針對(duì)固定門限方法在語音端點(diǎn)檢測(cè)技術(shù)中的局限性,為了提高低信噪比下語音端點(diǎn)檢測(cè)的魯棒性和準(zhǔn)確率,將自適應(yīng)門限應(yīng)用于分形維數(shù)的語音檢測(cè)中,提出了一種新的語音端點(diǎn)檢測(cè)算法.該算法通過對(duì)語音信號(hào)產(chǎn)生機(jī)制的分析,將分形維數(shù)用于語音起止點(diǎn)的檢測(cè)中,設(shè)計(jì)了自適應(yīng)門限,從而有效降低了噪聲干擾對(duì)檢測(cè)結(jié)果的影響,并實(shí)現(xiàn)了實(shí)時(shí)檢測(cè).仿真實(shí)驗(yàn)結(jié)果表明,在低信噪比的情況下,改進(jìn)的端點(diǎn)檢測(cè)算法比傳統(tǒng)的短時(shí)能量檢測(cè)算法可更準(zhǔn)確有效地實(shí)現(xiàn)帶噪語音的端點(diǎn)檢測(cè),而且對(duì)噪聲干擾具有更好的魯棒性. 

【文章來源】：東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,41(01)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1 分形維數(shù)端點(diǎn)檢測(cè)的流程圖

無背景噪聲時(shí)分形維數(shù)算法的端點(diǎn)檢測(cè)結(jié)果

圖2 無背景噪聲時(shí)分形維數(shù)算法的端點(diǎn)檢測(cè)結(jié)果由圖2可知，在無背景噪聲下，利用語音信號(hào)的自身特點(diǎn)，分形維數(shù)算法得到了較高的檢測(cè)率．圖3為SNR=10 d B，語音和噪聲相比精細(xì)度更小，規(guī)則度更高，兩者的分形維數(shù)差別明顯，也能找到語音的起止點(diǎn)，有效地進(jìn)行端點(diǎn)檢測(cè)．從圖4可見，當(dāng)SNR=0時(shí)，原始語音信號(hào)中幅值低的部分已經(jīng)被噪聲所覆蓋，尤其體現(xiàn)在語音的起止和結(jié)束部分，無法檢測(cè)出語音端點(diǎn)．究其原因，算法中所使用的門限是一個(gè)固定值，而固定門限對(duì)于波動(dòng)過大的背景噪聲處理能力有限，失去了理想的效果．因此將自適應(yīng)門限引入分形維數(shù)中來改進(jìn)算法．

【參考文獻(xiàn)】：
期刊論文
[1]基于分形維數(shù)的帶噪語音端點(diǎn)檢測(cè)[J]. 賈亮,尹伊,楊慧超.  沈陽航空航天大學(xué)學(xué)報(bào). 2017(05)
[2]Fractal Dimensions of Fractional Integral of Continuous Functions[J]. Yong Shun LIANG,Wei Yi SU.  Acta Mathematica Sinica. 2016(12)
[3]基于頻域能量分布的分形維數(shù)提取型研究[J]. 申希兵,韋容,楊毅.  控制工程. 2016(06)
[4]短時(shí)頻域分形端點(diǎn)檢測(cè)算法[J]. 劉悅,王曉婷.  微電子學(xué)與計(jì)算機(jī). 2015(09)
[5]Speech endpoint detection in low-SNRs environment based on perception spectrogram structure boundary parameter[J]. WU Di,ZHAO Heming,HUANG Chengwei,XIAO Zhongzhe,ZHANG Xiaojun,XU Yishen,TAO Zhi.  Chinese Journal of Acoustics. 2014(04)
[6]強(qiáng)噪聲環(huán)境下改進(jìn)的語音端點(diǎn)檢測(cè)算法[J]. 魯遠(yuǎn)耀,周妮,肖珂,葉青.  計(jì)算機(jī)應(yīng)用. 2014(05)
[7]基于EEMD和ICA的語音去噪方法[J]. 李晶皎,安冬,王驕.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(11)
[8]一種基于倒譜特征的語音端點(diǎn)檢測(cè)改進(jìn)算法[J]. 張志敏,郭英,王博.  電聲技術(shù). 2006(04)



本文編號(hào)：3006811