語音端點檢測方法研究

摘 要：文章在研究語音識別系統中端點檢測基本算法的基礎上，分別對利用雙門限的端點檢測方法、利用小波變換的端點檢測方法、利用倒譜相關理論的端點檢測方法原理進行了闡述和說明，并對幾種端點檢測方法的特點進行了分析。

關鍵詞：端點檢測；雙門限；小波變換；倒譜

1 概述

就一般情況下來講，在語音通信過程當中，大多采用有線電話網的方式來進行，但是由于某些地區環境及場合需要等因素，則需要通過無線電臺來作為通信方式。與此同時，在其實際應用過程中，整個通話過程由語音控制來實現。具體來講，有線方說話時本地無線電臺則處于發射狀態，相對應來講遠端無線電臺為接收狀態，相反來講，當有線方沉默的時候，無線電臺工作狀態發轉。其中，語音端點檢測方法和技術是關鍵，基于從某段語音信號當中來準確判斷語音位置（起始點與終止點），從而有效地區分是否為語音信號這樣的目的。該技術對于減少數據的采集量、降低或者排除噪聲段的干擾以及提高系統識別性能等方面具有關鍵作用。

2 利用雙門限進行語音端點檢測

首先確定短時能量和短時過零率符合端點起點判定條件的幀，接著再根據短時過零率和短時能量符合端點終點判定條件的幀。除此之外，對于一些突發性噪聲檢測，比如由于門窗開關所引起的噪聲，相對應來講我們可以通過設置最短時間門限來進行判斷。具體來講，當處于靜音這一語音信號端點檢測段時，如數值比低門限還低，與此同時最短時間門限大于計時長度，那么我們基本上可以確定這是一段噪音。

雙門限的檢測算法結合了短時能量和短時過零率的優點，在得到的端點檢測結果中，其精確度和濁音檢測都能得到很好的保證。現在有很多的端點檢測算法都是根據雙門限的算法進行不同的改進，能使其各有優劣，從而適應于不同的情況和環境。

3 利用小波變換進行語音端點檢測

小波變換屬于時頻分析的一種，具體來說是空間（時間）和頻率的局部變換，因而能有效的從信號中提取信息。小波變換能將信號在時域中表現不了的特征在頻域中表現出來。因此，利用小波變換的這一個特性，根據有效的說話人的聲音數據和背景噪聲數據的頻譜存在明顯差異的特征來進行端點檢測。一般有效的說話人的聲音數據的頻譜分布范圍很大，而且頻率的值也很大。而背景噪聲的頻譜變化不大，而且值也較小。因此先將語音數據分幀，將分幀后的數據進行一次小波變換，再對小波變換后的數據計算方差，如果計算的結果大于一定的閾值，那么這幀即被記為起始幀，若在起始幀存在的情況下計算的結果小于閾值，則被記為結束幀。

4 利用倒譜系數和倒譜距離進行語音端點檢測

（1）預處理：對8kHz采樣信號進行預加重處理，然后分幀加窗，幀長取16ms（128個采樣點），幀移4ms，對每一幀信號加128點的矩形窗。

（2）估計噪聲倒譜系數和倒譜距離：階數p取12，首先假定抽樣信號起始10幀是背景噪聲，利用這10幀的前5幀倒譜系數的統計平均值作為背景噪聲倒譜系數的估計值，用向量表示。同時計算這10幀的后5幀倒譜距離平均值作為背景噪聲倒譜距離的估計值，其中表示當前幀的倒譜系數，為對應的倒譜系數。

（3）逐幀計算值：逐幀計算倒譜系數，然后由每幀信號的倒譜系數和噪聲倒譜系數的估計值計算倒譜距離。

（4）確定判決門限：采用類似于短時能量檢測法所使用的動態門限判決準則。

5 端點檢測方法的對比分析結論

在對三種算法的算法特性、適用情況、檢測精度和檢測速度做一個總體的統計分析比較，三種端點檢測方法的總體比較算法特征適用情況檢測精度檢測速度。

（1）雙門限時域范圍內對聲音數據的能量和過零率分析高信噪比的環境低最快。

（2）小波檢測頻域范圍內對聲音數據進行小波變換后，方差分析高或低信噪比的環境高慢。

（3）倒譜檢測頻域范圍內對聲音數據進行倒譜變換后，計算倒譜距離高或低信噪比的環境高快。

通過對三種算法的比較，可以發現倒譜變換的端點檢測方法是最具有實用價值的。小波方法檢測的聲音數據雖然檢測的精度很高，但是檢測的速度很慢，相對適用于在實驗室的情況下進行端點檢測。

參考文獻

[1]張雄偉，等.現代語音處理技術及應用[M].北京：機械工業出版社，2003.

[2]胡光銳.語音處理與識別[M].上海：上海科學技術文獻出版社，1994.

[3]蔡蓮紅，等.現代語音技術基礎及應用[M].北京：清華大學出版社，2003.

[4]韓紀慶，等.語音信號處理[M].北京：清華大學出版社，2004.

[5]何湘智.語音識別的研究與發展[J].計算機與現代化，2002，79（3）.

[6]趙高峰，張雪英，侯雪梅.一種基于小波系數方差的語音端點檢測方法[J].太原理工大學學報，2006，37（5）.

[7]董力，陳宏欽，馬爭鳴.基于小波變換的語音段起止端點檢測算法[J].中山大學學報（自然科學版），2005，44（3）.

[8]胡光銳，韋曉東.基于倒譜特征的帶噪語音端點檢測[J].電子學報，2000，10（9）.

[9]NASSAR AM， KADER N S， Refat AM. End point s detection for noisy speech using a wavelet based algorit hm[M].Buda2 pest Kluwer Academic Publishers，1999：9032906.

[10]Haigh J A，Mason J S. Robust Voice Activity Detection Using Cep stral Features[J].Computer， Communication， Control and Power Engineering. Proceedings of the IEEE Region 10 Conference TENCON，1993，3（3）.