基于HMM的噪聲語音端點檢測方法研究.pdf

1、目前，語音端點檢測已經(jīng)成為語音識別，語音編碼及語音分類等語音處理過程中必不可少的一部分。作為語音技術(shù)的預(yù)處理，語音端點檢測(VoiceActivityDetection，VAD)準(zhǔn)確率的微小改進(jìn)都將會在整個語音系統(tǒng)的處理效果上帶來長遠(yuǎn)的影響。
　　 傳統(tǒng)的基于雙門限的語音端點檢測方法已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足日益復(fù)雜的噪聲環(huán)境。于是，許多基于統(tǒng)計模型的最大似然比(LikelihoodRatioTest，LRT)的端點檢測方法已經(jīng)提出來，它

2、們在噪聲環(huán)境下也能具有很好的檢測效果，特別是基于隱馬爾科夫模型(HMM)的統(tǒng)計方法。但是傳統(tǒng)的基于HMM的VAD在復(fù)雜的低信噪比環(huán)境下，不能有效的判斷語音與非語音的差別，從這一思想出發(fā)，本文提出了基于雙模型多狀態(tài)HMMs的VAD方法。該方法能將語音和噪聲的細(xì)微差別進(jìn)行有效的放大，提高了語音端點檢測的準(zhǔn)確率。
　　 本文的主要工作如下：
　　 1.通過分析二元狀態(tài)的HMM模型在語音幀與非語音幀之間識別過程的不足，提出了基于

3、雙模型四狀態(tài)的HMMs的VAD算法。該算法在后續(xù)的比較實驗中對語音端點檢測效果有明顯的改進(jìn)。
　　 2.采用了基于自相關(guān)函數(shù)的短時幅度特性，語音信號的分形維特征以及二階差分的MFCC對語音段進(jìn)行特征提取。通過實驗比較了這三種特征在不同信噪比下的檢測效果。而二階的MFCC特征能夠很好的模擬人的聽覺系統(tǒng)，并具有良好的抗噪性和魯棒性，因而更能刻畫語音非語音的特征曲線。
　　 3.將二階差分MFCC特征與雙模型四狀態(tài)的HMMs結(jié)