發(fā)布時間：2021-05-16 21:12

　　針對語音通話中語音段的起始檢測性能不佳,檢測語音連續(xù)性結(jié)構(gòu)受到破壞的問題,提出了一種基于特征流融合的帶噪語音檢測算法。首先,根據(jù)語音特性分別提取時域特征流、譜圖特征流和統(tǒng)計特征流;其次,利用不同的語音特征流分別對帶噪音頻中的語音段進行概率估測;最后,將各個特征流估測得到的語音估測概率進行加權(quán)融合,并利用隱馬爾可夫模型對語音估測概率進行短時狀態(tài)處理。通過對復合語音數(shù)據(jù)庫在多類型噪聲與不同信噪比條件下的性能測試表明,所提算法相對于基于貝葉斯與DNN分類器的基線模型相比,語音檢測正確率分別提高了21.26%與11.01%,顯著提高了目標語音的質(zhì)量。 

【文章來源】：通信學報. 2020,41(04)北大核心EICSCD

【文章頁數(shù)】：9 頁

【參考文獻】：
期刊論文
[1]基于馬爾可夫的有限自動機入侵容忍系統(tǒng)模型[J]. 羅智勇,楊旭,孫廣路,謝志強,劉嘉輝.  通信學報. 2019(10)
[2]Speech recognition algorithm based on neural network and hidden Markov model[J]. Zhao Jianhui,Gao Hongbo,Liu Yuchao,Cheng Bo.  The Journal of China Universities of Posts and Telecommunications. 2018(04)



本文編號：3190407