基于語音增強(qiáng)的語音活動(dòng)檢測(cè)算法研究.pdf

1、傳統(tǒng)語音活動(dòng)檢測(cè)算法在動(dòng)態(tài)（非平穩(wěn)）低信噪比背景噪聲環(huán)境下的效果很不理想，這主要是因?yàn)閭鹘y(tǒng)方法中提取的能量與過零率等檢測(cè)特征針對(duì)的是平穩(wěn)噪聲，對(duì)信噪比的變化很敏感。而本文提出的基于語音增強(qiáng)的語音活動(dòng)檢測(cè)算法的研究可以很好的解決這個(gè)問題，因?yàn)楸疚奶岢龅姆椒ㄖ姓Z音檢測(cè)算法是基于語音信號(hào)周期分解，而語音信號(hào)中濁音段的周期性是區(qū)別一般噪聲信號(hào)的重要特征，并且該特征受背景噪聲類型和信噪比變化的影響小。在基于語音周期分解的語音活動(dòng)檢測(cè)方法中，基頻提

2、取的準(zhǔn)確性對(duì)最終檢測(cè)性能有很大影響，針對(duì)此情況，本文提出了自相關(guān)、循環(huán)均值幅度差分和YIN三種基頻提取算法相融合的方法。在低信噪比的背景噪聲環(huán)境下基頻提取的結(jié)果將會(huì)受到很大的影響，針對(duì)這個(gè)問題本文提出方法中的語音增強(qiáng)可以解決這個(gè)問題。
　　 本文所做的工作有以下3點(diǎn)：
　　 (1)對(duì)語音增強(qiáng)中噪聲估計(jì)最常用的方法，最小值搜索，改進(jìn)控制遞歸均值算法，以及語音增強(qiáng)中增益估計(jì)最常用的方法，譜減，卡爾曼濾波，最小均方誤差進(jìn)行了詳

3、細(xì)的介紹，并對(duì)基于最小值搜索和譜減語音增強(qiáng)算法，改進(jìn)卡爾曼濾波語音增強(qiáng)算法方法以及基于改進(jìn)最小控制遞歸算法和最小均方誤差語音增強(qiáng)算法這三種方法進(jìn)行了對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明基于改進(jìn)最小控制遞歸算法和最小均方誤差語音增強(qiáng)算法，也即是本文使用的方法，是這三種方法中最好的，并將該方法用到基頻提取算法中，實(shí)驗(yàn)結(jié)果表明，語音增強(qiáng)之后噪聲語音信號(hào)基頻提取的正確率比語音增強(qiáng)之前有所提高。
　　 (2)對(duì)語音信號(hào)周期分解的方法進(jìn)行介紹，并將分解后

4、的周期/非周期部分作為語音活動(dòng)檢測(cè)的特征提取，通過似然比計(jì)算，進(jìn)行最終的語音活動(dòng)檢測(cè)判決，實(shí)驗(yàn)結(jié)果表明本文介紹的語音活動(dòng)檢測(cè)算法最終的正確率比傳統(tǒng)方法有很大的提高。
　　 (3)基頻提取在語音活動(dòng)檢測(cè)中起的作用比較大，而在低信噪比的環(huán)境下基頻提取的結(jié)果不理想，針對(duì)這種問題，本文提出了自相關(guān)函數(shù)法，循環(huán)均值幅度差分函數(shù)和YIN三種方法融合的方法進(jìn)行基頻提取。實(shí)驗(yàn)結(jié)果表明，三種方法融合提取基頻的方法比任一種方法的結(jié)果都要好，并且最終