战场上高背景噪声下的话音检测动手术

本文通过分析语音和枪炮噪声的短时特征，提出了一种在高背景噪声下检测语音的方法。实验表明，该方法能在较低的信噪比条件下准确地检测出话音信号，且计算简单，硬件处理容易，可靠性高，适合于战时通信的需要。     

基于模糊分类器的能量可变噪声环境下的词边界检测

词边界检测误差是语音识别中产生错误的主要原因之一，常规的检测算法在低信噪比尤其在背景噪声能量可变的环境下不能有效工作。文中用语音信号的精确时频参数和过零率来训练模糊神经分类器，进行词边界检测。在不同背景噪声下的实验结果表明，该方法可适应背景噪声能量的变化，得到高正确率的词边界检测。     

融合Mel系数和kNN的语音端点检测

语音端点检测是语音处理过程中的重要环节。为了提高在不同噪声环境下语音端点检测的准确率和鲁棒性,提出了融合语音Mel频率倒普系数和kNN分类算法相的语音端点检测方法。该方法提取语音信号的Mel频率倒普系数作为语音特征参数,然后将特征向量作为kNN分类的输入进行训练学习,建立语音端点检测模型,并进行仿真实验,结果表明该方法是一种准确率高、鲁棒性强的语音端点检测方法。     

基于低信噪比条件下的VAD算法研究

通过分析短波语音时特征,提出了一种在低信噪比条件下进行语音活动检测(VCD)方法.该方法能在较低的信噪比条件下准确地检测出语音信号,且计算简单,硬件处理容易,可靠性高,适合于战时的需要.计长时算机模拟显示这是一种比较好的搞噪语音检测方案.     

一种应用于语音识别的端点检测改进方法

语音端点检测是语音识别过程中的重要的一个环节,为了提高在强背景噪声条件下语音端点检测的性能,提出了一种将维纳滤波和改进的多子带熵相结合的方法.不仅有效地减少了背景噪声,而且大大提高了语音端点检测的准确性和稳健性.仿真实验表明,该方法计算简单,可靠信高,在较低的信噪比下仍能比较准确的检测到语音信号的端点.     

基于倒谱特征的带噪语音端点检测

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)的语音检测以适应噪声的变化,实验结果表明本方法可得到高正确率的带噪语音端点检测.     

基于传统能零比和自相关函数主副峰结合的端点检测法

端点检测是语音信号处理中的一个非常重要的步骤,其准确度直接影响语音信号处理的速度和效果。传统的端点检测方法可以在高信噪比环境下准确地检测语音端点,但在低信噪比情况下,传统的端点检测特征参数不能充分描述语音信号的特征,导致端点检测效果的下降。为此,本文提出了一种对语音进行改进的多窗谱减法降噪和中值滤波减少低信噪比环境下无话段的起伏后,在结合对数能量、过零率和自相关函数主副峰比值的端点检测方法,实验表明,该方法比传统的端点检测方法具有更好的精度和鲁棒性,在低信噪比环境下取得了良好的端点检测效果。     

高脉冲噪声坏境中双门限法语音端点检测研究

语音端点检测是对有效语音段的识别关键技术,准确的端点检测使语音信号的后续处理计算量减少,有效地节约资源。现在多数语音端点检测技术例如能频值、谱熵、小波能量熵变换等都能准确检测出有效的语音段。文中介绍了一种双门限端点检测法,即利用短时平均过零率和短时平均能量法进行双门限检测,再设置一个最短时间门限,有效地在高脉冲噪声环境中准确识别汉语发音。通过与其他方法对比实验,文中双门限技术在短时高脉冲噪声环境下能有效提高语音识别率。仿真结果表明,端点检测正确率达93%。     

采用恒Q调制包络的合成语音伪装检测方法

针对传统的声学特征参数对合成语音伪装检测时存在的准确度低、未知类型合成语音检测效果较差、在噪声环境中表现欠佳的情况，提出了一种采用恒Q调制包络（constant Q modulation envelope,CQME）的合成伪装语音检测方法。该方法基于语音时域包络中包含的丰富信息，而合成语音与真实语音的包络在细节上存在较大差异，利用恒Q变换（constant Q transform,CQT）得到语音调制包络谱，并计算每个频率成分的均方根，获得CQME特征向量。再用该特征向量训练随机森林分类器，实现真伪语音的判别。实验结果表明，在ASVspoof 2019数据集上，CQME特征训练的随机森林具有较高的检测性能，对未知类型的合成语音也具有较好的检测效果。并且在多种噪声条件下，该方法仍表现出较高的检测性能，具有很好的噪声鲁棒性。     

基于Gaussian-Gamma 模型的语音激活检测

语音端点检测是语音信号预处理过程中的一个重要环节,而在实际的噪声环境下,一些传统的端点检测方法已经不适用,为了提高在强背景噪声条件下语音端点检测的性能,提出了一种在DCT变换域下,基于Gaussian-Gamma模型的语音端点检测算法,设定其纯净语音信号的统计分布函数为Gamma分布,其相应参数使用了最大似然估计以及预测估计的方法.该算法具有较高的准确性和稳健性.仿真实验表明,该方法鲁棒性较好,在较低的信噪比下仍能比较准确的检测到语音信号的端点.     

