强背景噪声下语音端点检测的算法研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (33): 137-139.

• 数据库、信号与信息处理 • 上一篇下一篇

强背景噪声下语音端点检测的算法研究

吴边1，王忠2，刘兴涛2

1.四川大学计算机学院，成都 610065
2.四川大学电气信息学院，成都 610065

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-21 发布日期:2011-11-21

Research on speech endpoint detection in strong noise

WU Bian1，WANG Zhong2，LIU Xingtao2

1.School of Computer，Sichuan University，Chengdu 610065，China
2.School of Electronic Engineering and Information，Sichuan University，Chengdu 610065，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-21 Published:2011-11-21

摘要/Abstract

摘要： 多带谱熵法对语音频段进行分带处理形成新的分带谱熵函数，在低信噪比时，该方法能够更好地检测出语音，还能体现能量分布情况，应用较为广泛。多窗谱分析方法对同一数据序列用多个正交的数据窗分别求直接谱，是一种低方差、高分辨率的谱分析方法，尤其适合非线性系统中高噪声背景下弱信号、时频演变信号的分析。提出基于多窗谱及多带谱相结合的语音检测方法，仿真结果表明：改进算法较其他算法占有绝对的优势，而且性能稳定。

关键词: 语音端点检测, 谱熵, 多带谱熵, 多窗谱估计

Abstract: The multi-band entropy estimation divides the speech band into a few separate parts to form new spectral entropy functions.It is widely used as it can detect the speech signal excellently when the SNR is low，besides，it can reflect the distribution of energy.The multitaper spectrum method is a low-variance，high-resolution spectrum analysis method which weights the signal with several orthogonal data windows，and it is particularly well-suited for the diagnosis analysis of weak signals with a time-depended amplitude and frequency against a high-noise background.The speech endpoint detection is proposed based on the combination of multitaper spectrum with multi-band entropy estimation.The simulation results show that this improved algorithm has an absolute advantage over other algorithms，and its performance is always stable.

Key words: speech endpoint detection, spectral entropy, multi-band entropy, mutitaper spectrum

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.

WU Bian1，WANG Zhong2，LIU Xingtao2. Research on speech endpoint detection in strong noise[J]. Computer Engineering and Applications, 2011, 47(33): 137-139.

[1]	许莹莹1，李朝锋1，2. 空域和频域联合特征挖掘的无参视频质量评价[J]. 计算机工程与应用, 2018, 54(9): 165-171.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	冯璐，陈威兵. 基于加权门限谱熵的改进端点检测方法[J]. 计算机工程与应用, 2013, 49(9): 207-210.
[7]	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.
[8]	徐晓梅，鲁周迅. 谱熵和谱减法在CMMB信道估计中的应用[J]. 计算机工程与应用, 2013, 49(13): 204-206.
[9]	吴飞1，2，张德祥1，2. Curvelet变换的多波段遥感图像融合研究[J]. 计算机工程与应用, 2012, 48(32): 153-156.
[10]	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.
[11]	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.
[12]	彭雨晨，王忠. 多窗谱估计的语音增强减法研究[J]. 计算机工程与应用, 2012, 48(19): 114-118.
[13]	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.
[14]	王景芳. 实时语音端点鲁棒检测[J]. 计算机工程与应用, 2011, 47(20): 147-150.
[15]	王纲金，赵欢，胡炼. 基于小波变换C₀复杂度的语音端点检测方法[J]. 计算机工程与应用, 2010, 46(29): 134-136.

强背景噪声下语音端点检测的算法研究

Research on speech endpoint detection in strong noise

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