Toeplitz含噪语音端点鲁棒检测.pdf

Computer Engineering and Applications计算机工程与应用
2013,49(18)217
oeplitz含噪语音端点鲁榉檢测
王景芳',宁矿凤2
Wangjingfang', NING Kuangfeng
湖南涉外经济学院电气工程系,长沙410205
2.湖南涉外经济学院计算机科学系,长沙410205
IElcctric Enginccring Departmcnt, Hunan International Economics University, Changsha 410205, China
2. Computcr Science Department, Hunan International Economics University, Changsha 410205, China
WANG Jingfang, NING Kuangfeng. Voice activity robust detection of noisy speech in Toeplitz. Computer Engineering
and Applications, 2013, 49(18): 217-222
.bstract: A Tocplitz dc-noising mcthod using the maximum cigcnvaluc is proposed for the voice activity detection at low SNR
scenarios. This method uses the self-correlation sequence of speech bandwidth spectrum to construct a new symmetric Toeplitz
matrix and to compute the arst igcnvaluc, and the double decision thresholds in the largest cigcnvaluc are applicd in the dcci
sion framewok. Simulation results show that the presented algorithm is more effective in distinguishing speech from noise and
has better robustness under various noisy environments. Compared with novel method of recurrence rate analysis, this algorithm
shows lower wrong decision rate. The algorithm is of low computational complexity and is simple in real-time realization
Key words: voice activity detection: speech bandwidth spectrum; maximum eigenvalue; robustness
摘要:针对在低信噪比条件下语音端点检测问题,提出了一种基于 Tocplit?最大特征值的去噪语音端点检测方法。该
法用语带频语自相关序列构造一个对称 Toeplitz矩阵,利用该矩阵最大特征值的信息量对语音信号进行双门限端点检
测。新算法经过实验,能够有效地区分语音和噪声,在不同的低噪声环境条件下具有良好的鲁棒性。与新近的信号递归
度分析方法比较,准确率较高。该算法计算代价小,实时性好,简洁易实现。
关键词:语音端点检测;语带频谱;最大特征值;鲁棒性
文献标志码:A中图分类号:IN912.3doi:10.3778/jsa.1002-8331.112-0461
噪比环境屮可以保持稳定的性能啊。其缺点是计算复杂度
语音作为语言的声学表现,是听觉器官对外界声音传太大,不适合实时语音识別系统的应用。Shen最早提出
播介质机械振动的感知,是人类信息传递和情感交流的重将信息熵用于语音噪声分类,人的发音和噪声的差异可以
要载体。目前,语音处理技术要求语音输入在安静的环境从它们的频谱婀表现出来。基于语音频谱熵的算法在低
下进行,当周围环境有噪声(如工厂、机场等)时,系统性能信噪比环境下胜过基于能量的方法。在自噪声效果较好
会急剧下降。然而,语音通信过程不可避免地受到来自周但在有色噪声还是难以奏效。
围环境、传播介质等噪声的影响。语音端点检测是数字语在语音增强方面利用过信号子空间;本文针对在低
音处理的重要环节啊,其目的是从采样得到的数字信号中信噪比、非半稳噪声条件下难以实现语音端点检测,提出
检测出语音信号段和噪声信号段。将采集的语音信号分了一和基于 Toeplitz最大特征值的去噪语音端点检测方法。
为纯噪声段和带噪语音段,判断各语音片段的起止点,是该方法用相语带频谱自相关序列构造一个对称 Toeplitz矩
语音增郧算法和语音编码的重要组成部分之一。在语音阵,利用该矩阵最大特征值的信息量对语音信号进行双门
识別过程中,正确确定语音段的起止端点,可祓少计算量限端点检测。该算法大大提高了算法的检测精度与有效
和语音识別误判率。
性,能在多种噪声环境和低信噪比条件中都能保持较好的
短时能量是语端点检測算法中最常用的特征?,它检测性能
在高信噪比环境中可以有效地分出语音和噪声,但是大量
的实验结果显示,基于短时能量的方法在低信噪比和非平2构造 Toeplitz信息矩阼
稳噪声环境中,其性能明显下降。当然,部分算法在低信
语音信号从整体来看其特性及表征其本质特征的参
作者简介:主景芳(1957ー),男,教授,主要研究方向:信号处理与语音识别。E-mail:matlabwif(a126.com
收稿日期:2011-12-23修回H期:2012-10-15文章编号:1002-8331(2013)18-0217-06