(lái)判斷語(yǔ)音的始終會(huì)有誤差的，應(yīng)該將兩者結(jié)合起來(lái)看。總的來(lái)說(shuō)，在噪聲比較小的時(shí)候，用短時(shí)能量判斷會(huì)比較準(zhǔn)確，而在噪聲比較大時(shí)，用過(guò)零率來(lái)判斷會(huì)比較準(zhǔn)確。

參 考 文 獻(xiàn)

[1] 趙力. 語(yǔ)音信號(hào)處理[M].機(jī)械工業(yè)出版社