本文關(guān)鍵詞：基于形態(tài)成分分析的語音活動(dòng)檢測

  更多相關(guān)文章： 語音活動(dòng)檢測 稀疏表示 形態(tài)成分分析

【摘要】：語音活動(dòng)檢測(Voice Activity Detection,VAD)以判別語音信號(hào)中語音段和非語音段為目的,在語音編碼、語音合成、語音分析、語音增強(qiáng)、說話人識(shí)別等應(yīng)用中起著基礎(chǔ)性的作用,是其他應(yīng)用的前導(dǎo)步驟。其重要作用表現(xiàn)在兩個(gè)方面。一方面非語音是語音處理中的無用數(shù)據(jù),排除非語音有利于減少無用數(shù)據(jù)的處理量,提高系統(tǒng)效率。另一方面,非語音中通常含有噪聲信號(hào),將嚴(yán)重降低系統(tǒng)性能。因此,語音活動(dòng)檢測的研究有著重要意義。目前,語音活動(dòng)檢測方法主要有基于特征參數(shù)、基于統(tǒng)計(jì)模型和基于機(jī)器學(xué)習(xí)的方法。在有變化的噪聲的情況下,檢測方法的結(jié)果會(huì)受到影響,準(zhǔn)確率不是很高。因此,本文針對這一問題,把形態(tài)成分分析方法應(yīng)用于語音活動(dòng)檢測,提出了基于形態(tài)成分分析的方法,以提高語音活動(dòng)檢測的魯棒性和準(zhǔn)確性,其主要工作如下:本文具體提出了兩種基于形態(tài)成分分析的語音活動(dòng)檢測方法,分別是變化的噪聲下的語音活動(dòng)檢測方法、在線更新噪聲字典的語音活動(dòng)檢測方法,還把一種字典優(yōu)化用于提出的語音活動(dòng)檢測方法。一、變化的噪聲下的語音活動(dòng)檢測方法,主要步驟有特征提取,把信號(hào)做分幀、加窗處理,然后再進(jìn)行傅里葉變換,以幅度譜作為特征;使用K-SVD算法訓(xùn)練語音和噪聲字典;使用GMM識(shí)別噪聲類型,為每一種噪聲類型訓(xùn)練一個(gè)GMM模型,然后訓(xùn)練好的GMM計(jì)算識(shí)別陌生噪聲類型,選擇噪聲字典;使用MCA算法稀疏編碼并且判定結(jié)果,把選擇的噪聲字典和語音字典拼接成大字典,用于MCA算法,通過得到的稀疏系數(shù),判定檢測結(jié)果。這種方法能適應(yīng)不同噪聲環(huán)境,實(shí)驗(yàn)表明該方法有比較高的檢測準(zhǔn)確率。二、在線更新噪聲字典的語音活動(dòng)檢測方法,主要步驟有特征提取,分幀、加窗預(yù)處理后,進(jìn)行傅里葉變換得到幅度譜特征;字典學(xué)習(xí),用K-SVD算法訓(xùn)練語音字典;噪聲字典在線更新,利用在線字典更新算法訓(xùn)練噪聲字典;字典拼接和用MCA稀疏編碼,拼接語音字典和噪聲字典,用于MCA算法;對每一幀信號(hào)進(jìn)行分類,通過稀疏系數(shù)區(qū)分語音幀和非語音幀。這種方法可以直接利用信號(hào)中的噪聲訓(xùn)練噪聲字典,不需要特定的噪聲訓(xùn)練數(shù)據(jù),能使噪聲字典更好的適應(yīng)信號(hào),實(shí)驗(yàn)表明該方法具有比較高的檢測準(zhǔn)確率。三、字典優(yōu)化的方法,首先為了去除不重要的原子,提出了標(biāo)記重要原子的算法,這樣就可以區(qū)分原子是否重要。然后為了去除有害原子,提出了去除有害原子算法,這樣就達(dá)到了字典優(yōu)化的目的。通過字典優(yōu)化能夠提高字典質(zhì)量,進(jìn)而提高了利用字典方法的檢測準(zhǔn)確率,實(shí)驗(yàn)表明字典優(yōu)化后語音活動(dòng)檢測的檢測準(zhǔn)確率的確所有提高。本文對以上幾種方法都進(jìn)行了實(shí)驗(yàn),得到了實(shí)驗(yàn)結(jié)果的圖表和數(shù)據(jù),并且進(jìn)行了說明分析。經(jīng)過對比實(shí)驗(yàn)結(jié)果得出,本文所提出的方法具有更好的抗噪性能,具有更高的檢測準(zhǔn)確性,證明了本文算法的有效性。
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN912.3

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 何勇軍;付茂國;孫廣路;;語音特征增強(qiáng)方法綜述[J];哈爾濱理工大學(xué)學(xué)報(bào);2014年02期

2 何勇軍;孫廣路;付茂國;韓紀(jì)慶;;基于稀疏編碼的魯棒說話人識(shí)別[J];數(shù)據(jù)采集與處理;2014年02期

3 韓衛(wèi)麗;鄒建成;李建偉;;一種基于信號(hào)稀疏表示的語音去噪新方法[J];北方工業(yè)大學(xué)學(xué)報(bào);2013年03期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 楊春旺;基于多觀測似然比的語音活動(dòng)檢測研究與系統(tǒng)實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2013年

，

本文編號(hào)：1245897