基于多带谱相减的语音端点检测算法

为了提高噪声环境下语音端点检测的鲁棒性，介绍了一种基于多带谱相减的语音端点检测算法．仿真结果表明，与传统的基于短时能量，过零率语音端点检测算法相比，在低信噪比环境下，该算法仍可以有效的检测出起止端点．     

基于短时自相关及过零率的语音端点检测算法

传统的基于短时能量端点检测算法,在高信噪比环境下可以比较准确地检测出语音端点,但在低信噪比环境下检测效果不理想。文中提出了基于短时自相关最大值与短时过零率之积的改进算法。利用短时自相关最大值可以有效地区分出语音段和噪音段,利用短时过零率可有效地检测出清音信号,将两参数相结合可有效地检测出低信噪比语音信号的端点。实验证明,在低信噪比环境下该改进算法相比短时能量算法减小了检测误差,可以有效地检测出语音端点。     

用DSP技术开发的一种语音检测系统

本文介绍了一种基于听觉谱特征参数的语音检测方法和系统.该系统采用高速DSP芯片TMS320F206,实现了语音信号的实时处理,能在较低的信噪比条件下准确地检测出话音信号,且计算简单、硬件实现容易、可靠性高,适合于战时通信.     

基于语音增强方法的语音端点检测

语音端点检测的检测结果好坏对后续的语音处理起着决定性的作用。为了解决语音端点在低信噪比情况下检测率不高的问题,该文提出了基于深度置信网络去噪的语音增强方法与传统的端点检测方法相结合的方法。该方法首先由大量的语音数据训练深度置信网络模型,使其能够很好地映射带噪与无噪语音之间的非线性关系,进而使其成为一个良好的降噪滤波器,再对比带噪与去噪后语音对端点检测准确率的影响,以及不同信噪比的端点检测的正确率。从该实验结果可以得到,该方法在平稳噪声和非平稳噪声的低信噪比情况下都可以提高语音端点检测的准确率。     

基于短时能量比的语音端点检测算法的研究

研究了噪声环境下,利用短时高低频能量比进行语音端点检测的问题。在高信噪比的情况下利用传统的双门限判决算法,在低信噪比的情况下采用短时高低频能量比并辅以过零率为特征参数的算法,保证了在高、低信噪比环境下的端点检测的准确性。试验结果表明,与传统的能量阈值法相比,提出的算法具有更好的性能,是一个简单、高效和稳健的语音端点检测算法。     

语音端点检测中能零比方法的改进

传统的基于语音信号短时能量与短时过零率之比的单参数双门限端点检测方法对高信噪比的语音信号能实现较好的检测,而在低信噪比的情况下检测正确率却很低。本文在研究了语音信号的非线性分析方法后,提出了一种改进的端点检测方法。首先,对分帧加窗后的每一帧带噪语音信号进行经验模态分解求其短时Teager能量;然后,求每一帧的短时过零率,平滑处理之后进行归一化;最后,求出短时Teager能量与归一化短时过零率之比用于端点检测。经过仿真实验证明,本文提出的改进方法能够在低信噪比的带噪环境下实现比传统能零比方法更好的端点检测效果。     

基于计算听觉场景分析的强噪声背景下基音检测方法

本文针对强噪声背景下语音基音检测这一既具实际应用，又相当困难的问题，提出了一种基于计算听觉场景分析的基音检测方法。该方法利用了人的听觉感知特性，适用于低信噪比和存在其它语音干扰下基音信息的提取。实验结果证明，本文提出的方法是非常有效的。     

语音增强技术在MELP声码器中的应用

为了使得MELP声码器在高噪声环境下仍然获得较好的语音效果,需对含噪声语音进行语音增强。本文采用谱减法和独立分量分析相结合方法,对语音进行增强。该方法可以在不增加语音采样硬件的条件下,满足独立分量分析中观测信号的数目不少于源信号数目的约束条件。结果表明,该方法能较好的分离出噪声和语音信号,增强输入到MELP声码器中的语音信号,提高MELP声码器在高噪声环境下应用的语音效果。     

音乐噪声环境下的双声道语音活动检测

提出双声道的语音活动检测算法(DCVAD,Dual-Channel Voice Activity Detection).该算法首先利用骨架互相关的方法估计目标语音和背景音乐的时延,然后在对目标语音进行时延补偿的基础上,利用通道间语音和背景音乐自身以及二者相互之间的相关性,实现了语音活动检测的目标.实验表明,在背景音乐环境DCVAD算法语音活动检测的平均正确率比单通道基于谱熵的方法高约22%.     

一种基于检测元音的孤立词端点检测算法

提出了基于检测元音的端点检测算法。首先检测到语音中的元音的端点。然后利用元音的端点作为参考端点检测出语音真实的端点。将新方法应用在T146数据包在NoiseX-92的5种噪声下的端点检测和识别实验。并和基于能量的端点检测算法比较。2种不同的实验表明，提出的基于检测元音的孤立词端点检测算法可以在不同信噪比下提高端点检测的准确率，并在低信噪比的环境下能明显提高语音识别系统的识别率。