【技术实现步骤摘要】
一种降低噪声影响的端点检测方法
本专利技术涉及语音信号分析领域，尤其涉及一种语音识别系统中的端点检测方法。
技术介绍
在语音识别系统中，端点检测一直是人们研究的重点问题，高精确度的端点检测有助于提高系统的识别率。随着语音识别技术的发展，相关产品也越来越丰富，应用的领域也越来越广阔。在实际应用环境中往往夹杂着各种各样的噪声，这些噪声在一定程度上影响了端点检测的正确率，从而降低了语音识别的准确性。因此，对噪声环境下语音端点检测技术的研究一直是语音信号处理的热点。在语音信号处理中，一段语音信号一般包括静音阶段、噪声阶段和有声阶段。而端点检测技术是将这段语音分割，找出这段语音有声阶段的起始点和结束点，这样可以排除静音阶段和噪声阶段的影响。仅对有效语音进行处理，可以提高语音识别系统的工作效率，减少不必要的运算。传统的端点检测方法有相关法的端点检测、方差法的端点检测、谱距离法的端点检测、能零比和能熵比的端点检测等等。这些方法在高信噪比条件下有不错的检测效果，但是在低信噪比条件下检测性能急剧下降。目前，针对此问题有许多改进的算法，...
【技术保护点】
1.一种降低噪声影响的端点检测方法，其特征在于，该方法包括以下步骤：/n步骤1：对带噪语音进行加窗分帧，对每一帧信号做离散傅里叶变换，然后采用三次指数平滑法做平滑处理，计算平滑后的幅度谱；/n步骤2：对分帧后的信号进行多窗谱估计，对获得的功率谱密度也做平滑处理；/n步骤3：计算噪声的平均功率谱密度；/n步骤4：动态的选择过减因子α，求出增益因子Q
【技术特征摘要】
1.一种降低噪声影响的端点检测方法，其特征在于，该方法包括以下步骤：
步骤1：对带噪语音进行加窗分帧，对每一帧信号做离散傅里叶变换，然后采用三次指数平滑法做平滑处理，计算平滑后的幅度谱；
步骤2：对分帧后的信号进行多窗谱估计，对获得的功率谱密度也做平滑处理；
步骤3：计算噪声的平均功率谱密度；
步骤4：动态的选择过减因子α，求出增益因子Qi，结合增益因子和幅度谱得到减噪后的幅度谱；
步骤5：由幅度谱进行IFFT变换得到减噪后的语音信号；
步骤6：对减噪后的语音信号加窗分帧，逐帧求出能量谱；
步骤7：将每帧分成若干子带，求得每帧的子带谱熵；
步骤8：引入一个正的常量R，动态选择R值，计算出新的子带谱熵；
步骤9：根据新的子带谱熵选取合适的门限值，进行双门限端点检测。
2.如权利要求1所述的降低噪声影响的端点检测方法，其特征在于，所述步骤1的分步骤如下：
1.1)将带噪语音表示为f(k)＝s(k)+n(k)，其中s(k)表示纯净语音信号，n(k)表示噪声信号，k是离散时间序号；对带噪语音f(k)加窗分帧后得fi(k)，其中下标i表示第i帧，对分帧后的信号做离散傅里叶变换：
其中N为每帧的长度；
1.2)频谱Fi(m)表示为：
其中幅度谱为|Fi(m)|，相位谱为
1.3)使用三次指数平滑法对每帧信号的幅度谱做平滑处理，三次指数平滑法模型表达式如下：
令
其中i＝2,3,4,...；为第i帧幅度谱的一次平滑值，为第i帧幅度谱的二次平滑值，为第i帧幅度谱的三次平滑值，λ∈(0,1)为平滑系数；
平滑处理后的第i帧幅度谱为：
3.如权利要求1或2所述的降低噪声影响的端点检测方法，其特征在于，所述步骤2的分步骤如下：
2.1)对加窗分帧后的信号fi(k)进行多窗频谱估计，它的功率谱为：
其中wl(k)为第l个窗函数，αl为对应窗函数的加权值，C为窗函数的个数，l＝0,1,2,...C-1；
窗函数
加权值其中V＝N/C；
2.2)使用三次指数平滑法对分帧后的功率谱密度Pi(m)做平滑处理，三次指数平滑法模型表达式如下：
令
其中i＝2,3,4,...；为第i帧功率谱的一次平滑值，为第i帧功率谱的二次平滑值，为第i帧功率谱的三次平滑值，λ∈(0,1)为平滑系数；
平滑处理后的第i帧功率谱为：
4.如权利要求1或2所述的降低噪声影响的端点检测方法，其特征在于，所述步骤3的过程如下：根据平滑处理后的第i帧功率谱为Si...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。