一種基于分帶譜熵的語(yǔ)音激活檢測(cè)算法

1、    一種基于分帶譜熵的語(yǔ)音激活檢測(cè)算法語(yǔ)音激活檢測(cè)VAD(VoiceActivityDetection)指采用一定的信號(hào)處理技術(shù)來(lái)檢測(cè)信號(hào)中是否包含語(yǔ)音信號(hào)，并且從背景噪聲中找出每一段語(yǔ)音的開(kāi)始和終止，以明確找出語(yǔ)音信號(hào)存在的范圍。目前該技術(shù)被廣泛應(yīng)用在語(yǔ)音編碼、語(yǔ)音增強(qiáng)、語(yǔ)音合成、回聲抵消以及語(yǔ)音通信等領(lǐng)域。語(yǔ)音激活檢測(cè)的研究歷史很長(zhǎng)，從最早的基于短時(shí)能量、過(guò)零率的判斷，到基于語(yǔ)音模型和統(tǒng)計(jì)知識(shí)的各種復(fù)雜算法，語(yǔ)音激活檢測(cè)算法的原理和實(shí)現(xiàn)方法都在不斷地更新。語(yǔ)音激活檢測(cè)VAD(Voice Activity Detection)指采用一定的信號(hào)處理技

2、術(shù)來(lái)檢測(cè)信號(hào)中是否包含語(yǔ)音信號(hào)，并且從背景噪聲中找出每一段語(yǔ)音的開(kāi)始和終止，以明確找出語(yǔ)音信號(hào)存在的范圍。目前該技術(shù)被廣泛應(yīng)用在語(yǔ)音編碼、語(yǔ)音增強(qiáng)、語(yǔ)音合成、回聲抵消以及語(yǔ)音通信等領(lǐng)域。語(yǔ)音激活檢測(cè)的研究歷史很長(zhǎng)，從最早的基于短時(shí)能量、過(guò)零率的判斷，到基于語(yǔ)音模型和統(tǒng)計(jì)知識(shí)的各種復(fù)雜算法，語(yǔ)音激活檢測(cè)算法的原理和實(shí)現(xiàn)方法都在不斷地更新。近年來(lái)，一些學(xué)者提出了基于支持向量機(jī)1、小波理論2、神經(jīng)網(wǎng)絡(luò)3和循環(huán)累積量4等理論的檢測(cè)方法，對(duì)語(yǔ)音檢測(cè)方法的研究給出了新的思路。如何在保證算法魯棒性的同時(shí)降低算法的復(fù)雜度是一個(gè)極具挑戰(zhàn)性的問(wèn)題,也是目前語(yǔ)音激活檢測(cè)中的熱點(diǎn)問(wèn)題。本文設(shè)計(jì)了一種基于分帶譜熵的語(yǔ)音

3、激活檢測(cè)算法，該方法采用分帶譜熵作為判決參數(shù)，達(dá)到了較高的判別準(zhǔn)確率及較低的算法復(fù)雜度。1 特征提取特征提取的框圖如圖1所示。首先對(duì)加噪語(yǔ)音進(jìn)行分幀和加窗處理，然后進(jìn)行時(shí)頻變換，由參考文獻(xiàn)5知，與常用的FFT相比，用離散余弦變換譜熵來(lái)區(qū)分噪聲與語(yǔ)音具有更大的隔離度，因此本文選用離散余弦變換(DCT)。離散余弦變換的定義式為：在DCT變換之后,對(duì)DCT系數(shù)進(jìn)行分帶,分成32個(gè)子帶，然后分別計(jì)算它的能量，其計(jì)算公式為：.為了提高概率密度函數(shù)分辨語(yǔ)音信號(hào)和非語(yǔ)音信號(hào)的能力，提出了一些經(jīng)驗(yàn)性的約束。首先，由于大部分語(yǔ)音信號(hào)都在250Hz6 000 Hz頻帶內(nèi)，因此有:為進(jìn)一步提高語(yǔ)音激活檢測(cè)的準(zhǔn)確率，

