非平穩(wěn)低信噪比噪聲環(huán)境下的魯棒語音活動檢測技術研究.pdf

1、語音活動檢測是指在連續(xù)輸入的聲音信號中自動地檢出語音存在時段的一種檢測技術。它是語音信號處理的一個重要環(huán)節(jié),在語音處理的多個研究領域中有著廣泛的應用。近年來,隨著各種現(xiàn)實應用服務對語音處理技術的需求日益增加,對新環(huán)境下的語音活動檢測技術也提出新的挑戰(zhàn),這主要表現(xiàn)為非平穩(wěn)低信噪比環(huán)境下的魯棒語音活動檢測問題,它是語音處理中的一個重要的亟待解決的熱點問題。近十余年來,雖然研究者們對此問題提出了許多檢測方法,并取得了長足進步,但當前所取得的成

2、果與實際的系統(tǒng)需求還有較大的距離。
　　語音活動檢測,從處理問題的應用環(huán)境上可分為噪聲類型已知且不變的限定環(huán)境,以及噪聲類型未知且變化的開放環(huán)境下的檢測方法。本文分別從檢測方法是否需要快速響應兩個角度,對限定環(huán)境和開放環(huán)境下的語音活動檢測進行了研究,提出了一系列解決方法。論文的主要創(chuàng)新工作包括:
　　(1)提出了以信號稀疏表示為魯棒特征的語音活動檢測方法。在噪聲類型不變的限定環(huán)境下,語音與環(huán)境噪聲在信號結構上有著明顯的區(qū)別,

3、可用做語音∕非語音的鑒別特征。然而,在低信噪比環(huán)境下傳統(tǒng)的基于正交分解提取信號結構信息的方法容易受噪聲干擾,從而使特征失去魯棒性。針對這一問題,本文提出使用基于原子字典稀疏分解的方法來獲取信號的結構信息,將分解得到的信號稀疏表示作為語音∕非語音的鑒別特征用于語音活動檢測。依據(jù)構造字典所使用的先驗知識的不同,將原子字典分為預構建字典和學習字典,文中討論了在語音檢測問題中兩種字典的構造方法,并分別提出了基于預構建字典和學習字典下信號稀疏表示

4、的檢測方法。此外,本文還基于分層Bayesian模型從理論上論證了將稀疏表示作為特征應用于信號檢測問題的合理性。實驗表明,在低信噪比噪聲環(huán)境下信號的稀疏表示相比于傳統(tǒng)的離散傅立葉變換(discrete Fourier transform,DFT)系數(shù)具有更好的魯棒性,在語音活動檢測中取得了更好的檢測性能。
　　(2)提出了基于信噪角特征的語音活動檢測方法。針對噪聲類型未知且變化的開放噪聲環(huán)境,基于噪聲最小統(tǒng)計量追蹤提出了一種具有相

5、對穩(wěn)定性質(zhì)的信噪角特征用于語音活動檢測。信噪角特征能夠快速適應噪聲類型的變化,在不同類型的噪聲環(huán)境下具有相近的尾分布,這一性質(zhì)使得信噪角特征能夠適合開放環(huán)境下語音活動檢測的需要,并可采用基于統(tǒng)計模型的方法進行決策。針對有經(jīng)驗數(shù)據(jù)的情況,本文還提出了兩種基于可區(qū)分訓練加權的檢測方法,其中加權值通過經(jīng)驗數(shù)據(jù)學習得到。實驗表明,所提出的信噪角特征和檢測方法能夠有效地適應開放環(huán)境下的語音活動檢測任務,并取得了較好的檢測性能。此外,實驗結果還表明

6、:在有經(jīng)驗數(shù)據(jù)的情況下,加權后的檢測方法可以明顯地提高檢測性能。
　　(3)提出了基于二層決策的多幀似然比檢測方法。語音活動在連續(xù)的語音幀中存在著較強的相關性,本文將這種幀間相關性以隱馬爾可夫模型(hidden Markov model,HMM)建模,提出了基于HMM修正最大后驗概率(maximum a posteriori,MAP)準則的決策方法來對單幀語音進行檢測。針對多語音幀檢測問題,以單幀語音檢測的似然比為研究對象,提出了

7、符號似然比檢測方法,并分析了檢測性能。結合上述所提出的單幀與多幀檢測方法,給出了二層決策的多幀似然比檢測方法。實驗表明,相比于傳統(tǒng)的統(tǒng)計模型方法,本文所提出的方法都取得了更好的檢測結果。
　　(4)提出了基于核方法與Chernoff不等式的非參數(shù)語音活動檢測方法。開放環(huán)境下噪聲的類型未知且變化,很難使用先驗知識來選擇統(tǒng)計模型進行決策。本文提出的非參數(shù)的檢測方法只使用信號的局部數(shù)據(jù),在再生核Hilbert空間中估計語音活動出現(xiàn)的后驗