本發(fā)明涉及語(yǔ)音信號(hào)處理技術(shù)領(lǐng)域，更為具體地，涉及一種噪聲環(huán)境下語(yǔ)音端點(diǎn)的檢測(cè)方法。

背景技術(shù)：

語(yǔ)音端點(diǎn)檢測(cè)是語(yǔ)音識(shí)別中一個(gè)重要的緩解，語(yǔ)音端點(diǎn)檢測(cè)能夠?qū)φZ(yǔ)音信號(hào)進(jìn)行更好的分析和訓(xùn)練，從而提高語(yǔ)音識(shí)別的識(shí)別率?，F(xiàn)有的端點(diǎn)檢測(cè)算法如利用過(guò)零率、短時(shí)能量和自相關(guān)參數(shù)，在高信噪比環(huán)境下可以獲得較好的檢測(cè)效果，但在低信噪比環(huán)境下其檢測(cè)性能卻急劇下降。

當(dāng)語(yǔ)音信號(hào)包含有背景噪音時(shí)，從中檢測(cè)出語(yǔ)音信號(hào)的起始點(diǎn)和終止點(diǎn)，可以減少數(shù)據(jù)的采集量，刪除不含語(yǔ)音信號(hào)的背景噪聲和無(wú)聲段，從而降低特征提取的計(jì)算量和處理時(shí)間，提高語(yǔ)音識(shí)別的準(zhǔn)確性。

因此，噪聲環(huán)境中準(zhǔn)確的檢測(cè)語(yǔ)音的起止點(diǎn)有利于提高語(yǔ)音系統(tǒng)性能。當(dāng)語(yǔ)音中含有噪音時(shí)，現(xiàn)有的語(yǔ)音端點(diǎn)檢測(cè)方法顯得有些無(wú)能為力。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述問(wèn)題，本發(fā)明的目的是提供一種噪聲環(huán)境下語(yǔ)音端點(diǎn)的檢測(cè)方法，以解決現(xiàn)有的語(yǔ)音端點(diǎn)檢測(cè)方法在低信噪比環(huán)境下其檢測(cè)性能低的問(wèn)題。

本發(fā)明提供的噪聲環(huán)境下語(yǔ)音端點(diǎn)的檢測(cè)方法，包括：

步驟1：根據(jù)人耳的基底膜的聽(tīng)覺(jué)特性將20～22050hz的頻率范圍分成25個(gè)頻率群；

步驟2：計(jì)算與每個(gè)頻率群相對(duì)應(yīng)的不等帶寬子帶的方差di；

步驟3：根據(jù)計(jì)算出的頻率群的不等帶寬子帶的方差di，通過(guò)單參數(shù)雙門(mén)限法檢測(cè)語(yǔ)音信號(hào)的起止端點(diǎn)。

本發(fā)明利用人耳的聽(tīng)覺(jué)特性和頻帶方差對(duì)語(yǔ)音能量的起伏的敏感度來(lái)進(jìn)行語(yǔ)音端點(diǎn)的檢測(cè)，方法簡(jiǎn)便，檢測(cè)的準(zhǔn)確率更高。

為了實(shí)現(xiàn)上述以及相關(guān)目的，本發(fā)明的一個(gè)或多個(gè)方面包括后面將詳細(xì)說(shuō)明的特征。下面的說(shuō)明以及附圖詳細(xì)說(shuō)明了本發(fā)明的某些示例性方面。然而，這些方面指示的僅僅是可使用本發(fā)明的原理的各種方式中的一些方式。此外，本發(fā)明旨在包括所有這些方面以及它們的等同物。

附圖說(shuō)明

通過(guò)參考以下結(jié)合附圖的說(shuō)明，并且隨著對(duì)本發(fā)明的更全面理解，本發(fā)明的其它目的及結(jié)果將更加明白及易于理解。在附圖中：

