基于频谱方差的抗噪声语音端点检测算法

声带的震 动产生声音。说话时声门闭 合, 声带 受到气流 的冲击而张开。声 门不 断的闭 合和 张开使 气流 产生 一系列
的脉冲, 每开启和闭 合一次 的时 间称为 基音 周期, 其 倒数即 为基音频率, 简称 基频。基 音频 率决定 了声 调的高 低, 基频 高则声调高。
声道是气 流自声带发出之后, 对发 音起着重要 作用的器
秒。 n为谐振频点序号, L 为 声道长 度 [ 4] 。这些 谐振 有关 , 不 同的 形状 对应不
同的共振 峰, 是 声道 的重 要 声学 参数。 当声 波从 声 道 传出
时, 其频谱特性会根据声道形状发生 变化。每个人 的声道在 说话的时候都不一样 , 因此共振峰相差较大。
2. 2 传统端点检测算法及其缺点 总的来说, 端点检 测就是 利用 语音 信号的 固有 特征, 如
幅度、能量、过 零率、相关性 和频域 特性等, 以 最大似然 准则 进行判断。早 期 端点 检测 算 法多 使用 短 时能 量、短 时 过零
率、线性预测系数等 进行检 测, 这些 算法对 于纯 净语音 信号 的端点检测都很 有效, 但是 在有 一定噪 声干 扰的情 况下, 检
官。声道是一个 谐振 腔, 有许多 谐振 频率。说 话时, 口 和唇 的变化会随时改变声道 的外形和大小, 谐振频率则 由发声瞬 间的声道形状 决定。如 果声道截面是均匀的 , 那么 谐振频率 将位于:
Fn
=
( 2n - 1) c 4L
( n = 1, 2, 3,
)
( 3)
式中 c为 声音的 速度, 在 15∃ 的空气中 约为 340. 5 米 /
测效果都会急剧 下降。 近年来 又引 入了基 于倒 谱特征 的检
测方法, 如基于线 性预测 倒谱 系数 ( LPCC )和 m el倒谱 系数 的算法等, 这些 特 征参 数是 基 于人 的声 道 模型 和听 觉 机理
的, 能更好的反映语音信号的本质特征, 但在 噪声背景 下, 这 些方法的检测效果依 然有待改善。
1 引言
数字语音信号是 由语音部分和各种背 景噪音混合 组成, 要在其中将需要处理的语音信 号时段与静音 时段、噪声时段 区分开来, 确定出语音信号的起始点, 这就是 端点检测, 也称 为话音活动检测 ( V o ice A ctiv ity De tection, VAD ) 。端点检测 是语音识别预处理阶段的一项 关键技术, 对识别结 果的准确 性有重要的作 用。研究 表明, 即 使在安 静的 环境中, 语 音识 别系统中也有一半以 上的错误源于端点检测 [ 1] , 在 噪声背景 环境下, 能否精确确 定语音 信号 的起始 点, 更是 对识别 结果 的准确性起着很重要 的作用。
下面对这种 端点检 测算 法进行 仿真 分析。首 先采 集一
段无噪声的语音信号, 进行端点检测。 然后在语音 中加入噪
声, 再观察含噪语音的 LPCC 系数波形, 看语音部分和噪声部 分之间是否存在 明显 的差 别。为了 与之后 本文 将要提 出的
基于频谱距离的端点检测方法 进行对比, 本文的实 例仿真图
第 27卷 第 9期 文章编号: 1006 - 9348( 2010) 09 - 0337- 04
计算机仿真
2010年 9月
基于频谱方差的抗噪声语音端点检测算法
刘玉珍, 连自锋
( 辽宁工程技术大学电子与信息工程学院, 辽宁 葫芦岛 125105)
摘要: 在语音识别系统中, 对识别的准确性有很重要的作用。对于纯净语音信号, 传统的端点检测算法能够很好地 检测语音 部分的起止点。由于在有噪声干扰的情况下, 算法的检测准确度往往会急 剧下降。为了改善 噪声环境下 的端点检 测效果, 从语音信号和噪声信号频域分布特性的差异出发, 用频谱方差数值来区分 语音和噪声, 提出 了基于频谱方差 的端点检 测算 法, 并进行了无噪声和噪声环境下的仿真, 证明了这种算法在强噪声干扰 的情况下也能够 取得很好的效 果。同时将新 算法 和传统的基于 LPCC 的端点检测算法进行了对比试验, 实验结果表明, 在噪声环境下, 新算法的检测精度有明显提高。 关键词: 频谱方差; 端点检测; 话音活动检测; 语音识别 中图分类号: TN 912. 34 文献标识码: A
下面以 基于 LPCC 的端点检测 算法为例, 对其 原理稍作 分析, 并对其抗噪声性能进行仿真实验。
2. 3 基于线性预测倒谱系数的端点检测方法 线性预测最早由 维纳提出, 又称 为线性预 测编码。它是
基于全极点 模型 假 设, 以最 小 均方 误差 准 则来 估计 模 型参 数。线性预测分析的基本思想 是: 由于 语音信号之 间存在着
收稿日期: 2009 - 07- 23 修回日期 2009- 08- 08
常用的端点检测算 法在无噪声的情况下 , 都能 表现出很 好的性能。但在有噪声 干扰的情况下, 通常检测精 度下降很 严重。本文以语音信号和噪声的 频谱特征 的差别为出 发点, 提出了基于频 谱方差的 端点 检测 算法, 分析 了算 法原理, 并 对其在噪声环境下的检 测性能进行了仿真, 证明这 种算法在 较强噪声干扰 的情况下也能准确找到语音端点。
