车内噪声环境下的语音端点检测和增强技术

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 217-219.

车内噪声环境下的语音端点检测和增强技术

马龙华¹,臧义华²,刘利强¹

1.哈尔滨工程大学自动化学院，哈尔滨 150001
2.华北计算技术研究所指挥自动化研究室，北京 100083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 马龙华

Speech endpoint detection and enhancements in car noisy environment

MA Long-hua¹,ZANG Yi-hua²,LIU Li-qiang¹

1.College of Automation，Harbin Engineering University，Harbin 150001，China
2.North China Computing Technology Institute，Beijing 100083，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: MA Long-hua

摘要/Abstract

摘要： 随着现代科技的发展，车载电子设备越来越多，但是如果在驾驶中司机的手离开方向盘去操作这些电子设备却是很危险的。对于这个问题的一个解决方法就是这些设备都采用语音识别作为它们的输入接口。通常的语音识别系统在噪声环境下的识别率是很低的，造成识别率下降的一个重要原因就是端点检测的不准确，因此必须发展一些技术来解决这个问题。提出了一种基于子带美尔谱熵的算法，这种算法可以准确地检测到语音的起始点和结束点，得到语音端点就可以利用谱减的方法来进行语音增强，经过增强后的语音信号就可以用普通的语音识别系统进行识别。

关键词: 语音增强, 端点检测, 子带美尔谱熵

Abstract: With the development of modern technology，car has more and more electrical devices.But it is dangerous to driver to operate these devices with hands leaving steering wheel.So speech recognition is solution to this problem，but general speech recognition system is sensitive to background noise，the reason is that the contaminated speech is difficult to find the endpoint accurately，So some technology must be developed.Speech enhancement is a popular technology.This paper describes a new band partitioning mel frequency spectral entropy endpoint technology，with these technology the start point and end point can be found accurately.After getting endpoint，spectral subtract can be used to enhance speech signal，then speech recognition can work well.

Key words: speech enchantment, endpoint detection, band partitioning mel frequency spectral entropy

马龙华¹,臧义华²,刘利强¹. 车内噪声环境下的语音端点检测和增强技术[J]. 计算机工程与应用, 2007, 43(36): 217-219.

MA Long-hua¹,ZANG Yi-hua²,LIU Li-qiang¹. Speech endpoint detection and enhancements in car noisy environment[J]. Computer Engineering and Applications, 2007, 43(36): 217-219.

[1]	王师琦，曾庆宁，龙超，熊松龄，祁潇潇. 语音增强与检测的多任务学习方法研究[J]. 计算机工程与应用, 2021, 57(20): 197-202.
[2]	王雁，贾海蓉，吉慧芳，王卫梅. 特征联合优化深度信念网络的语音增强算法[J]. 计算机工程与应用, 2019, 55(9): 38-42.
[3]	吉慧芳，贾海蓉，王雁. 改进相位谱补偿的语音增强方法[J]. 计算机工程与应用, 2019, 55(8): 48-52.
[4]	王杰1，杨程程1，莫嘉永2，王敦泽1，王谢谢1. 谐波重构先验信噪比估计算法[J]. 计算机工程与应用, 2018, 54(7): 44-48.
[5]	陈泽伟，曾庆宁，谢先明，龙超. 基于自相关函数的语音端点检测方法[J]. 计算机工程与应用, 2018, 54(6): 216-221.
[6]	王虎，李晶，赵恒淼，臧燕，李春堂. 稀疏低秩模型及相位谱补偿的语音增强算法[J]. 计算机工程与应用, 2018, 54(5): 150-155.
[7]	王波，于凤芹，陈莹. 基于非平滑非负矩阵分解语音增强[J]. 计算机工程与应用, 2017, 53(7): 160-164.
[8]	王霞1，王丹1，王光艳2，张艳1. 压缩感知与EMD相结合的带噪面罩语音增强[J]. 计算机工程与应用, 2017, 53(18): 137-140.
[9]	张建伟，陶亮，周健，王华彬. 基于改进谱平滑策略的IMCRA算法及其语音增强[J]. 计算机工程与应用, 2017, 53(1): 153-157.
[10]	苗敏敏，周治平. 手势认证中基于能量熵的端点检测方法研究[J]. 计算机工程与应用, 2016, 52(4): 205-210.
[11]	胡永刚1，张雄伟1，邹霞1，闵刚1，2，张立伟1，王健3. ADMM稀疏非负矩阵分解语音增强算法[J]. 计算机工程与应用, 2016, 52(3): 108-112.
[12]	汪鲁才，曹鹏霞，姜小龙. 一种改进的含噪语音端点检测方法[J]. 计算机工程与应用, 2016, 52(15): 162-167.
[13]	恩德，张凤磊，张昭，忽胜强. 模糊熵在车载环境下语音端点检测中的应用[J]. 计算机工程与应用, 2016, 52(10): 147-150.
[14]	宁矿凤，王景芳. DCT域维纳滤波语音增强[J]. 计算机工程与应用, 2015, 51(8): 226-230.
[15]	王晓华，屈雷. 基于时频参数融合的自适应语音端点检测算法[J]. 计算机工程与应用, 2015, 51(20): 203-207.