基于Matlab的语音识别端点检测算法研究与实现

技术创新　８３　识别端点检测算法　研究与实现　◇内江师范学院工程技术学院周代勇　曾妍萍蔡燕　端点检测作为语音识别技术中的重要环节，直接　制约着语音识别的识别率，本文分析了基于双门限和　倒谱的端点检测方法的基本原理，并使用Ｍａｔｌａｂ仿　真，实现了双门限检测法。　一、引言　端点检测是对语音信号进行分析、编码、增强、合成的前　端处理过程，也是说话人识别技术、语音识别技术以及语种辨　认技术中一个重要的环节。研究表明…，即便是在无背景噪声的　情况下，语音识别系统中仍有５０％以上的识别错误来自语音端点　检测过程。　二、端点检测的主要方法介绍　在过去的很长一段时间内，时域特性是对语音信号进行端　点检测的主要依据。其中，作为时域特性的重要参数有　’：短时　能量、短时平均过零率。这就是基于能量进行端点检测的方　法。　（一）双门限检测法　（１）短时能量。没第１＂１帧语音信号　（　）的短时能量用　表　示，则其计算公式为”　：　＝∑ｓ：（，，１）　（１）　ｍ＝Ｏ　能量是语音信号的一个重要特性，在语音信号中通常采用Ｅ　来描述其幅度值改变情况，由于在计算过程中使用了信号的平　方，因而它对高电平异常敏感。　（２）短时过零率。短时过零率，就是在较短时间内，信号　过零的次数，即在一帧语音中，浯音波形通过零电平的总次　数。对离散语音信号来讲，若相邻的两个采样点之间相互异号　就称之为过零。其定义如下：　＝　∑Ｉｓｇｎ　脚）卜ｓｇｎ［ｓ．　一１）】ｌ　（２）　二ｍ＝Ｏ　式中，Ｎ是采样点数，ｓｇｎ［］是符号函数，即：　ｓｇｎＩｘ】＝　ｏｎ　（３）　短时过零率对噪声的存在非常敏感，容易受到低频的干　扰，为了提高过零率计算的鲁棒性，设立一个门限Ｔ，把过零率　的定义修改为跨过正负门限的次数，这样计算的短时平均过零　率“　就具有一定抗干扰的能力，不会出现虚假过零率，其公式如　下：　＝　Ｉ　Ｎ－１　［ｓｎ（ｍ）－Ｔ］－ｓｇｎ［ｓｎ（ｍ－１）－Ｔ］］＋　（４）　ｌｓｇＩ１［ｓ／，／（脚）＋　卜ｓｇｎ【ｓ／：／（朋一１）＋７’】Ｉｊ　ｗ（ｎ一　）　图１双门限端点检测流程图　双门限检测法中，将平均过零率和短时能量结合起来，在　开始进行端点检测之前，需要对短时能量以及过零率分别没置　两个门限，即一个高门限（Ｔ　）和一个低门限（Ｔ。）。当语音信　号的低门限Ｔ．被超过时，则表示语音信号有可能进入语音段，　但必须等语音信号的高门限Ｔ　也被超过时，才能肯定该语音信　号进入语音段；同时，当语音信号低于高门限Ｔ　时也不能表示　语音信号结束，还必须等到语音信号低于低门限Ｔ　时才能确定语　音信号结束。　（二）基于倒谱系数的检测方法。　语音信号的倒谱分析就是求取语音倒谱特征参数的过程　。，　它可以通过同态处理（同态滤波）来实现，同态滤波成功地将　卷积方法转为求和方法的分离处理，即解卷。　取得倒谱系数的一般方法是先将信号频谱的模取自然对　数，然后再取傅里叶逆变换。信号ｓ（ｎ）的倒谱　（　）定义为：

　８４．　ＩＩ＝－●２０１３年．第９期　ｉ（ｎ）＝ＬＤＦＴ　ＩＤＦＴ［ｓ（ｎ）］１）　（５）　语音信号倒谱求取方法如下：　ｚ　［ｘ（ｚ）】＝ｚ一　［Ｅ（ｚ）＋Ｖ（ｚ）１＝圣（　）＋　（　）＝　（　）　（６）　（１）ＬＰＣ倒谱系数。线性预测　ｌ的基本思路是：充分考虑　一段语音信号中可能存在的联系性，根据过去样点的分布情况预　测后面的样点值分布。　ＬＰＣ系数可以用来表示整￣＇ＬＰＣ系统冲击响应的倒谱，在实　验中．往往假设通过线性预测分析得到的声道模型系统为：　（：）：—　１＋　ａｋｚ－女　（７）　冲击响应　（　）的倒谱表示为．ｉ；（，，），有：　－＝＿．　（ｚ）＝Ｉｎ　（ｚ）＝　ｈ（ｎ）ｚ　（８）　ｎ＝ｌ　将式（８）代入并将其两边进行对ｚ　求导数，有：　（１＋艺ａ￣：Ｚ－ｋ）∑　（　）ｚ　“＝一　ｚ　＋ｌ　（９）　＝Ｉ　ｎ＝ｌ　Ｉ＝ｌ　令式（９）等号两端的各次幂以及常数项的系数对应相等．　进而求出．ｉ；（一），即：　ｈ（ｏ）；０　ｈＯ）＝一ａｌ　ｈ（ｎ）＝－ａ　－Ｚ（１－ｋ／ｎ）ａ　ｈ（ｎ－ｋ）（１　≤ｐ）　★　Ｉ　（”）＝一艺（１一七／　）　ＪＩ；（　一七）　＞ｐ）　＝ｌ　按照上式即可求得ＬＰＣｆｆＪｌ谱称为ＬＰＣＣ。　