本文關(guān)鍵詞：噪聲環(huán)境下的語(yǔ)音激活檢測(cè)算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：變速率語(yǔ)音編碼技術(shù)在陸地蜂窩移動(dòng)通信、衛(wèi)星移動(dòng)通信、VoIP等數(shù)字通信系統(tǒng)中有著廣泛的應(yīng)用前景,而語(yǔ)音激活檢測(cè)(Voice Activity Detection,VAD)算法是實(shí)現(xiàn)變速率語(yǔ)音編碼的關(guān)鍵技術(shù)之一。采用VAD算法實(shí)現(xiàn)的變速率聲碼器能在合成語(yǔ)音質(zhì)量和帶寬資源之間取得靈活的折衷,因此,研究出穩(wěn)健、可靠的VAD算法,尤其是在噪聲環(huán)境下,對(duì)變速率語(yǔ)音編碼技術(shù)的發(fā)展具有重要的意義。目前,語(yǔ)音激活檢測(cè)方面已有不少的研究成果,其中,基于隱馬爾科夫模型(Hidden Markov Model,HMM)的VAD算法能夠較好地區(qū)分話音信號(hào)和背景噪聲信號(hào),是目前數(shù)字語(yǔ)音信號(hào)處理重點(diǎn)研究課題。本文從課題的研究背景與現(xiàn)狀入手,簡(jiǎn)要闡述了VAD算法的基本原理和噪聲特性,介紹了自適應(yīng)多速率編碼(Adaptive Multi-Rate,AMR)標(biāo)準(zhǔn)中和G.729B編碼標(biāo)準(zhǔn)中的VAD算法的實(shí)現(xiàn)過程,并分析其優(yōu)缺點(diǎn)。然后重點(diǎn)研究了基于HMM模型的VAD算法并進(jìn)行改進(jìn)。最后將其應(yīng)用到了低速率聲碼器中,實(shí)現(xiàn)了一種可變速率的聲碼器。具體工作如下:1.為了改善現(xiàn)有基于HMM模型VAD算法對(duì)噪聲的跟蹤性能,本文采用Baum-Welch算法對(duì)具有不同特性的噪聲進(jìn)行訓(xùn)練,并生成相應(yīng)的噪聲模型,建立了噪聲模型庫(kù)。在檢測(cè)時(shí),根據(jù)待測(cè)語(yǔ)音背景噪聲的不同,動(dòng)態(tài)地匹配噪聲庫(kù)中的噪聲模型。同時(shí),本文對(duì)閾值計(jì)算方法進(jìn)行改進(jìn),提高算法判決準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明,本文算法具有較高的檢測(cè)準(zhǔn)確率及較好的噪聲跟蹤能力。2.將改進(jìn)后的VAD算法通過非連續(xù)傳輸技術(shù)應(yīng)用到4kb/s混合激勵(lì)線性預(yù)測(cè)(Mixed Excitation Linear Prediction,MELP)聲碼器中。編碼器端對(duì)VAD判決出的話音幀采用全速率編碼,而對(duì)判決出的背景噪聲幀采用較低速率編碼或者不編碼,從而實(shí)現(xiàn)了一種可變速率聲碼器。性能測(cè)試結(jié)果表明,本文實(shí)現(xiàn)的可變速率聲碼器在保證合成語(yǔ)音語(yǔ)音質(zhì)量情況下,平均編碼速率大幅度降低,說明了本文VAD算法在實(shí)時(shí)語(yǔ)音中具有良好的實(shí)用性。
【關(guān)鍵詞】：變速率語(yǔ)音編碼 MELP VAD HMM
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN912.3
【目錄】：

• 摘要3-4
• Abstract4-11
• 注釋表11-12
• 第1章 緒論12-19
• 1.1 論文的研究背景及意義12-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀13-15
• 1.3 評(píng)價(jià)指標(biāo)15-17
• 1.3.1 VAD算法的評(píng)價(jià)指標(biāo)15-16
• 1.3.2 變速率聲碼器性能評(píng)價(jià)指標(biāo)16-17
• 1.4 論文的組織結(jié)構(gòu)17-19
• 第2章 語(yǔ)音激活檢測(cè)算法分析19-33
• 2.1 語(yǔ)音激活檢測(cè)算法的基本原理19-25
• 2.1.1 預(yù)處理模塊19-20
• 2.1.2 特征參數(shù)提取20-24
• 2.1.3 判決方法24
• 2.1.4 VAD輸出24-25
• 2.2 噪聲特性及分類25-28
• 2.2.1 噪聲特性25-26
• 2.2.2 噪聲分類26-28
• 2.3 語(yǔ)音編碼標(biāo)準(zhǔn)中的VAD算法28-32
• 2.3.1 AMR中的VAD算法28-30
• 2.3.2 G.729B中的VAD算法30-32
• 2.4 本章小結(jié)32-33
• 第3章 基于HMM模型的語(yǔ)音激活檢測(cè)算法33-54
• 3.1 HMM模型的基本原理33-40
• 3.1.1 HMM模型的定義33-34
• 3.1.2 HMM模型的三個(gè)基本問題34-39
• 3.1.3 連續(xù)的HMM模型39-40
• 3.2 基于HMM模型的VAD算法基本原理40-42
• 3.2.1 訓(xùn)練模塊40-41
• 3.2.2 檢測(cè)模塊41-42
• 3.3 改進(jìn)的基于HMM模型的VAD算法42-46
• 3.4 實(shí)驗(yàn)結(jié)果及分析46-52
• 3.5 本章小結(jié)52-54
• 第4章 基于HMM模型的VAD算法在語(yǔ)音編碼中的應(yīng)用54-70
• 4.1 4kb/s MELP聲碼器的實(shí)現(xiàn)54-57
• 4.1.1 MELP編碼器原理54-55
• 4.1.2 MELP解碼器原理55-56
• 4.1.3 4kb/s MELP聲碼器的實(shí)現(xiàn)56-57
• 4.2 變速率聲碼器的實(shí)現(xiàn)57-61
• 4.2.1 DTX技術(shù)57-59
• 4.2.2 舒適噪聲生成59
• 4.2.3 編解碼器的實(shí)現(xiàn)59-61
• 4.3 性能測(cè)試及分析61-68
• 4.3.1 仿真結(jié)果61-64
• 4.3.2 PESQ值測(cè)試64-66
• 4.3.3 平均編碼速率估算66-68
• 4.4 本章小結(jié)68-70
• 第5章 總結(jié)與展望70-72
• 5.1 論文總結(jié)70-71
• 5.2 后續(xù)工作研究71-72
• 參考文獻(xiàn)72-76
• 致謝76-77
• 攻讀碩士學(xué)位期間從事的科研工作及取得的成果77

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 張金榜;尹冬梅;;基于統(tǒng)計(jì)模型的語(yǔ)音激活檢測(cè)算法改進(jìn)[J];微型機(jī)與應(yīng)用;2015年12期

2 肖佳林;趙聿晴;王英;;基于HMM與SVM的語(yǔ)音活動(dòng)檢測(cè)[J];計(jì)算機(jī)工程;2014年01期

3 王民;任雪妮;孫潔;;一種高效的基音檢測(cè)與評(píng)估算法[J];計(jì)算機(jī)工程與應(yīng)用;2014年14期

  本文關(guān)鍵詞：噪聲環(huán)境下的語(yǔ)音激活檢測(cè)算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：255435