圖1為根據(jù)本發(fā)明實(shí)施示例的噪聲環(huán)境下語(yǔ)音端點(diǎn)的檢測(cè)方法的流程示意圖；

圖2為根據(jù)本發(fā)明實(shí)施示例的單參數(shù)雙門(mén)限端點(diǎn)檢測(cè)一級(jí)判決示意圖；

圖3為根據(jù)本發(fā)明實(shí)施示例的不等帶寬子帶方差端點(diǎn)檢測(cè)結(jié)果圖。

具體實(shí)施方式

本發(fā)明的整體思路為：語(yǔ)音與噪聲在頻譜域中的差別很大，一般有話段的能量會(huì)隨頻帶產(chǎn)生較大的變化，在共振峰處有較大的峰值，在其他的頻段能量較??；而噪聲段的能量數(shù)值相對(duì)較小，且在頻帶內(nèi)的分布較為均勻，即變相對(duì)平緩?？筛鶕?jù)這個(gè)特性來(lái)辨別有有話段與噪聲段，產(chǎn)生的“頻帶方差”可以很好的檢測(cè)出語(yǔ)音的有話段。

圖1示出了根據(jù)本發(fā)明實(shí)施示例的噪聲環(huán)境下語(yǔ)音端點(diǎn)的檢測(cè)方法的流程。

如圖1所示，本發(fā)明提供的噪聲環(huán)境下語(yǔ)音端點(diǎn)的檢測(cè)方法，包括如下步驟：

步驟1：根據(jù)人耳的基底膜的聽(tīng)覺(jué)特性將20～22050hz的頻率范圍分成25個(gè)頻率群。

每個(gè)頻率群對(duì)應(yīng)一個(gè)不等帶寬子帶，且每個(gè)頻率群中的中心頻率、臨界帶寬、下限頻率和上限頻率分別代表一項(xiàng)參數(shù)，且中心頻率、下限頻率和上限頻率被構(gòu)成一個(gè)3×25維的數(shù)組。如表1所示：

步驟2：計(jì)算與每個(gè)頻率群相對(duì)應(yīng)的不等帶寬子帶的方差di。

計(jì)算與每個(gè)頻率群相對(duì)應(yīng)的不等帶寬子帶的方差di的過(guò)程為：

步驟21：根據(jù)語(yǔ)音信號(hào)x(n)的采樣頻率fs，求出在(0～fs/2)頻率區(qū)間內(nèi)的不等帶寬子帶的數(shù)量q。

由于在0～22050hz的范圍內(nèi)有25個(gè)不等帶寬子帶，但一般采樣頻率可能極低，它只能含有少于25個(gè)不等帶寬子帶，例如語(yǔ)音信號(hào)的采樣頻率是8khz，通過(guò)比較可知，在4khz的范圍內(nèi)只有17個(gè)不等帶寬子帶，因此，在求取不等帶寬子帶方差時(shí)，只需計(jì)算這17個(gè)子帶的方差即可，從而大幅度地減少計(jì)算量。

步驟22：對(duì)語(yǔ)音信號(hào)x(n)進(jìn)行加窗分幀處理得到第i幀的語(yǔ)音信號(hào)xi(m)，經(jīng)快速傅氏變換后得到(n/2+1)條正頻率幅值譜線xi，xi＝{xi(1),xi(2),...,xi(n/2+1)}，i＝0,1,2,...，n為幀長(zhǎng)。

其中，xi(m)滿足：xi(m)＝ω(m)*x(it+m)1≤m≤n。

步驟23：通過(guò)內(nèi)插的方法對(duì)(n/2+1)條正頻率幅值譜線xi進(jìn)行擴(kuò)展。

通過(guò)內(nèi)插的方法對(duì)對(duì)(n/2+1)條正頻率幅值譜線xi進(jìn)行擴(kuò)展的的目的在于為了更精確地計(jì)算不等帶寬子帶的方差值。以8khz的取樣頻率為例，在0～4khz的范圍內(nèi)包含有17個(gè)不等帶寬子帶，當(dāng)幀長(zhǎng)取為200時(shí)，正頻率幅值譜線就有101條，頻率的分辨率是40hz，第1個(gè)不等帶寬子帶是20～100hz，在101條幅值譜線中第1～4條譜線所對(duì)應(yīng)的頻率分別是0hz、40hz、80hz、120hz，而第1個(gè)不等帶寬子帶只能讀取2～3條譜線，用兩條譜線計(jì)算方差肯定會(huì)產(chǎn)生較大的誤差。譜線擴(kuò)展是把頻率分辨率減小到1hz，這樣對(duì)第1個(gè)不等帶寬子帶就很容易地能夠包含有20～100hz的頻率分量，有81條譜線，用這些譜線來(lái)計(jì)算方差顯然要比只用兩條譜線計(jì)算方差會(huì)有更高的精度。

