基于自相关函数最大值的语音端点检测方法

基于自相关最大值和过门限率的语音端点检测席大林;李如玮;陈海龙【摘要】语音处理中,在噪声环境尤其是在非平稳噪音环境下进行端点检测是很困难的.在低信噪比的情况下,传统用于端点检测的特征参数不能充分描述语音信号的特征,导致端点检测的效果严重退化.为此,笔者从语音信号的时域或频域出发,提出了一种把短时自相关函数最大值和短时过门限率相结合的方法.实验表明,该方法弥补了自相关函数最大值方法和过零率的不足,提高了语音端点检测的性能.【期刊名称】《电声技术》【年(卷),期】2010(034)004【总页数】6页(P53-57,66)【关键词】自相关;过零率;过门限率【作者】席大林;李如玮;陈海龙【作者单位】北京工业大学,电子信息与控制工程学院,北京,100124;北京工业大学,电子信息与控制工程学院,北京,100124;北京航空航天大学,电子信息工程学院,北京,100080【正文语种】中文【中图分类】TN9121 引言语音端点检测是从含噪语音信号中准确地判断出语音的起点和终点。

语音端点检测在语音处理中有非常重要的作用，如移动通信系统语音终端中的语音激活检测（VAD），即是采用端点检测技术来减少发射功率并节省信道资源；语音编码中采用该技术，并对无音片段和有音片段按不同的码率编码，有助于进一步降低语音的传输码率；语音识别时，特别是孤立词识别系统中，准确检测每个词的起点和终点对于模板匹配并提高识别率相当重要。

但在噪声多变的环境中，由于噪声的特征不断变化，语音的特征易被噪声掩盖，导致端点检测的性能下降。

为此，文献[1]提出了一种可适应多种噪声环境基于短时能量的端点检测方法，但该方法对噪声变化较敏感；基于短时过零率[2]的方法对不同噪声的效果不同；基于谱能量[3]的端点检测算法具有时延并且计算复杂度高；为了提高算法的鲁棒性，文献[4-5]考虑到浊音的周期特征不易受到噪声影响，把信号能量与浊音特征结合起来，但该算法难以跟踪突变噪声，并且因其需要通过检测基频而搜索浊音，容易受到基音倍频的干扰；而在LPC系数法[6]和LPC预测误差法[7]中，LPC系数能成功检测到元音，但却不合适鼻音和摩擦音，同时也易受到噪声的干扰；文献[8]则将语音的能量与倒谱特征结合起来，在稳定噪声环境中取得了较好效果，但也难以适应噪声能量的突变。

摘要摘要语音端点检测是指从一段语音信号中准确的找出语音信号的起始点和结束点，它的目的是为了使有效的语音信号和无用的噪声信号得以分离，因此在语音识别、语音增强、语音编码、回声抵消等系统中得到广泛应用。

目前端点检测方法大体上可以分成两类，一类是基于阈值的方法，该方法根据语音信号和噪声信号的不同特征，提取每一段语音信号的特征，然后把这些特征值与设定的阈值进行比较，从而达到语音端点检测的目的，该方法原理简单，运算方便，所以被人们广泛使用，本文主要对基于阀值的方法进行研究。

