基于傳統(tǒng)能零比和自相關(guān)函數(shù)主副峰結(jié)合的端點(diǎn)檢測法

蔡誠，章小兵，呂昊

（安徽工業(yè)大學(xué)電氣與信息工程學(xué)院，安徽馬鞍山，243002）

0 引言

端點(diǎn)檢測是語音信號處理的重要組成部分。端點(diǎn)檢測可以從一段含噪或純凈語音中檢測出語音的開始和結(jié)束對應(yīng)的端點(diǎn)。在語音信號處理的過程中，如果輸入信噪比很高，可以用短時(shí)能量區(qū)分語音段和噪聲段，但在低信噪比環(huán)境下，僅用短時(shí)能量進(jìn)行端點(diǎn)檢測的效果會(huì)非常差，所以研究出具備高準(zhǔn)確率且魯棒性好的端點(diǎn)檢測算法十分重要，本文首先利用改進(jìn)的多窗譜減法對語音信號進(jìn)行降噪，然后對短時(shí)能量取對數(shù)，然后用對數(shù)能量除以自相關(guān)函數(shù)主副峰值和過零率的乘積。結(jié)果表明，在低信噪比環(huán)境下，將對數(shù)能量和短時(shí)過零率，自相關(guān)函數(shù)主副峰值結(jié)合，該方法可以實(shí)現(xiàn)更精確的語音端點(diǎn)檢測。

1 改進(jìn)的多窗譜估計(jì)的譜減法

1.1 多窗譜估計(jì)的譜減法

1982年，Thomson在傳統(tǒng)周期圖方法的基礎(chǔ)上提出了一種多窗譜估計(jì)算法。他的算法是在多個(gè)正交數(shù)據(jù)窗上重復(fù)使用同一數(shù)據(jù)序列，得到與數(shù)據(jù)相對應(yīng)的直譜，然后對直譜值進(jìn)行平均，得到誤差和估計(jì)方差較小的譜估計(jì)。

多窗譜的定義為：

其中L是數(shù)據(jù)窗口的數(shù)量；S^mt是第k個(gè)數(shù)據(jù)窗口的頻譜：

1.2 改進(jìn)的多窗譜估計(jì)譜減法

MATLAB中有調(diào)用函數(shù)pmtm，該調(diào)用函數(shù)可以計(jì)算多窗譜的功率譜估計(jì)密度和增加削減因子，然后將多窗譜之間相減，從而降低噪聲影響，得到語音信號的增強(qiáng)。

譜減流程如下：

（1）設(shè)帶有噪聲的語音信號為X（n）,在通過預(yù)處理過后,可以得到語音信號Xi(m)。

（2）將語音信號Xi(m)進(jìn)行傅里葉變換,得到了振幅譜|Xi（k）|和相位譜θI（k），并對2M+1相鄰幀進(jìn)行了平滑處理,得到平均幅度譜|Xi(k)|公式的X（n）是數(shù)據(jù)序列；n是序列的長度；Ak（n）是第k個(gè)數(shù)據(jù)窗口。

式子（3）將其中的第i幀作為中心,并各取中心前后M幀，一共取了2M+1幀，并將2M+1幀取平均值，一般情況下，M的值為1，并在以下幀數(shù)后，每過3幀取一次平均。

（3）將多窗譜的估計(jì)運(yùn)算施加到語音信號Xi(m)上,然后運(yùn)用MATLAB中具有的PMTM函數(shù)去進(jìn)行多窗譜功率譜密度計(jì)算：

（4）對多窗譜功率譜密度進(jìn)行估計(jì)后并重復(fù)相當(dāng)于步驟2的操作,推算出平滑功率譜密度：

從上面式子我們可以看出來，以第i幀作為中心，并在前后各取M幀,一共取了2M+1幀，并將該2M+1幀取均值，一般情況下,M的值為1,即每2幀進(jìn)行一次平均。

（5）假設(shè)有NIS幀前導(dǎo)無語音噪聲段,結(jié)合下面給出的式子,我們可以計(jì)算出噪聲平均功率譜密度值，該表達(dá)式為：

（6）譜減關(guān)系計(jì)算增益因子。

式中，α為過減因子;β為增益補(bǔ)償因子，為了有效去除純音中含雜的污染噪聲，我們要選擇適宜的α值，α值過大了會(huì)造成語音失真，過小了效果不明顯。

（7）由式子(3)的|i(k)|和式子(7)的g(k,i)就可以計(jì)算出譜減幅度譜|Si(k)|值。

最后,將|Si(k)|與θi（k）結(jié)合到一起，然后進(jìn)行離散傅里葉反變換（IDFT）,將語音信號從頻域轉(zhuǎn)換到時(shí)域,通過上述運(yùn)算后，可以得到增強(qiáng)的語音信號Si(m)。

