一种HHT谱矩阵的车内噪声语音端点检测

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (20): 164-167.

• 数据库、信号与信息处理 • 上一篇下一篇

一种HHT谱矩阵的车内噪声语音端点检测

刘柏森1，2，卢志茂1，金辉1，孙美玲1

1.哈尔滨工程大学信息与通信工程学院，哈尔滨 150001
2.黑龙江工程学院电子工程系，哈尔滨 150050

出版日期:2012-07-11 发布日期:2012-07-10

Voice activity detection with vehicle interior noise based on Hilbert-Huang transform spectral matrix

LIU Baisen1，2, LU Zhimao1, JIN Hui1, SUN Meiling1

1.College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China
2.Department of Electronic Engineering, Heilongjiang Institute of Technology, Harbin 150050, China

Online:2012-07-11 Published:2012-07-10

摘要/Abstract

摘要： 由于车内噪声的存在，使语音的检测率降低得非常明显，这给智能汽车的语音控制带来了困难。提出了一种基于HHT谱矩阵的检测方法。该方法通过分析HHT的特点，以及噪声、语音信号的幅度分布特点，以帧为单位对输入信号HHT的时、频、幅矩阵进行处理，构建幅值-时间曲线，通过对前端噪声段的估计，自动设定阈值对整个信号的语音段进行检测。实验结果表明，该方法在车内噪声较强的情况下仍能有效检测语音段。

关键词: 信号处理, 希尔伯特-黄变换, 车内噪声, 信号检测, 低信噪比

Abstract: It is difficult to control voice of intelligent vehicles due to vehicle interior noise, which can decrease detection rate of voice obviously. The article presents a detection method based on Hilbert-Huang Transform（HHT） spectral matrix. The method with frame as a unit processes time, frequency, and amplitude matrix of input signal HHT, and constructs amplitude-time curve by analyzing characteristics of HHT and noise, voice signal amplitude distribution. By estimating front end noise, the method sets threshold automatically for detecting phonetic segment of the whole signal. The result indicates that the method can detect voice activity effectively with vehicle interior heavy noise.

Key words: signal processing, Hilbert-Huang Transform（HHT）, vehicle interior noise, signal detection, low signal-
to-noise ratios

刘柏森1，2，卢志茂1，金辉1，孙美玲1. 一种HHT谱矩阵的车内噪声语音端点检测[J]. 计算机工程与应用, 2012, 48(20): 164-167.

LIU Baisen1，2, LU Zhimao1, JIN Hui1, SUN Meiling1. Voice activity detection with vehicle interior noise based on Hilbert-Huang transform spectral matrix[J]. Computer Engineering and Applications, 2012, 48(20): 164-167.

[1]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[2]	胡青渝，刘广臣. DBN在蛋白质编码区识别问题中的应用研究[J]. 计算机工程与应用, 2020, 56(4): 247-255.
[3]	杨航，朱永利. 基于Storm的局部放电信号集合经验模态分解[J]. 计算机工程与应用, 2020, 56(10): 261-267.
[4]	夏宇声，刘凯，张浩，金飞宇，郑林江. 基于多边限定的室内定位方法设计与系统实现[J]. 计算机工程与应用, 2019, 55(11): 250-256.
[5]	杨宝山1，2，3，胡业刚1，2，3，张冀聪1，2，3. 2DPCA在脑磁图棘波信号检测中的应用[J]. 计算机工程与应用, 2019, 55(1): 186-190.
[6]	黄衍标，安娟，陈华珍，廖惜春. 基于巨磁阻抗传感器的心磁信号检测的研究[J]. 计算机工程与应用, 2018, 54(4): 250-255.
[7]	王茜竹1，2，李楠1，2. 大规模MIMO系统的改进RTS信号检测算法[J]. 计算机工程与应用, 2018, 54(12): 74-79.
[8]	郭瑞，樊亚敏. 极限学习机延拓的BS-EMD端点效应抑制算法及应用[J]. 计算机工程与应用, 2017, 53(7): 256-262.
[9]	陈博文，蒋磊，刘潇文，张群. 基于混沌量子粒子群的FHN神经元UWB信号检测[J]. 计算机工程与应用, 2017, 53(6): 135-140.
[10]	彭自然1，王国军1，2. 基于MPSoC平台小波变换并行算法研究[J]. 计算机工程与应用, 2017, 53(4): 33-38.
[11]	赖松轩，李艳雄. 说话人聚类的初始类生成方法[J]. 计算机工程与应用, 2017, 53(3): 149-153.
[12]	田正东1，唐加山2. 面阵中基于传播算子的二维DOA估计算法[J]. 计算机工程与应用, 2017, 53(22): 35-39.
[13]	张小恒1，2，李勇明2，朱斌2. 范数正则化解相关集成学习基音频率检测[J]. 计算机工程与应用, 2017, 53(11): 155-160.
[14]	黎严，张国平，罗俊. 一种改进的多天线信号能量检测方案[J]. 计算机工程与应用, 2017, 53(10): 112-116.
[15]	李宏伟，张宏雁. Lyapunov指数在弱2FSK信号检测中的应用[J]. 计算机工程与应用, 2016, 52(2): 151-155.

一种HHT谱矩阵的车内噪声语音端点检测

Voice activity detection with vehicle interior noise based on Hilbert-Huang transform spectral matrix

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics