在語音識別系統(tǒng)中一項非常重要的預(yù)處理技術(shù)就是語音端點檢測。語音端點檢測,就是要從摻雜有復(fù)雜背景噪聲的語音信號中,分離出語音信號和非語音信號,確定出語音信號的起始點和終止點。因此,作為語音識別系統(tǒng)的第一步,語音端點檢測,尤其是噪聲環(huán)境下的語音端點檢測,是至關(guān)重要的,它的準(zhǔn)確性在很大程度上直接影響著后續(xù)的識別工作能否有效進行。本文實現(xiàn)了一些常用的語音端點檢測算法,并分析了其各自的優(yōu)缺點�；跁r域的短時能量和過零率的方法,結(jié)合了語音段的能量比噪聲段的能量大,以及清音、鼻音、摩擦音等能量值較小的語音段的短時平均過零率值較高的優(yōu)點,在純凈語音下可以得到較好的檢測效果,但隨著噪聲的增大,該方法的檢測效果也隨之下降�；谛畔㈧氐恼Z音端點檢測算法利用語音幀的信息熵值小于背景噪聲幀的信息熵值的特點來進行語音端點檢測,在低信噪比下仍可以得到較好的效果,但對于某些噪聲,檢測結(jié)果較差�；诙虝r能頻值的語音端點檢測算法將時域和頻域特征參數(shù)結(jié)合在一起,實驗表明,在噪聲環(huán)境下也可較好的進行語音端點檢測,但沒有很好的方法來確定門限值。針對上述三種方法的不足,本文將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到語音端點檢測算法中,以連續(xù)的幾個語音...

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１漢明窗波形圖??

典型的語音信號特性是隨著時間的變化而變化的，例如，隨著咽、口腔、鼻腔這些??聲道的變化，會使信號的共振峰有很大的變化；在聲帶振動和聲帶不振動時，會使語音??的幅度值有很大的變化。在一個語音信號的波形圖中，這些變化十分明顯，圖２．２為語??音＂制約俄國鞏固西方在東歐的立足點”的波形....

圖２．２語音波形示例??Ｆｉｇｕｒｅ?２．２?Ｔｈｅ?ｓｐｅｅｃｈ?ｗａｖｅｆｏｒｍ?ｅｘａｍｐｌｅ??

??１．濾波器組分析方法??濾波器組分析方法是通過使用一組濾波器來進行頻譜分析的方法，其原理如圖２．３??所示。??＿油玻器乂?ｈ－?ＡＡｖＡ＾??ＡＡＡＡ／—濾坡器／，?—?ａａ／＼／＼／??Ｈ?酬／．?ｈ?＂ＡａＡ／Ｖ??圖２．３濾波器組分析方法原理圖??Ｆｉｇｕｒｅ?２．３....

圖２．４快速傅里葉變換頻譜圖??

Ｍ為窗函數(shù)。從短時傅里葉變換提出以來，由于其計算量大、耗時長，所以??在很長的一段時間內(nèi)并不能被應(yīng)用到實際的工程項目中�；诖�，人們提出了一種快速??傅里葉變換（Ｆａｓｔ?Ｆｏｕｒｉｅｒ?Ｔｒａｎｓｆｏｒｍ，ＦＦＴ）的方法，用來更快速的實現(xiàn)這一變換。圖２．４??為語音“制約俄國鞏....

圖３．２基于短時能量的語音端點檢測??Ｆｉｇｕｒｅ?３．２?Ｓｈｏｒｔ?Ｅｎｅｒｇｙ?ｆｏｒ?ｖｏｉｃｅ?ａｃｔｉｖｉｔｙ?ｄｅｔｅｃｔｉｏｎ??

圖３．２基于短時能量的語音端點檢測??Ｆｉｇｕｒｅ?３．２?Ｓｈｏｒｔ?Ｅｎｅｒｇｙ?ｆｏｒ?ｖｏｉｃｅ?ａｃｔｉｖｉｔｙ?ｄｅｔｅｃｔｉｏｎ??但是，只使用短時能量進行端點切分的方法很不可靠，從圖３．?２中可以看到，在“四”??字的開始部分和“語”字部分為清音，短時能量幅度比其....

本文編號：3940366