基于小波分析的語音端點檢測算法研究.pdf

1、語音端點檢測是語音識別中至關(guān)重要的技術(shù)。無論軍用還是民用，語音端點檢測都有著廣泛的應(yīng)用。在低信噪比的環(huán)境中進(jìn)行精確的端點檢測比較困難，尤其是在無聲段或者發(fā)音前后。本文討論了幾種常用的端點檢測方法，并提出兩種基于小波分析的端點檢測，并在此基礎(chǔ)上描述了基于這兩種算法的語音端點檢測綜合算法，從而實現(xiàn)對語音信號精確端點檢測的方法。 文中首先介紹了幾種常見的語音端點檢測方法如短時能量與過零率，隱馬爾可夫等。這些方法在靜音環(huán)境下，當(dāng)噪聲較小

2、或噪聲相對單一時可以取的較好的檢測結(jié)果，但在語音環(huán)境較惡劣、信噪比較低時，檢測的結(jié)果下降較快，難以讓人滿意。為此本文引入了小波變換作為分析工具。接下來論文討論了小波變換的原理及在語音識別系統(tǒng)中的應(yīng)用。 論文分別提出了兩種基于小波系數(shù)的語音端點檢測方法，并對其實驗結(jié)果進(jìn)行了比較。第一種方法是子帶平均能量方差用于語音端點檢測，該方法利用噪聲的分類及特點，以及它與語音信號的差別，在小波分析的基礎(chǔ)上，對每一子帶的平均能量進(jìn)行方差分析，從

3、而區(qū)分出語音段。該方法具有快速、簡單和準(zhǔn)確率高的特點。第二種方法是小波系數(shù)方差用于語音端點檢測，語音信號是統(tǒng)計自相似的隨機過程，它的統(tǒng)計特性在時域內(nèi)不隨波形的擴充或壓縮而變化。根據(jù)這一特性為識別語音與背景噪聲建立一個理想的貝葉斯兩層分類器，以每一子帶內(nèi)的小波系數(shù)作為比較參數(shù)，從而進(jìn)行分類計算。最后根據(jù)概率的大小得到端點檢測的結(jié)果。該方法具有適用范圍廣、準(zhǔn)確率高的特點，而算法相對比前一方法要復(fù)雜。 論文在討論了前兩種方法的優(yōu)缺點、