4、本文采用短時(shí)平均能量進(jìn)行加權(quán)的方法，即：從圖2(c)和圖2(d)可以看出，加權(quán)譜熵對(duì)幀能量更加敏感，而通過(guò)對(duì)其取對(duì)數(shù),在一定程度上降低了能量的影響。正因?yàn)槿绱?，本文采用加?quán)譜熵的對(duì)數(shù)值作為特征量，提高了算法的魯棒性。2 語(yǔ)音激活檢測(cè)算法(1) 對(duì)輸入的語(yǔ)音信號(hào)s(n)進(jìn)行分幀處理,幀長(zhǎng)32ms(256個(gè)樣點(diǎn))，得到每幀信號(hào)si(n)，i表示第i幀，并對(duì)si(n)進(jìn)行加窗處理，窗函數(shù)采用漢明窗。(2) 自適應(yīng)閾值的確定。可合理假設(shè)待檢測(cè)語(yǔ)音的前幾幀是非語(yǔ)音信號(hào)，本文中假設(shè)前10幀為非語(yǔ)音信號(hào)，計(jì)算其加權(quán)譜熵的對(duì)數(shù)值，然后求它們的最大值，門(mén)限值就是前10幀信號(hào)的加權(quán)譜熵的對(duì)數(shù)值中的最大值。(3)

5、計(jì)算每一幀信號(hào)的加權(quán)譜熵的對(duì)數(shù)值，然后把它與門(mén)限值進(jìn)行比較。如果大于門(mén)限值，則判為語(yǔ)音幀，否則判為噪聲幀或靜音幀。(4)對(duì)判決結(jié)果進(jìn)行平滑處理。為了有效地避免激活狀態(tài)的頻繁切換，本文對(duì)判決結(jié)果進(jìn)行平滑后處理。由于無(wú)論是非語(yǔ)音信號(hào)還是語(yǔ)音信號(hào)，一般都會(huì)持續(xù)一段時(shí)間，因此為了剔除判決時(shí)的少數(shù)壞點(diǎn)，在判決結(jié)束后加入了平滑后處理。即:.3 仿真與實(shí)驗(yàn)結(jié)果本文的算法用VC、Matlab進(jìn)行仿真。圖3所示為原始語(yǔ)音、加噪語(yǔ)音(噪聲為汽車(chē)內(nèi)部噪聲,信噪比為0 dB)、人工標(biāo)注的結(jié)果和使用本文算法檢測(cè)的結(jié)果。圖3(a)是一段純凈語(yǔ)音，其采樣率為8 000 Hz。圖3(b)是加噪語(yǔ)音，所加噪聲為汽車(chē)內(nèi)部噪聲，信

6、噪比為0 dB。圖3(c)為本文算法檢測(cè)的結(jié)果。圖3(d)為人工標(biāo)注的結(jié)果。由圖3(c)可以看出,本文的方法對(duì)低信噪比條件下的語(yǔ)音依然具有較好的分類效果。為進(jìn)一步說(shuō)明本文算法對(duì)加噪語(yǔ)音進(jìn)行檢測(cè)的魯棒性,對(duì)本文算法和G.729B中的VAD算法進(jìn)行對(duì)比。對(duì)1 000幀中文信號(hào)進(jìn)行實(shí)驗(yàn), 測(cè)試環(huán)境分別選取了-5 dB、 0 dB、5 dB、10 dB、20 dB、30 dB等6個(gè)不同的信噪比，充分體現(xiàn)了算法在不同信噪比下的性能。圖4給出了不同算法在相同背景噪聲類型(都為汽車(chē)內(nèi)部噪聲)、不同信噪比情況下的檢測(cè)準(zhǔn)確率。從圖4可以看出，本文算法的性能基本上不隨信噪比的變化而變化。同時(shí)可以看出當(dāng)信噪比逐漸降

7、低時(shí)，G.729B算法性能有了明顯的下降。本文中提出了一種能夠準(zhǔn)確進(jìn)行VAD判決的算法。該算法提取了加權(quán)譜熵的對(duì)數(shù)值作為特征，然后通過(guò)自適應(yīng)閾值，實(shí)現(xiàn)語(yǔ)音和靜音(或噪聲)的準(zhǔn)確檢測(cè)。實(shí)驗(yàn)結(jié)果表明，該語(yǔ)音激活檢測(cè)算法在汽車(chē)內(nèi)部噪聲條件具有較高的準(zhǔn)確率和穩(wěn)定性，是一種有效、簡(jiǎn)單的語(yǔ)音激活檢測(cè)算法。參考文獻(xiàn)1 齊峰巖,鮑長(zhǎng)春. 一種基于支持向量機(jī)的含噪語(yǔ)音的清/濁/靜音分類的新方法J.電子學(xué)報(bào),2006,34(4):605-611.2 AGHAJANI K H, MANZURI M T, KARAMI M, et al. A robust voice activity detection based on wavelet transform. 2008 Second International Conference on Electrical Engineering (ICEE). Lahore, Pakistan,2008.3 柳燕，鮑長(zhǎng)春. 基于競(jìng)爭(zhēng)網(wǎng)絡(luò)的語(yǔ)音激活算法研究J.信號(hào)處理，2006，22(1):57-60.4 竇