為了在語音信號中獲得更準(zhǔn)確的信號，要先對語音信號進(jìn)行多窗譜降噪處理，這樣可使低信噪比環(huán)境下端點(diǎn)檢測更加穩(wěn)定和準(zhǔn)確。

2 端點(diǎn)檢測特征參數(shù)

2.1 短時(shí)能量

短時(shí)能量可以用來區(qū)分語音和噪音。在噪聲環(huán)境中，語音能量加上噪聲能量可以代表這一段能量的總和。在高信噪比情況下，語音的短時(shí)能量比噪音的短時(shí)能量大，通過計(jì)算這一段語音段的短時(shí)能量，可以區(qū)分語音和噪聲。在高信噪比和不含噪音時(shí)，短時(shí)能量區(qū)分語音和噪音有著很好的效果，但是在低信噪比環(huán)境下，短時(shí)能量檢測的效果會(huì)大大下降，短時(shí)能量為一幀語音信號能量的大小，短時(shí)能量定義：

假設(shè)語音波形的時(shí)域信號為x（n），加窗函數(shù)ω（n）得到的第i幀語音信號為Yi（n），則Yi（n）滿足以下要求建議：

計(jì)算短時(shí)第i幀語音信號Yi（n）的能量公式可導(dǎo)出如下公式：

由此得每一幀的對數(shù)能量:

其中C是常數(shù)，通常大于1。C的引入可以減小En的某個(gè)值與前后值的差異，選擇合適的常數(shù)C有助于區(qū)分噪聲段和語音段，對數(shù)可以緩解伴隨對數(shù)能量的劇烈變化幅度，語音信號的短時(shí)平均能量在噪聲段非常穩(wěn)定甚至接近0，但在語音段具有較高的幅值。此外，對數(shù)能量可以緩和短時(shí)平均能量的急劇變化，并在一定程度上提高平滑語音段的幅度。

2.2 短時(shí)過零率

短時(shí)平均過零率是語音信號波形在一幀語音中通過水平軸（零電頻率）的次數(shù)。連續(xù)語音信號的時(shí)域波形用過零點(diǎn)的方式穿過橫軸。離散信號相鄰采樣值的符號不同就判定為過零.所以短時(shí)平均過零率可以用單位時(shí)間內(nèi)樣本值改變符號的次數(shù)來表示，短時(shí)平均過零率的作用是區(qū)分清音和濁音。清音有著較高的過零率，而濁音過零率則較低.

短時(shí)平均過零率：

符號函數(shù)sgn[x]：

直流分量會(huì)對短時(shí)平均過零率造成一定的影響，所以在計(jì)算短時(shí)平均過零率前，需要先消除直流分量。

2.3 自相關(guān)函數(shù)主副峰比值

噪聲幀和有話幀的自相關(guān)函數(shù)是不同的，圖1和圖2給出了噪聲幀和有話幀短時(shí)自相關(guān)函數(shù)的曲線圖，其中最大峰值都做了歸一化處理.定義主峰和第一個(gè)副峰的比值：

圖1 噪聲信號自相關(guān)函數(shù)

圖2 帶噪語音信號自相關(guān)函數(shù)

式中，R(0)為主峰值；Rm為第一個(gè)副峰值

從圖1，圖2中可以看到在噪聲幀中最大的副峰值在0.1左右，主峰歸1，所以噪聲幀的Ca值為10左右；而在有話幀中第一個(gè)副峰值在0.5左右，主峰歸1，所以它的Ca值為2左右.從中可以看到，噪聲幀和有話幀之間主副峰的比值有很大的差距，所以可以利用這個(gè)特性來提取端點(diǎn).

