隨著信息技術(shù)的發(fā)展,語(yǔ)音智能化逐漸走上成熟,端點(diǎn)檢測(cè)作為語(yǔ)音信號(hào)處理中一個(gè)核心技術(shù)而顯得十分重要。語(yǔ)音端點(diǎn)檢測(cè)的目的是從帶噪語(yǔ)音信號(hào)中有效判別出語(yǔ)音的端點(diǎn),從而減少語(yǔ)音信號(hào)處理的運(yùn)算量和提高系統(tǒng)的性能�，F(xiàn)有的端點(diǎn)檢測(cè)方法在信噪比（Signal Noise Ratio,SNR）較高的環(huán)境下往往具有較好的檢測(cè)效果,但隨著信噪比的降低,端點(diǎn)檢測(cè)效果很不理想,甚至失效。針對(duì)此問題,本文通過改進(jìn)前端語(yǔ)音降噪算法,并結(jié)合改進(jìn)后的多特征融合策略進(jìn)行語(yǔ)音的雙門限端點(diǎn)檢測(cè),并通過與其它方法進(jìn)行實(shí)驗(yàn)仿真對(duì)比,驗(yàn)證了本文方法的優(yōu)越性。本文的研究工作及創(chuàng)新點(diǎn)主要表現(xiàn)在以下幾個(gè)方面:（1）結(jié)合語(yǔ)音增強(qiáng)技術(shù),提出了基于最小均方（the Least Mean Square,LMS）自適應(yīng)濾波減噪與多特征改進(jìn)的語(yǔ)音單字端點(diǎn)檢測(cè)方法,在處理噪聲的過程中引入多次中值濾波平滑處理,有效減少了語(yǔ)音信號(hào)所含的野點(diǎn)噪聲,并將改進(jìn)后的對(duì)數(shù)能量和短時(shí)平均過門限率相融合進(jìn)行雙門限端點(diǎn)檢測(cè)。（2）針對(duì)譜減法中短時(shí)傅里葉變換（Short-Time Fast Fourier Transform,SFFT）不能對(duì)非平穩(wěn)信號(hào)進(jìn)行有效分析,提出基... 

【文章來(lái)源】：上海大學(xué)上海市 211工程院校

【文章頁(yè)數(shù)】：94 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

語(yǔ)音信號(hào)分幀示意圖

從而 EF 為語(yǔ)音的有用信號(hào)段，從而確定語(yǔ)音有用信號(hào)段的起止點(diǎn)。圖 3.2 雙參數(shù)雙門限法原理圖3.2 基于時(shí)域特征參數(shù)的端點(diǎn)檢測(cè)對(duì)語(yǔ)音進(jìn)行時(shí)域分析，可以得到許多能代表語(yǔ)音特征的參數(shù)，噪聲信號(hào)與語(yǔ)音信號(hào)根據(jù)在這些特征上表現(xiàn)的不同，可以有效區(qū)分出語(yǔ)音信號(hào)和噪聲信號(hào)，從而檢測(cè)出語(yǔ)音信號(hào)有聲段的端點(diǎn)。3.2.1 語(yǔ)音能量特征語(yǔ)音信號(hào)一個(gè)重要的時(shí)域特征就是能量特征，在能量表征上，濁音所對(duì)應(yīng)的能量表現(xiàn)突出，能量值較大，清音所對(duì)應(yīng)的能量較小。語(yǔ)音的能量表現(xiàn)主要集中

圖 4.5 改進(jìn)的基于上下門限的過零率計(jì)算示意圖0.5 1 1.5 2 2.5 男 聲 “上 海 大 學(xué) ” 音 信 號(hào)時(shí) 間 /s短 時(shí) 平 均 過 零 率

【參考文獻(xiàn)】：
期刊論文
[1]基于Teager能量算子和經(jīng)驗(yàn)?zāi)B(tài)分解的語(yǔ)音端點(diǎn)檢測(cè)算法[J]. 沈希忠,鄭曉修.  電子與信息學(xué)報(bào). 2018(07)
[2]基于雙門限算法的端點(diǎn)檢測(cè)改進(jìn)研究[J]. 王滿洪,張二華,王明合.  計(jì)算機(jī)與數(shù)字工程. 2017(11)
[3]多特征和APSO-QNN相結(jié)合的語(yǔ)音端點(diǎn)檢測(cè)算法[J]. 董胡.  探測(cè)與控制學(xué)報(bào). 2017(04)
[4]基于改進(jìn)MFCC的鳥鳴聲識(shí)別方法研究[J]. 程龍,張華清.  中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[5]一種改進(jìn)的小波能量熵語(yǔ)音端點(diǎn)檢測(cè)算法[J]. 李樂,王玉英,李小霞.  計(jì)算機(jī)工程. 2017(05)
[6]改進(jìn)的DWT-MFCC特征提取算法[J]. 殷瑞祥,程俊杰.  現(xiàn)代電子技術(shù). 2017(09)
[7]Enhanced Speech Based Jointly Statistical Probability Distribution Function for Voice Activity Detection[J]. LI Jie,YOU Datao.  Chinese Journal of Electronics. 2017(02)
[8]基于改進(jìn)譜減法和MFCC的電機(jī)異常噪聲識(shí)別方法[J]. 易子馗,譚建平,劉思思.  微特電機(jī). 2017(02)
[9]基于多尺度樣本熵與閾值的語(yǔ)音端點(diǎn)檢測(cè)[J]. 王波,于鳳芹.  計(jì)算機(jī)工程. 2016(12)
[10]一種基于改進(jìn)譜熵的語(yǔ)音端點(diǎn)檢測(cè)方法[J]. 李艷,成凌飛,張培玲.  計(jì)算機(jī)科學(xué). 2016(S2)

碩士論文
[1]復(fù)雜噪聲環(huán)境下語(yǔ)音端點(diǎn)的檢測(cè)算法的研究[D]. 熊威.東華大學(xué) 2016
[2]帶噪語(yǔ)音信號(hào)端點(diǎn)檢測(cè)算法的研究及實(shí)現(xiàn)[D]. 劉艷輝.河南理工大學(xué) 2014



本文編號(hào)：3131615