（１０）　（２）ＬＰＣ美尔倒谱系数（ＬＰＣＣＭＣＣ）。根据人耳的听觉　特征．将ＬＰＣ￣ｔＪ谱系数进一步按照满足人耳听觉特征的美尔尺度　进行非线性变换，进而求出下面式子所表示的线性预测美尔倒　谱系数（ＬＰＣＣＭＣＣ）。　ｆ　＋　（　＋１）　七＝０　ＭＣ，（　）＝｛（１一ａ￣）ＭＣｏ（ｎ＋１）＋　＾，ｃ（ｎ＋１）　ｋ＝１　（１１）　【＾　一ｌ（　＋１）＋ａ（ＭＣｋ（　＋１）一ＭＣ，一ｌ（，１））ｋ＞１　在上面的式子中．　（公式中为　）指代倒谱系数；ＭＣ，指　代美尔倒谱系数；ｎ指代迭代次数；ｋ指代美尔倒谱的阶数，取　ｎ＝ｋ　迭代的时候。从高往低，ｌ！ｌ￣ｎ从最大值一直取到０，计算相　应的出美尔倒谱系数后，将其放在ＭＣｏ（Ｏ），ＭＣ，（０），……，　ｃ　Ⅲ（Ｏ）里面。采样频率分别取８ｋＨｚ、１０　ｋＨｚ时，０／＂取０．３１、　ｆ）．３ｓ，这样更近似于美尔适度。　三、双门限检测法的Ｍａｔｌａｂ实现　（上接６５页）平开与推拉窗的开启形式对其热工性能有极大的　影响，推拉窗由于密封性能差应该尽量避免使用，平开窗有优　良的热工和物理性能．但价格比较高，因此推荐平开与固定窗　组合使用．经济性价比高。　（２）单元、阳台和户门的节能技术。经过多年的发展，我　现在应用的单元、阳台和户门主要有木质、钢质、或木质、　钢质复合保温门。另有部分在阳台使用的塑料门，其技术与产　品性能基本能够满足工程实际需要。　（二）节能门窗技术应用中存在的问题。　随着先进地区和城市率先实施建筑节能率达到６５％的第三　Ｉ　Ｌ　山．　【｜Ｌ一¨　Ｔ丫　Ｔ下１　一　ｔｔ　图２采用双门限检测法进行端点检测结果图　本文使用Ｗｉｎｄｏｗｓ附带的录音机功能．自行采集了一段用于　测试的语音，采样频率８ｋＨｚ，量化精度１６ｂｉｔ．编码格式为单通　道ＰＣＭ语音信号．采样点数为２５６，帧移１２８．采用双门限检测　法进行Ｍａｔｌａｂ仿真结果如图２所示。从图中可以看出，在信噪比　比较高的情况下，采用双门限检测法进行端点检测，结果还是　非常理想的。　四、结语　在信息技术高速发展的今天，越来越多的端点检测技术被　提出，但是实际的语音信号总是存在各种各样的噪声，所以，　在噪声环境下准确地进行端点检测是研究人员长期面临的一个　问题，这也是语音识别从实验室走向实际应用必须解决的问　题。相信科技的进步，能够完善这些不足。　参考文献　【１】Ｊｕｎｑｕａ　Ｊ　Ｃ．Ｒｏｂｕｓｔｕｅｓｓ　ａｎｄ　Ｃｏｏｐｅｒａｔｉｖｅ　Ｍｕｌｔｉｍｏｄｅｌ　Ｍａｎ　ｍａｃｈｉｎｅ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ａｐｐｌｉｃａｔｉｏｎｓ［Ｍ　Ｊ．Ｐｒｏｃ．Ｓｅｃｏｎｄ　Ｖｅｎａｃｏ　Ｗｏｒｋｓｈｏｐ　ａｎｄ　ＥＳＣＡ　ＥＴＲＷ，１９９１，９　【２ｌ刘丽岩．基于ＭＦＣＣ与ＩＭＦＣＣ的说话人识别研究【Ｄ】．哈尔　滨：哈尔滨工程大学，２００８　ｌ３】赵力．语音信号处理（２版）ＩＭ】．北京：机械工业出版社，２００９：　３４，８６－８７　【４】４张雪英．数字语音处理及ＭＡＴＬＡＢ仿真【Ｍ】．北京：电子工业　出版社．２０１０：３２　【５】江成．噪声环境下说话人特征参数提取研究ＩＤ】．山东：山东　大学．２００９　Ｉ６】韩纪庆，张磊，郑铁然．语音信号处理【Ｍ１．北京：清华大学出　版社．２００４：９６　基金项目：电子信息工程专业综合改革的子项目（数字信　号处理教学改革研究（ＸＺＹ２０１　１０３）资助）　步节能标准，应该采用气密性良好的更为先进高效的节能门窗　（包括单元、阳台和户门）。目前，我国已经能够自己生产各　类门和窗户，包括所需要的主要门窗框型材、玻璃、门芯板品　种．性能也基本满足需要。但是大量使用的ＰＶＣ塑料窗存在强　度及刚性均较低，水密性、抗风压性和采光性能均较差，颜色　单一且易变色，尺寸稳定性较差的缺点　．而综合性能比较好的　玻璃钢窗、钢塑、木塑和铝塑复合窗、断热铝合金窗等等价格　由于偏高，影响了使用。门产品技术中存在内衬保温材料不达　标、门构造不合理、长期稳定性差的问题．．