多类噪声环境下的语音端点检测

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (29): 114-118.

• 数据库、信号与信息处理 • 上一篇下一篇

多类噪声环境下的语音端点检测

汤霖，姜世芬

江门职业技术学院电子与信息技术系，广东江门 529090

出版日期:2012-10-11 发布日期:2012-10-22

Endpoint detection in multi types noise condition

TANG Lin, JIANG Shifen

Department of Electronic and Information Technology, Jiangmen Polytechnic, Jiangmen, Guangdong 529090, China

Online:2012-10-11 Published:2012-10-22

摘要/Abstract

摘要： 在既有平稳噪音又有突发噪声的环境下进行语音端点检测是一项挑战。在选择抗噪特征的基础上，提出了自适应判定阈值和用多层感知器进行语噪鉴别的语音端点检测办法。实验结果表明，选择的语音参数比传统的帧能量和过零率在信噪比为0 dB时，正确的语音端点检出率高出27%，而多层感知器在正常环境下，检出94.47%的开关门声、咳嗽声、翻书声和呼吸声等孤立突发噪声。

关键词: 语音端点检测, 语音处理, 抗噪特征, 多层感知器

Abstract: It is a challenge to detect voice endpoints in the condition that includes stationary noise and instantaneous noise. This paper presents a method that uses self-adaptation detection thresholds and multi layer perceptron to recognize noise and voice based on the selected anti noise features. Experimental results show that the correct voice endpoints detection rate is 27% higher by using the selected features than using conventional frame energy and cross zero rate in 0 dB SNR, and the use of multi layer perceptron achieves 94.47% isolated instantaneous noise recognition rate in normal condition, those types of noise include the sound of opening and closing door, cough sound, sound of turning pages and sound of breath, etc.

Key words: voice endpoint detection, speech processing, anti noise feature, multi layer perceptron

汤霖，姜世芬. 多类噪声环境下的语音端点检测[J]. 计算机工程与应用, 2012, 48(29): 114-118.

TANG Lin, JIANG Shifen. Endpoint detection in multi types noise condition[J]. Computer Engineering and Applications, 2012, 48(29): 114-118.

[1]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[2]	张驰，郭媛，黎明. 人工神经网络模型发展及应用综述[J]. 计算机工程与应用, 2021, 57(11): 57-69.
[3]	谢建群，刘怡俊，李生. 改进鲸鱼算法在云计算资源负载预测中的应用[J]. 计算机工程与应用, 2018, 54(13): 73-77.
[4]	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.
[5]	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.
[6]	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.
[7]	晁浩，宋成，刘志中. 语音识别中基于发音特征的声调集成算法[J]. 计算机工程与应用, 2014, 50(23): 21-25.
[8]	田旺兰，李加升. 改进运用深度置信网络的语音端点检测方法[J]. 计算机工程与应用, 2014, 50(20): 207-210.
[9]	张青林. 基于极端学习机的MANET移动性预测模型[J]. 计算机工程与应用, 2014, 50(12): 71-76.
[10]	王景芳1，宁矿凤2. Toeplitz含噪语音端点鲁棒检测[J]. 计算机工程与应用, 2013, 49(18): 217-222.
[11]	侯勇1，2，郑雪峰1. 集成学习算法的研究与应用[J]. 计算机工程与应用, 2012, 48(34): 17-22.
[12]	侯丽霞，曾以成，焦蓓. 强噪声环境下基于改进HHT的语音端点检测[J]. 计算机工程与应用, 2012, 48(28): 139-142.
[13]	杨强，山拜·达拉拜，廖燕芳. 多模噪声中粒子滤波算法研究[J]. 计算机工程与应用, 2012, 48(21): 123-125.
[14]	张梅. 一种基于模糊神经网络的语音端点检测方法[J]. 计算机工程与应用, 2012, 48(16): 133-135.
[15]	吴边1，王忠2，刘兴涛2. 强背景噪声下语音端点检测的算法研究[J]. 计算机工程与应用, 2011, 47(33): 137-139.

多类噪声环境下的语音端点检测

Endpoint detection in multi types noise condition

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