船舶自身發(fā)出的巨大噪聲,嚴(yán)重影響了通訊設(shè)備通訊端船舶工作者的正常語音交流和通訊,須要進行語音信號增強,將語音信號從背景噪聲中檢測分離出來。為此,文章在分析語音信號與船舶背景噪聲信號時域序列復(fù)雜性基礎(chǔ)上,提出基于信號序列樣本熵的語音信號檢測算法。該算法將含噪信號進行分幀后,首先計算每幀信號的樣本熵,并根據(jù)自適應(yīng)預(yù)設(shè)閾值對信號進行初始判斷;然后,利用信號通常持續(xù)一定時間的連續(xù)性,對信號初始判斷進行平滑,得到信號的最終判別類別,實現(xiàn)對語音信號的檢測。經(jīng)過大量實測實驗數(shù)據(jù)的驗證,環(huán)境噪聲信號的辨別準(zhǔn)確度為90.33%,語音信號為95.05%,該算法取得了較好的判別精度。 

【文章來源】：海軍航空工程學(xué)院學(xué)報. 2020,35(05)

【文章頁數(shù)】：5 頁

【部分圖文】：

船舶背景噪聲信號相鄰幀頻譜分布相似性

語音信號由肺部收縮產(chǎn)生的氣流經(jīng)過聲門和聲道引起震蕩而產(chǎn)生。語音中有意義的最小單元是單詞，單詞由音素組成[12-14]，音素是語音中的最小單位。一段語音信號中會選擇不同的單詞來表達內(nèi)容，通過音素引起氣流、聲門和聲道的不斷變化，從而表現(xiàn)出即使在一個較短時間內(nèi)，其相鄰時間幀信號的頻譜等特征表現(xiàn)出較大的差異，如圖2所示。為純凈語音信號相鄰幀信號的頻譜分布特性，其頻譜計算方法與圖1相同，且都進行了頻譜曲線平滑處理。綜上所述，不同的發(fā)聲機理，使語音信號與船舶背景噪聲信號的短時頻譜相似性有較大的差異。對于背景噪聲信號，其短時幀間頻譜分布相似性較大，因而其信號時間序列中的新信息量較少；而語音信號由于短時幀間頻譜的分布相差很大，其信號時間序列中的新信息量會較多[15-18]。因此，通過樣本熵來描述含噪聲語音信號中語音段與噪聲段信號的新信息量差異，可以實現(xiàn)2種信號的判別。

如圖3所示，為測試基于頻譜趨勢相似性的信號識別算法的性能及對不同數(shù)據(jù)的適應(yīng)性，將測試數(shù)據(jù)分成3個子集進行實驗。子集1：該數(shù)據(jù)子集主要包括不同說話者的語音信號，主要用來測試算法對語音信號的識別性能和對不同說話者語音的適應(yīng)性。實驗中，每個錄制的數(shù)據(jù)取20 s進行實驗，其結(jié)果如圖3 a）所示。

【參考文獻】：
期刊論文
[1]一種自適應(yīng)時移與閾值的DCT語音增強算法[J]. 張君昌,劉海鵬,樊養(yǎng)余.  西安電子科技大學(xué)學(xué)報. 2014(06)
[2]艦船噪聲識別（Ⅰ）──總體框架、線譜分析和提取[J]. 吳國清,李靖,陳耀明,袁毅,陳岳.  聲學(xué)學(xué)報. 1998(05)



本文編號：3325038