3 短時(shí)能自零比

上述逐一對短時(shí)能量，短時(shí)過零率，以及自相關(guān)函數(shù)主副峰比值做了分析，通過仿真實(shí)驗(yàn)得到的結(jié)果和查閱文獻(xiàn)資料發(fā)現(xiàn)，在無噪音環(huán)境下或高信噪比的情況下，較為純凈的語音通過這三種特征參數(shù)單獨(dú)來進(jìn)行端點(diǎn)檢測可以表現(xiàn)出非常良好的準(zhǔn)確性，但是在低信噪比的情況下端點(diǎn)檢測的準(zhǔn)確率則會(huì)大大下降.為了使端點(diǎn)檢測在低信噪比環(huán)境下更加準(zhǔn)確，本文將短時(shí)過零率，短時(shí)能量，自相關(guān)函數(shù)主副峰值這三種語音端點(diǎn)檢測特征參數(shù)檢測算法來組合成一種新的端點(diǎn)檢測算法，短時(shí)能自零比通過用對數(shù)能量除以短時(shí)過零率和自相關(guān)函數(shù)主副峰的積，從以上圖中可以看出，在語音的有話區(qū)間能量是向上凸起的，而過零率則和自相關(guān)函數(shù)主副峰則相反，在有話區(qū)間向下凹陷.所以將對數(shù)能量除以過零率和自相關(guān)函數(shù)主副峰值的積，則可以更突出有話區(qū)間的數(shù)值，噪聲區(qū)間的數(shù)值變得更小，拉開了有話區(qū)間和噪聲區(qū)間的數(shù)值差距，更容易檢測出語音的端點(diǎn)。其定義如下:

式中，Ei,Zi和Ci分別代表第i幀對數(shù)能量，短時(shí)過零率和自相關(guān)函數(shù)主副峰比值,Eo,Zo和Co表示前十幀的對數(shù)能量均值，短時(shí)過零率和自相關(guān)函數(shù)主副峰比值,b為一個(gè)較小的常數(shù)，防止(ZI-Zo)(Ci-Co)為0時(shí)出現(xiàn)溢出的情況。經(jīng)過多次實(shí)驗(yàn)a取值為2.8。

能自零特征值提取的流程圖如下:

短時(shí)能自零結(jié)合在一起的新型語音端點(diǎn)檢測法，能夠更好的發(fā)揮增大噪音和純凈語音差異的效果，可以更好的區(qū)分有話段和噪音段，在低信噪比的環(huán)境下具有良好的端點(diǎn)檢測準(zhǔn)確性和穩(wěn)定性。

圖3 能自零比特征值提取流程圖

4 仿真實(shí)驗(yàn)與分析

實(shí)驗(yàn)中所用的語音樣本是純凈不含噪語音，采樣頻率為8kHz，采樣精度為16bit,實(shí)驗(yàn)通過改進(jìn)的多窗譜降噪，通過添加噪聲庫中的白噪音，生成5db,0db和-5db三中不同信噪比情況下的matlab仿真波形圖。圖4-圖9為傳統(tǒng)端點(diǎn)檢測法與本文的端點(diǎn)檢測的效果對比。

圖4 SNR=5db白噪聲能自零比的端點(diǎn)檢測

圖5 SNR=5db白噪聲能零比的端點(diǎn)檢測

圖6 SNR=0db白噪聲能自零比的端點(diǎn)檢測

圖7 SNR=0db白噪聲能零比的端點(diǎn)檢測

圖8 SNR=-5db白噪聲能自零比的端點(diǎn)檢測

圖9 SNR=-5db白噪聲能零比的端點(diǎn)檢測

與圖4、圖6、圖8和圖5、圖7、圖9相比，兩種方法在信噪比較高時(shí)具有較好的精度，但在信噪比較低時(shí)，能自零比端點(diǎn)檢測仍能正確檢測語音信號的端點(diǎn)位置。例如，當(dāng)信噪比為0dB時(shí)，傳統(tǒng)的能零比檢測方法漏掉了判斷，而本文的端點(diǎn)檢測方法可以檢測到“大海”，當(dāng)信噪比為-5dB時(shí)，傳統(tǒng)的能零比檢測方法已經(jīng)基本失效，但本文提出的方法仍能進(jìn)行更精確的端點(diǎn)檢測，說明本文方法在不同信噪比下具有較強(qiáng)的抗噪能力和較好的檢測效果。

5 總結(jié)

本文提出的新的端點(diǎn)檢測算法，通過對語音信號進(jìn)行改進(jìn)的多窗譜降噪處理，然后將自相關(guān)函數(shù)主副峰比值和對數(shù)能量，過零率結(jié)合起來。通過大量的仿真實(shí)驗(yàn)之后發(fā)現(xiàn)，該算法比眾多傳統(tǒng)的端點(diǎn)檢測法在低信噪比環(huán)境下檢測更為準(zhǔn)確，穩(wěn)定性更強(qiáng)，魯棒性更好,且對進(jìn)一步研究低信噪比情況下的語音端點(diǎn)檢測提供了參考。