低信噪比环境下语音端点检测方法研究

论文摘要

语音端点检测的任务是从带噪语音信号中分辨出语音段和非语音段，广泛应用在语音增强、语音编码和语音识别等语音通信领域。有效的检测出语音信号的端点，不仅可以减少语音信号处理的运算量，而且可以有效的提高系统的性能。目前，现有的端点检测方法在高信噪比环境下具有很好的检测效果，但是随着噪声的增强，其检测性能都有很大程度的下降，有些方法因此而失效，因此研究低信噪比环境下的语音端点检测方法意义重大。首先介绍了语音信号预处理方法，包括预滤波和采样、预加重、分帧和加窗。然后按照时域特征、频域特征、非线性特征、多特征结合的顺序介绍了常见语音端点检测方法，给出了各种方法的数学模型、实验与分析，为低信噪比下语音端点检测方法的改进提供理论基础。在多特征结合以及非线性特征方面，提出四种新的语音端点检测方法：（1）鉴于能量谱熵特征结合了时域能量与频域谱熵的优点，将非线性动力学的统计复杂度特征应用到语音端点检测中，并将其与能量特征相结合，提出能量统计复杂度的语音端点检测方法。（2）由于近似熵的值与数据长度有关以及一致性差的缺点，而样本熵是近似熵的改进算法，比近似熵具有更好的性质，因此提出基于样本熵的语音端点检测方法。（3）复杂运动一般由规则运动和随机运动混合而成，C0复杂度则为随机运动在复杂运动中所占的比例。传统C0复杂度的计算基于傅立叶分析，由于傅立叶分析只能区分信号在频域内的差别，不能很有效地分析非平稳信号，而小波分析能同时利用信号与噪声在时域和频域的差别，因此提出基于小波变换C0复杂度的语音端点检测方法。（4）传统的Lempel-Ziv复杂度分析基于二值粗粒化方法，由于二值粗粒化方法可能会丢失动力学系统的一些重要信息，因此采用多值粗粒化方法重构时间序列，提出基于多值粗粒化Lempel-Ziv复杂度特征的语音端点检测方法。此外，采用模糊C均值聚类算法和贝叶斯信息准则算法进行特征门限估计，并使用双门限法进行端点检测。在TIMIT连续语音库上的实验表明，在低信噪比环境下，四种改进方法的检测性能要优于其原有基准方法，且各自的算法时间复杂度等同于原有基准方法。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 课题研究背景与意义
• 1.2 课题研究动态
• 1.3 本文主要研究内容
• 第2章 语音端点检测基础知识
• 2.1 语音信号预处理
• 2.1.1 预滤波与采样
• 2.1.2 预加重
• 2.1.3 分帧
• 2.1.4 加窗
• 2.2 常见的端点检测方法介绍
• 2.2.1 基于时域特征参数的端点检测
• 2.2.1.1 短时能量和平均幅度
• 2.2.1.2 短时平均过零率
• 2.2.1.3 短时自相关函数
• 2.2.2 基于频域特征参数的端点检测
• 2.2.2.1 倒谱距离法
• 2.2.2.2 频带方差法
• 2.2.2.3 谱熵法
• 2.2.3 基于非线性特征参数的端点检测
• 2.2.3.1 排列熵
• 2.2.3.2 近似熵
• 0复杂度'>2.2.3.3 C₀复杂度
• 2.2.4 基于多特征参数结合的端点检测
• 2.3 本章小结
• 第3章 基于能量统计复杂度的语音端点检测方法
• 3.1 统计复杂度的计算
• 3.2 能量统计复杂度的计算
• 3.3 基于能量统计复杂度的端点检测
• 3.3.1 模糊 C 均值聚类算法
• 3.3.2 贝叶斯信息准则
• 3.3.3 门限估计算法与端点检测
• 3.3.4 双门限检测方法
• 3.4 实验与分析
• 3.4.1 测试数据与参数设置
• 3.4.2 实验结果
• 3.4.3 时间复杂度分析
• 3.5 本章小结
• 第4章 基于样本熵的语音端点检测方法
• 4.1 样本熵
• 4.2 基于样本熵的语音端点检测
• 4.2.1 基本原理
• 4.2.2 门限估计与端点检测
• 4.3 实验与分析
• 4.3.1 测试数据与参数设置
• 4.3.2 实验结果
• 4.3.3 时间复杂度分析
• 4.4 本章小结
• 0复杂度的语音端点检测方法'>第5章 基于小波变换 C₀复杂度的语音端点检测方法
• 0复杂度'>5.1 基于小波变换的 C₀复杂度
• 5.1.1 小波变换基本原理
• 0复杂度'>5.1.2 改进的 C₀复杂度
• 0的语音端点检测'>5.2 基于 WC₀的语音端点检测
• 5.3 实验与分析
• 5.3.1 测试数据与参数设置
• 5.3.2 实验结果
• 5.3.3 时间复杂度分析
• 5.4 本章小结
• 第6章 基于多值粗粒化 L-Z 复杂度的语音端点检测方法
• 6.1 多值粗粒化 Lempel-Ziv 复杂度
• 6.1.1 二值粗粒化方法
• 6.1.2 多值粗粒化方法
• 6.1.3 Lempel-Ziv 复杂度
• 6.2 基于 MLZC 的语音端点检测
• 6.3 实验与分析
• 6.3.1 测试数据与参数设置
• 6.3.2 实验结果
• 6.3.3 时间复杂度分析
• 6.4 几种方法比较与分析
• 6.4.1 平均加权错误比较
• 6.4.2 时间复杂度比较
• 6.4.3 结论分析
• 6.5 本章小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间所发表的学术论文
• 附录B 攻读硕士学位期间所参与的科研活动