论文研究-基于HHT和OSF的强噪声环境语音检测.pdf-其它代码类资源-CSDN下载

论文研究-基于HHT和OSF的强噪声环境语音检测 .pdf

所需积分/C币：10 2019-08-25 07:09:05 262KB .PDF
6

收藏
举报

基于HHT和OSF的强噪声环境语音检测，卢志茂，金辉，希尔伯特-黄变换是一种全数据驱动的自适应非平稳信号时频分析方法，但是在强噪声环境下语音信号的希尔伯特能量谱曲线波动较大，��
国武技论文在线其中为信号瞬时幅度, 为瞬时频率,以时间和瞬时频率为自变量, 得到信号的希尔伯特时频谱为顺序统计滤波原理世纪年代, 等人提出一种新的非线性数字滤泼器称为顺序统计滤波器,主要用来增强信号的平滑度。设含有个信号的序列 ,取窗口长度为,对此序列进行阶的顺序统计滤波,就是从输入序列中相继抽取出个数, +,其中为窗口的中心位置, /,将这个数按照其数值大小进行几序排列,即有()s()≤(),则顺序统计滤波器的输出就是的线性组合 ∑ 系数决定了滤波器的特性,根据不同的可以得到不同类型的顺序统计滤波器,比如中值滤波器的参数为而线性均值滤波器的参数为=/ 设是当前分析的语音帧, 是 +中第个最大值,经过滤波平滑处理后,第帧的希尔伯特能量定义为: 其中,=L」<< 十,称为顺序统计滤波器的采样分位数,满烂高斯分布,只体实验中参数的选择如下。的参数选取已知 +是概率分布函数为的均匀分布随机变量,根据顺序统计的渐进理论,阶顺序统计滤波后的方差定义为当足够大时可以被近似为其中μ是阶顺序统计滤波的均值, 是顺序统计量的概率分布函数, 国武技论文在线是的分位点函数。图给出了一些均值为、方差为的均匀分布随机变量的采样分位数方差。为了更好的在带噪语音信号中进行端点检测,我们需要较高的分位数。但当取最人值其方差较大,因此我们在高检测率和低误检率中折中选择 04 口日 08 采样分位数图1采样分位数方差曲线结合和的端点检测木文提出的方法主要针对复杂背景噪声抔境中的低信噪比语音信检测问题,利用分解将信号分解成时间特征尺度有小到大即频率由高到低的分量,通过阈值去噪方法对每个分量处理后进行变换,得到信号的能量谱,利用顺序统计滤波方法解决希尔伯特能量谱曲线的波动比较大,不利于阈值的选择的问题,通过判断噪声背景下的能量突变点,进行检测设输入的带噪的语音信号为其中:为纯净的语音信号,为噪声算法具体步骤如下: ①通过预处理模块将带噪语音信号分割成相邻有重叠的信号帧; ②对每帧信号进行分解,得到有限个固有模态函数 ③对分量进行自适应权重选取其中为经过处理后的系数,ξ代衣软限幅函数的阈值。阈值ξ σ为噪声方差,为带噪的每个的长度 ④对处珄后的逐个进行变换,求解瞬时频率及幅值,并合成能量谱; ⑤对合成的能量谱进行顺序统计滤波,为了提高算法对端点检测的准确率,经由大量实验,本文选取=, ⑥对语音信号进行背景噪声的估计。将最开始输入的前帧作为无音片段,根据上述方法得到前帧顺序统计滤波后的能量谱,用下列公式进行语音检测的阈值设式中,α、β可以通过实验来灵活地调节,得到最优解。经过大量实验,本文选取= 国武技论文在线 B ⑦通过阈值来判断语音段和非语音段,在纯净语音及带噪语音信号中标出,并计算准确率。实验分析在测试中,本文选用安静环境下实验室录制的一些短语和句子作为目标语音信号,采用标准噪声库中的噪声作为复杂干扰噪声,采样率为采样精度为。为了验证算法的性能,实验对大量的语音数据进行检测统计,并与基于的端点检测算法进行比较,采用检测率和误测率作为判别依据: 检测牽检测正确的语音信号帧语音信号总帧数误检率被误认为语音的噪声信号帧非语音信号帧白噪声背景下检测结果 sHHHMH 采样原数 10 采样数 100 下情m4出 30 帧数图基于的端点检测方法( C5 C5 采样点数 n: ,1 采样点数 4 帧数图本文改进算法( 国武技论文在线图和图中为不加噪声的语音信号,为添加高斯白噪声的语音信号,为两种方法的希尔伯特能量谱,其中横线代表检测阈值。表给出了白噪声情况下不同佁噪比的检测结果,其中:代表基于的语音端点检测方法,代表基于和的方法(下同),通过实验结果可以看出,本文方法对于低信噪比下的端点检测非常有效,经过顺序统计滤波后的能量分布更加明显,在检测率上有明显的提升,并且大大的降低的信号的误测率, 有利于信号的后续处理。文献中提出的方法在时能达到的正确率,但是随着信噪比的降低,方法已经不能很好的检测岀语音信号:本文方法在信噪比为的情况下检测率仍能够达到 ,是一种有效的低信噪比下语音端点检测方法。噪声下基于方法和本文算法的结果比较检测率误检率复杂噪声背景下检测结果 15 -5 5 253354 采样点数 10 (ay 4 2 帧数 b 14 52025 L 帧数帧数图基于方法不同噪声情况下端点检测结果国武技论文在线嘔 5 点2 1 116 noise 5 帧数 k noise 51015020 帧数 5130152002030 图木文改进算法不同噪声情况下端点检测结果图和图中为纯净语音信号,为添加噪声后的检测结果,为添加噪声后的检测结果,为添力噪声后的检测结果。表和表分别给出不同信噪比情况下各种噪声的检测率、误检率。表基于方法和本文算法的检测率比较检测率噪声噪声噪声由实验结果可知,对于复杂噪声环堉下的端点梲测,基于的语音端点测算法随着信噪匕的降低,检测逐渐下降,并且带来了较大误测率。而本文提岀的方法在信噪比为和时是检测率均能达到以上,效果非常明显,时也有较高的准确率。随着信噪比的降低,噪声能量逐渐加大,检测效果逐渐下降,但是在相对方法还是有定的提高;在误检率方面噪声和噪声的误检率都有明显的降低噪声对于的情况下误检率有待进步提晑,从总体结果上看,本文提出的方法对于低信噪比复杂环境下的端点检测结果令人满意国武技论文在线表3基于HT方法和本文算法的误检率比较误检率噪声噪声噪声结论本文提出了一种基于和的复杂噪声环境语音端点检测方法,该方法以希尔伯特能量谱作为语音和非语音的鉴别特征,利用顺序统计滤波器平滑各帧的希尔伯特能量谱使得语音和非语音的过渡带窄且陡峭,通过自适应阈值判别语音信号。实验结果表明,该方法适用于复杂的噪声环境的端点检测,在低信噪比情况下仍然能够有效的检测出语音信号, 并且对信号误检有很好的抑制作用,在寳种噪声环境下均具有良好的鲁棒性。参考文献玮志艳王旭王健基于短卟能零积和鉴别信息的语音端点检测东北人学学报(白然和学版), 刘华平,李昕,郑宇等一和改进的自适应了带谱熵语音端点检测方法系统仿真学报, 由从普路延镇谭营一种改进型经验模态分解及其在信号消噪中的应白动化学报钱颜旻刘加基于交叉熵顺序统计滤波的语音端点检测算沄清华人学学报

...展开详情

信号处理

试读 8P 论文研究-基于HHT和OSF的强噪声环境语音检测 .pdf