另一类方法是基于模式识别的方法，需要估计语音信号和噪声信号的模型参数来进行检测。

由于基于模式识别的方法自身复杂度高，运算量大，因此很难被人们应用到实时语音信号系统中去。

端点检测在语音信号处理中占有十分重要的地位，直接影响着系统的性能。

本文首先对语音信号进行简单的时域分析，其次利用短时能量和过零率算法、倒谱算法、谱熵算法进行语音端点检测，并对这几种算法进行端点检测，并进行实验分析。

本文首先分别用各算法对原始语音信号进行端点检测，并对各算法检测结果进行分析和比较。

其次再对语音信号加噪，对不同信噪比值进行端点检测，分析比较各算法在不同信噪比下的端点检测结果，实验结果表明谱熵算法语音端点检测结果比其他两种方法好。

关键词语音端点检测；语音信号处理；短时能量和过零率；倒谱；谱熵IAbstractEndpoint detection is a voice signal from the accurate speech signal to the identify start and the end points, the purpose is to enable to separated the effective voice signals and un-useful noise. So, in the speech recognition system, speech enhancement, speech coding, echo cancellation and other systems are widely used.In Current the endpoint detection can be roughly divided into two categories, one is based on the threshold method based on the different characteristics of speech signal and the noise signals, a voice signal for each extracted feature, and then set the values of these thresholds compare with the values to achieve the endpoint detection purposes, This method is simple, it convenient operation, it is widely used, the main in this paper is based on the method of threshold method. Another method is based on the method of pattern recognition , it needs to estimate the speech signal and the noise signal model parameters were detected. Because is based on the method of pattern recognition and high self-complexity, a large amount of computation, so it is difficult to be use in real-time voice signal system for people.The Endpoint detection is take a very important position in the speech recognition, it directly affects the performance of the system. In this article first domain analysis in simple speech signal time, than dual threshold algorithm, cepstrum algorithm, spectral entropy algorithm for endpoint detection, and these types of endpoint detection algorithms, and experimental analysis points. Firstly, the algorithm were used to the original speech signal detection, and the algorithm to analyze and compare results. Secondly, the speech signal and then adding noise, SNR values for different endpoint detection, analysis and comparison of various algorithms under different SNR endpoint detection results, experimental results show that the spectral entropy of speech endpoint detectionIIalgorithm results better than the other two methods.Keywords voice activity detection;Signal processing; Average energy use of short-term and short-time average zero-crossing rat; cepstrum; spectral entropyIII毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。

机器语音中的语音端点检测算法研究近年来，机器语音技术发展迅猛，已经逐渐渗透到我们日常生活的各个领域中。

例如语音交互、智能家居、语音识别等等领域中，机器语音的应用正在不断增多。

然而在机器语音技术的应用中，一个重要的问题就是语音的端点检测。

本文将围绕机器语音中的语音端点检测算法进行研究，分析其基本原理和现状。

一、语音端点检测的基本原理语音信号是一种时间序列信号，在应用中，我们需要找到有意义的语音部分而忽略掉无意义的部分，从而进行后续的处理。

语音端点检测就是将语音信号分割成有意义的部分和无意义的部分。

在语音信号中，一段连续的语音信号通常由语音信号模板（speech model）和音频背景模板（noise model）混合组成，语音端点检测算法的主要任务就是找到这些分割点。

