【摘要】：針對現(xiàn)有基于隱馬爾可夫模型(HMM)的語音激活檢測(VAD)算法對噪聲的跟蹤性能不佳的問題,提出采用Baum-Welch算法對具有不同特性的噪聲進行訓練,并生成相應噪聲模型,建立噪聲庫的方法。在語音激活檢測時,根據(jù)待測語音背景噪聲的不同,動態(tài)地匹配噪聲庫中的噪聲模型;同時,為了適應語音信號的實時處理,降低了語音參數(shù)提取的復雜度,并對判決閾值提出改進,以保證語音信號幀間的相關性。在不同噪聲環(huán)境下對改進算法進行性能測試并與自適應多速率編碼(AMR)標準、國際電信聯(lián)盟電信標準分局(ITU-T)的G.729B標準比較,測試結(jié)果表明,改進算法在實時語音信號處理中能夠有效提高檢測的準確率及噪聲跟蹤能力。
[Abstract]:Aiming at the problem of poor noise tracking performance of existing speech activation detection (VAD) algorithm based on hidden Markov model (hmm), a Baum-Welch algorithm is proposed to train the noise with different characteristics and generate the corresponding noise model. The method of establishing noise database. In speech activation detection, the noise model in the noise database is dynamically matched according to the different background noise of the speech under test, and the complexity of speech parameter extraction is reduced in order to adapt to the real-time processing of speech signal. The decision threshold is improved to ensure the correlation between speech signal frames. The performance of the improved algorithm is tested in different noise environments and compared with the adaptive multi-rate coding (AMR) standard and the G.729B standard of the International Telecommunication Union Telecommunication Standards Substation (ITU-T). The test results show that, The improved algorithm can effectively improve the detection accuracy and noise tracking ability in real-time speech signal processing.
【作者單位】： 信號與信息處理重慶市重點實驗室(重慶郵電大學);
【基金】：重慶市科委自然科學基金資助項目(cstc2015jcyjA40027)~~
【分類號】：TN912.3

【相似文獻】

相關期刊論文 前10條

1 史笑興,王太君,何振亞;二階隱馬爾可夫模型的學習算法及其與一階隱馬爾可夫模型的關系[J];應用科學學報;2001年01期

2 胡迎松,朱阿柯,陳剛,陳中新;一種基于二維隱馬爾可夫模型的圖像分類算法[J];計算機應用;2005年04期

3 張慧麗;;基于混合二階隱馬爾可夫模型的基因結(jié)構(gòu)預測[J];電腦知識與技術(學術交流);2007年14期

4 俞琰;;基于隱馬爾可夫模型的招聘網(wǎng)絡信息抽取[J];北京電子科技學院學報;2008年04期

5 方浩;許鴻文;蔡益宇;;一種基于語義關系改進的隱馬爾可夫模型研究[J];通信技術;2008年05期

6 李玉擰;;二維隱馬爾可夫模型的幾個等價定義[J];北京工業(yè)大學學報;2008年06期

7 俞琰;;基于隱馬爾可夫模型的招聘網(wǎng)絡信息抽取[J];自動化技術與應用;2008年10期

8 侯昭武;;隱馬爾可夫模型的拓樸應用[J];河南師范大學學報(自然科學版);2009年06期

9 劉輝;楊俊安;許學忠;;一種改進的隱馬爾可夫模型訓練方法及其在聲目標識別中的應用[J];電路與系統(tǒng)學報;2011年01期

10 黃崗;;馬爾可夫及隱馬爾可夫模型的應用[J];電子設計工程;2013年17期

相關會議論文 前10條

1 史笑興;王太君;何振亞;;論二階隱馬爾可夫模型與一階隱馬爾可夫模型的關系[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

2 馬勇;金峗;顧明亮;趙力;;基于隱馬爾可夫模型的漢語方言辨識[A];2009’中國西部地區(qū)聲學學術交流會論文集[C];2009年

3 吳志強;陳珂;遲惠生;;基于隱馬爾可夫模型的有限詞匯集內(nèi)與文本無關的說話人辨認的研究[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

4 徐毅瓊;李弼程;王波;;隱馬爾可夫模型在人臉檢測與識別中的應用[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

5 吳成東;柴佩琪;;基于分類的隱馬爾可夫模型的聲母識別[A];第一屆全國語言識別學術報告與展示會論文集[C];1990年

6 徐東風;周萍;景新幸;;改進隱馬爾可夫模型的非線性分段技術應用[A];中國聲學學會2007年青年學術會議論文集（下）[C];2007年

7 邢穎;南敬昌;;基于隱馬爾可夫模型的人臉檢測與識別系統(tǒng)[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

8 秦勇;莫福源;李昌立;關定華;;基于隱馬爾可夫模型的漢語二字詞音調(diào)模式識別[A];第三屆全國人機語音通訊學術會議論文集[C];1994年

9 楊文強;鄧明華;錢敏平;;隱馬爾可夫模型與剪切位點識別[A];中國運籌學會第六屆學術交流會論文集（下卷）[C];2000年

10 馬曉川;劉冬;趙榮椿;;孤立短語隱馬爾可夫模型自動建模軟件的實現(xiàn)[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

相關博士學位論文 前3條

1 李杰;隱馬爾可夫模型的研究及其在圖像識別中的應用[D];清華大學;2004年

2 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關算法研究[D];華中科技大學;2014年

3 劉韜;基于隱馬爾可夫模型與信息融合的設備故障診斷與性能退化評估研究[D];上海交通大學;2014年

相關碩士學位論文 前10條

1 吳瑞琪;面向農(nóng)牧民歌旋律的自動伴奏技術研究[D];河南師范大學;2015年

2 張凱;基于隱馬爾可夫模型的頻譜預測和感知方法研究[D];南京郵電大學;2015年

3 趙效毓;基于最大熵隱馬爾可夫模型的基因啟動子識別[D];南京農(nóng)業(yè)大學;2014年

4 白雁飛;基于隱馬爾可夫模型的J波識別技術研究[D];太原理工大學;2016年

5 崔晨雨;基于用戶經(jīng)驗水平的推薦方法研究[D];清華大學;2015年

6 李若冰;基于貝葉斯網(wǎng)絡和隱馬爾可夫模型的撲克對手建模研究[D];南京大學;2013年

7 朱超然;基于隱馬爾可夫模型的無線傳感器網(wǎng)絡入侵檢測研究[D];華北電力大學(北京);2014年

8 李倫;基于隱馬爾可夫模型的VaR度量方法研究[D];華東政法大學;2016年

9 李曉燕;基于隱馬爾科夫模型的軌跡聚類方法研究[D];華東師范大學;2016年

10 關超;隱馬爾可夫模型在肝硬化進展中的應用[D];山西醫(yī)科大學;2016年

，

本文編號：2134936