共振峰 Fn 的频率都是基频的整数 倍。声道对于 激励信 号的响应可以用一个全极点线 性模型来近似 描述, 每个极点 对应一个共振峰 频率。 这个线 性系 统的频 率响 应特性 决定
相关性, 每一个语音 信号的 采样 值, 都可以 由之 前的若 干个 采样值的加权和来表 示, 各加权系数应 使语音信号 的线性预 测值与实际采样值之间的误差 的平方和达到 最小, 即逼近最 小均方误差。其中的加权系数 就是线性预测系数。
P阶线性预测就是根据过去 P个信号的采样值 { s( n- 1), s( n2), , s( n- P) }的加权和来预测信号的当前采样值 s( n)。若选用全 极点参考模型进行分析,则传递函数 H( z)为:
S(z)
1
! H ( z ) = G* U ( z ) =
p
1-
k z- k
( 1)
k= 1
其中 S( z)和 U ( z) 分别 为输出 信号 s( n)和 输入 信号 u
( n) 的 Z 变换, G 为增益常数, { ak }即为线性预测系数 [3] 。 获得线性预测系数以后, 可以通过以下公式得到其倒谱:
i- 1
! Ci =
i+ k= 1
1-
k i
C i- k
k
( 2)
LPCC参数能够避免语音产生过程 中的激励对 语音特性
的影响, 主要反映声 道特性, 能 够很 好的描 述语 音的共 振峰
特 性 [ 3]。 因此语 音信 号和 噪声部 分的 LPCC 特 性会存 在较 大差别, 这使得 LPCC可以被用来进行端点检测。
ABSTRACT: Endpo int detec tion is a cruc ia l techno logy o f preprocessing step in speech recogn ition system s. It play s a very important pa rt in the accuracy o f the recognition results. T o pure speech signa,l traditional endpo int detection m e thods can a lso achieve fa ir ly good results in detecting the start and endpo int. Butw hen in terfered by no ise, the de tection accuracy of such m ethods a lw ays falls sharply, o r even loses effec tiveness. T here a re differences in frequency dom ain between speech and no ise d istribution characters. To improve the perform ance of endpo int de tection in no isy env ironm en t, th is article takes such d iscrepancy as a sta rting po int, uses spectrum var iance to d istingu ish vo ice and no ise, and proposes a new anti- no isy endpo int detection me thod base on spec trum var iance. T hen sim ulate the m e thod in bo th pure speech s igna l and speech w ith wh ite no ise, prove that this new m ethod can a lso perform we ll un der the c ircum stances o f ser ious no ise. A contrast test is also done w ith the new m e thod and a trad itiona l m ethod, based on LPCC. T he outcom e show s that the new m ethod can ach ieve bette r e ffectiveness. KEYW ORDS: Spectrum va riance; Endpo int de tection; VAD; Speech recogn ition
A lgorithm of Anti- noise Endpoint D etection Based on Spectrum Variance