通常，语音端点检测算法的流程包含以下几个步骤：1、特征提取 - 通过信号处理方法从音频信号中提取有代表性的特征。

特征通常是一些频率特征，用于区分语音信号和非语音信号。

2、特征处理 - 对提取到的特征进行处理，以便更好地区分语音信号和非语音信号。

3、检测算法 - 通过特定算法对特征进行分析和检测，以找出语音信号的起始和终止点。

二、语音端点检测算法的现状语音端点检测算法近年来已经取得了很好的进展，并且应用领域广泛。

在实际应用中，我们经常会面临源自噪音、强唱、机器干扰等各种各样的问题。

为了解决这些问题，研究人员提出了很多不同的语音端点检测算法。

1、基于能量方法的语音端点检测算法最简单的端点检测算法就是能量检测法。

这种检测法通过计算语音信号的平均功率、放大声音强度或计算总体能量等方式来达到分辨语音信号和噪音的效果。

不过，这种算法很容易出现误判。

2、基于短时帧能量的语音端点检测算法为了能够更准确地检测语音端点，研究人员提出了基于短时帧能量的方法。

这种方法分析语音信号中的每一帧并计算每帧的平均功率，根据信号幅值阈值来启动信号检测。

这种方法常用于识别口语较清晰的场景。

《基于深度学习的语音端点检测》篇一一、引言随着人工智能技术的不断发展，语音信号处理在许多领域得到了广泛的应用。

其中，语音端点检测（Voice Activity Detection，VAD）是语音信号处理中的一项关键技术。

它主要用于确定语音信号中语音段的起始点和结束点，从而为后续的语音识别、语音合成等任务提供有效信息。

传统的语音端点检测方法往往基于简单的统计模型或者特定的语音特征进行阈值设置，对于复杂环境下的语音信号处理效果并不理想。

近年来，随着深度学习技术的发展，基于深度学习的语音端点检测方法逐渐成为研究热点。

本文旨在探讨基于深度学习的语音端点检测方法，以提高语音信号处理的准确性和鲁棒性。

二、相关工作传统的语音端点检测方法主要包括基于短时能量和过零率的检测方法、基于谱熵的检测方法等。

这些方法通常依赖于特定的语音特征和阈值设置，对于不同环境下的语音信号处理效果不稳定。

近年来，深度学习技术在语音信号处理领域得到了广泛应用，如基于深度神经网络的语音识别、语音合成等。

深度学习技术可以自动提取语音信号中的特征信息，从而提高了语音信号处理的准确性和鲁棒性。

因此，基于深度学习的语音端点检测方法逐渐成为研究热点。

三、基于深度学习的语音端点检测方法本文提出一种基于深度学习的语音端点检测方法。

该方法主要包括以下几个步骤：1. 数据预处理：对原始语音信号进行预处理，包括归一化、分帧等操作。

2. 特征提取：利用深度神经网络自动提取语音信号中的特征信息，如MFCC（Mel Frequency Cepstral Coefficients）等。

3. 模型训练：使用有标签的语音数据训练深度神经网络模型，以学习语音信号中的特征与端点之间的关系。

4. 端点检测：将提取的特征输入到训练好的模型中，得到每个时间点的概率值，从而确定语音段的起始点和结束点。

四、实验与分析本文使用公开的语音数据集进行实验，将基于深度学习的语音端点检测方法与传统的检测方法进行对比分析。

基于短时自相关及过零率的语音端点检测算
法
语音端点检测是计算机语音处理领域的一种常见应用，它主要用于语音识别、拼写校正以及声纹分析等语音处理技术中。

基于短时自相关（Short-Time Auto/orrelation, STAC）和过零率（Zero-Crossing Rate, ZCR）的语音端点检测算法是当前检测语音端点所使用的一种常用方法。

通常情况下，该算法的实现步骤如下：首先，将语音信号拆分为多小片段，每块片段的长度一般以毫秒为单位（通常取20ms），并将片段之间用某种滤波器连接；接着计算每块片段的自相关系数，并在计算结果中检测端点；最后，计算每个片段的ZCR，用相邻两个片段之间的ZCR变化来确定语音端点，其中该变化值还可以决定端点的类型—开始点或结束点。

检测完语音端点后，即可实现对语音信号的分割及识别。

现有的STAC-ZCR算法效果较为理想，其特点是计算量小、易于实现，因此深受人们的欢迎并发展至今。

0 引言端点检测是语音信号处理的重要组成部分。

端点检测可以从一段含噪或纯净语音中检测出语音的开始和结束对应的端点。

在语音信号处理的过程中，如果输入信噪比很高，可以用短时能量区分语音段和噪声段，但在低信噪比环境下，仅用短时能量进行端点检测的效果会非常差，所以研究出具备高准确率且鲁棒性好的端点检测算法十分重要，本文首先利用改进的多窗谱减法对语音信号进行降噪，然后对短时能量取对数，然后用对数能量除以自相关函数主副峰值和过零率的乘积。

结果表明，在低信噪比环境下，将对数能量和短时过零率，自相关函数主副峰值结合，该方法可以实现更精确的语音端点检测。

1 改进的多窗谱估计的谱减法1.1 多窗谱估计的谱减法1982年，Thomson 在传统周期图方法的基础上提出了一种多窗谱估计算法。

他的算法是在多个正交数据窗上重复使用同一数据序列，得到与数据相对应的直谱，然后对直谱值进行平均，得到误差和估计方差较小的谱估计。

多窗谱的定义为：1()()L mtmtk k S S ωω−==∑（1）其中L 是数据窗口的数量；S^mt 是第k 个数据窗口的频谱：2()()()mtjn kkS n x n eωωα−=∑ （2）1.2 改进的多窗谱估计谱减法MATLAB 中有调用函数pmtm，该调用函数可以计算多窗谱的功率谱估计密度和增加削减因子，然后将多窗谱之间相减，从而降低噪声影响，得到语音信号的增强。

谱减流程如下：（1）设带有噪声的语音信号为X （n）,在通过预处理过后,可以得到语音信号Xi(m)。

（2）将语音信号Xi(m)进行傅里叶变换,得到了振幅谱|Xi （k）|和相位谱θI （k），并对2M+1相邻帧进行了平滑处methods can accurately detect speech endpoint in high SNR environment,but in the case of low SNR,the traditional feature parameters for endpoint detection can not fully describe the characteristics of speech signal This leads to serious degradation of the effect of endpoint detection，Therefore,this paper proposes an improved multi window spectral subtraction denoising and median filtering to reduce the fluctuation of no speech segment in low SNR environment.After that,the endpoint detection method combines logarithmic energy,zero crossing rate and the ratio of main and secondary peaks of autocorrelation function.The experiment shows that the method has better accuracy and robustness than the traditional detection methods,and it has better accuracy and robustness in low SNR environment Good results of endpoint detection are obtained.Keywords:endpoint detection ；improved multi window spectral subtraction ；short-term average energy ；autocorrelation function ；ratio of main and secondary peaks11()(,)NSn yi P k P k i NIS==∑（6）（6）谱减关系计算增益因子。