基于倒谱特征的带噪语音端点检测1

基于倒谱特征的带噪语音端点检测

胡光锐 ,韦晓东

(

上海交通大学电子工程系 ,上海 200030

)

　　摘 　要 : 　在语音识别系统中产生错误识别的原因之一是端点检测有误差. 在高信噪比情况下 ,正确地确定语音

的端点并不困难. 然而 ,大多数实际的语音识别系统需工作在低信噪比情况下 ,一些常规的端点检测方法 ,例如基于能

量的端点检测方法在噪声环境下不能有效地工作. 本文利用倒谱特征来检测语音端点 ,提出了带噪语音端点检测的两

个算法 ,第一个算法利用倒谱距离代替短时能量作为判决的门限 ,第二个算法改进了基于隐马尔柯夫模型

(

HMM

Department of Electronic Engineering , Shanghai Jiaotong University , Shanghai 200030 , China

(

ASR

)

systems is the inaccurate detection of the beginning

and ending boundaries of test and reference patterns. Accurate determination of endpoints of speech is not very difficult if the SNR is

high. Unfortunately ,most practical ASR systems must work with a small SNR ,and the conventional speech detection methods based on

some simple features such as energy cannot work well in noisy environments. In this paper ,cepstrum is used as the feature to detect the

voice activity. Two algorithmsfor endpoint detection of noisy speech signal are proposed. The first one takes the cepstral distance as the

decision thresholds instead of short2time energy. The second approach modified the HMM2based speech detector to make it adaptive to

the change of noise. The experiments show high accurate rates can be obtained.

时具有良好的性能 ,而在低信噪比时性能很差. 然而 ,

3

采用一种判决准则 ,例如门限判定或模式分类 ,来检

测语音帧与非语音帧;

4

对上述结果进行后处理 ,得到语音的全部区间.

211 　基于能量的端点检测

通常的语音端点检测方法采用测试信号的短时能量或短

时对数能量作为特征参数 , 并采 用门限 判定法来检测语

音

好的性能. 然而 ,实际的语音识别系统常应用于不同的环境.

例如 ,在汽车中 SNR 通常只有几个 dB. 在低 SNR 环境下 ,由于

难以确定适当的门限值 ,基于能量的端点检测不能很好地工

作 ,这种方法也会舍弃一些低能量的清音语音

(

)