步驟24：計(jì)算每個(gè)不等帶寬子帶內(nèi)頻譜的平均幅值ei(j)：

式中，fj,l——第j個(gè)不等帶寬子帶的低頻臨界帶寬；

fj,h——第j個(gè)不等帶寬子帶的高頻臨界帶寬。

步驟25：計(jì)算(0～fs/2)頻率區(qū)間內(nèi)q個(gè)不等帶寬子帶的均值計(jì)算公式為：

步驟26：根據(jù)與ei(j)計(jì)算q個(gè)不等帶寬子帶的方差di，計(jì)算公式為：

步驟3：根據(jù)計(jì)算出的頻率群的不等帶寬子帶的方差di，通過(guò)單參數(shù)雙門(mén)限法檢測(cè)語(yǔ)音信號(hào)的起止端點(diǎn)。

在根據(jù)計(jì)算出的頻率群的不等帶寬子帶的方差di，通過(guò)單參數(shù)雙門(mén)限法檢測(cè)語(yǔ)音信號(hào)的起止端點(diǎn)的過(guò)程中，包括如下步驟：

步驟31：根據(jù)語(yǔ)音信號(hào)的前導(dǎo)無(wú)話段計(jì)算噪聲段的平均方差值，并可設(shè)置閾值t1和t2。

步驟32：根據(jù)閾值t1和閾值t2通過(guò)單參數(shù)雙門(mén)限法檢測(cè)語(yǔ)音信號(hào)的起止位置。

當(dāng)di高于閾值t1時(shí)，判斷為語(yǔ)音信號(hào)的起點(diǎn)，當(dāng)di高于閾值t2時(shí)，判斷為語(yǔ)音信號(hào)的端點(diǎn)；其中，閾值t1和閾值t2取di的原始數(shù)據(jù)上的數(shù)值或取di的原始數(shù)據(jù)經(jīng)過(guò)平滑處理后的數(shù)值，在本發(fā)明中，閾值t1和閾值t2采用di原始數(shù)據(jù)上的值，且t1＝0.01，t2＝0.002。

更為具體地，單參數(shù)雙門(mén)限法采用短時(shí)平均能量和短時(shí)平均過(guò)零率對(duì)語(yǔ)音信號(hào)進(jìn)行端點(diǎn)檢測(cè)。

如圖2所示，第一級(jí)判決：首先根據(jù)短時(shí)能量包絡(luò)線選取一個(gè)較大的閾值t1進(jìn)行粗判，高于該閾值確定為語(yǔ)音信號(hào)，語(yǔ)音信號(hào)的起止點(diǎn)位于該閾值與短時(shí)能量包絡(luò)交點(diǎn)所對(duì)應(yīng)時(shí)間點(diǎn)之外。在平均能量上確定一個(gè)較低的閾值t2，并從t1的交點(diǎn)分別往語(yǔ)音信號(hào)的兩端搜索，找到與t2的交點(diǎn)就是短時(shí)能量判定的語(yǔ)音信號(hào)起止點(diǎn)。

第二級(jí)判決：以短時(shí)過(guò)零率為準(zhǔn)向語(yǔ)音信號(hào)兩側(cè)尋找，找到低于設(shè)定過(guò)零率閾值的點(diǎn)即為語(yǔ)音信號(hào)的起止點(diǎn)。

根據(jù)兩級(jí)判決的結(jié)果各取起點(diǎn)和終點(diǎn)的中間值作為語(yǔ)音信號(hào)最后的起止點(diǎn)，語(yǔ)音信號(hào)端點(diǎn)的最終檢測(cè)結(jié)果如圖3所示。

以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)所述以權(quán)利要求的保護(hù)范圍為準(zhǔn)。