论文部分内容阅读
起步于上世纪五十年代的语音识别技术,经历了几十年的研究历程,如今逐渐走出实验室,并慢慢趋向于大规模应用。然而,实际环境中并没有完全纯净的语音信号,往往都伴有噪声或其他干扰(Lombard效应及传输通道变化引起的畸变),实验环境和实际环境存在失配现象,导致语音识别系统在实用时性能急剧下降。而端点检测,作为语音识别系统预处理阶段遇到的第一个关键技术,其准确性在某种程度上直接决定了整个语音识别系统的成败。语音识别系统的处理对象是有效语音信号,即排除了纯噪声段的语音信号段,这就需要事先从输入信号中找到语音部分的起止点,确定有效语音段的边界,端点检测的目的就是从包含语音的一段信号中确定出语音的起点以及终点,又称语音活动检测(VAD,Voice Activity Detection)。端点检测不仅在语音识别中显得重要,在自适应语音增强和语音编码中也同样重要。传统的端点检测算法都是针对实验室安静环境的,近几年人们才开始研究噪声环境下语音的端点检测,目前随着自动语音识别技术在车载电话通信,免提式语音识别等方面的应用逐渐广泛,研究背景噪声下的鲁棒性(Robustness)语音端点检测算法显得尤为重要。本文首先介绍了近十年国内外学者提出的一些端点检测算法,并分析了其中几种端点检测算法所选用的特征,给出仿真结果和一些改进。随后,提出了噪声环境下的两种语音端点检测新方法。算法一: 在LPC倒谱进行端点检测的基础上提出了基于LPC美尔倒谱(LPCCMCC)的端点检测算法。该算法中对LPC倒谱系数进一步按符合人耳听觉特性的(MEL)尺度进行非线性变换,求得LPC美尔倒谱系数(LPCCMCC),并以此作为端点检测的特征,该特征既考虑了声道特性,又符合人耳听觉,仿真实验结果表明了它的优越性[文章已被录用]。算法二:针对汉语语音的特点,提出了基于汉语语音学知识的两级鲁棒性端点检测算法,选用时域短时能零比和频域短时浊音频带(200-1000Hz)谱幅作为特征,采取自适应门限,在常见噪声环境(交通,汽车,背景说话人噪声Babble,白噪声等)下效果较好,算法实现简单,环境适应性较强[文章部分内容被录用]。文章最后对近两年出现的一些研究新方向作了简单介绍和展望,指出了端点检测的发展前景。