基于语音存在概率的语音活动检测方法

　　【论文关键词】语音增强　语音活动检测　语音存在概率

　　【论文摘要】首先总结了几种常见的语音活动检测（VAD）方法，然后从计算每帧每个频率点的语音存在概率出发，提出了一种新的VAD方法，并就其中的一些参数选择问题进行了讨论。最后给出新方法与传统方法实验结果对比。

　　1引言

　　日常生活中，人们说话有间隙，有必要对一段语音进行检测，以确定哪些时间上是有语音，哪些时间上没有语音。在语音编码中，语音活动检测（Voice ActivityDetection，VAD）用来区分有语音段和无语音段。如果一段时间被判断为无语音段，则不需对其编码。这样可减少信道带宽的占用，使有限的带宽得到合理使用。在语音增强中，VAD用来判断一段时间上是否存在语音。如果某段时间内不存在语音，那么这段时间就只有噪声存在，因此可以被用来估计和更新噪声功率谱。在语音增强领域，VAD的性能往往直接影响到最后的结果。因为目前多数的语音增强算法必须对噪声功率谱进行估计，如果噪声功率谱估计不准确，就会导致最后的增益函数估计不准确。准确的噪声功率谱估计须建立在准确的纯噪声段判断的基础上。

　　笔者提出了一种新的VAD方法，这种方法建立在每帧每个频率点的语音存在概率的基础上。根据概率大小判断是否存在语音。

　　2语音存在概率估计

　　为进行VAD，首先对每帧每个频率点进行语音存在概率估计，该估计大致分为两步：（1）估计是否存在强语音成分；（2）估计语音不存在概率和语音存在概率。含噪语音由纯净语音和噪声叠加而成，所以假设

　　Y（k，l）=X（k，l）+D（k，l）（1）

　　其中，Y（k，l）为含噪信号，X（k，l）为纯净语音，D（k，l）

　　为噪声，k为某一帧的频率点编号，l为帧编号。

　　2.1估计是否存在强语音成分

　　含噪语音中某些地方会有明显的语音存在，由于后面估计语音不存在概率需要用到相邻帧的信息，所以强语音成分存在会严重影响到语音不存在概率估计。因此有必要先对某帧是否存在强语音进行判断，如果是，那么在下面的语音不存在概率估计过程中将不会用到此帧的信息。

　　对于含噪信号，要进行两次平滑，一次是帧内平滑，一次是帧间平滑。首先进行帧内平滑

　　其中，αs为平滑参数且0<αs<1。然后搜索D帧中各频率点的最小值，即Smin（k，l）=min{S（k，l′）|l-D+1≤l′≤l}（4）根据文献[1]可找到Bmin，满足E{Smin（k，l）}=B-1min·λd（k，l）（5）也就是说可通过一个补偿因子Bmin估计出当前帧的噪声功率谱。定义

　　根据γmin和ζ，按照下面的判决准则，判断当前帧是否含有强语音成分

　　其中，“0”为有强语音存在，“1”为没有强语音存在，γ0=4.6，ζ0=1.67。

　　2.2估计语音不存在概率和语音

　　存在概率利用前面强语音成分判断的结果，可通过先排除含有强语音成分的频率点，再进行帧内平滑和帧间平滑，最后得到对应于每帧每个频率点的估计量。这个估计量反映了该帧每个频率点上能量情况。如某帧是无语音帧，则其各频率点上的估计量将会较小。再通过对一段区间上搜索最小估计量，将搜索到的结果作为参照标准。当某帧某个频率点的估计量超过参照标准的若干倍时，即判定此处含有语音，否则就不含有语音。首先，利用是否存在强语音的判决结果进行新的帧内平滑和帧间平滑。先进行帧内平滑

　　的计算用到了I（k，l），排除了强语音存在的频率点。再进行帧间平滑

　　然后同前面估计是否存在强语音成分一样，进行区间最小值搜索

　　定义

　　l ）=E{D（k，l）2}。由于按照式（13）计算语音存在概率需要估计先验信噪比ξ和后验信噪比γ，如果估计不准确，必然导致VAD结果不准确。故这里对此进行简化，直接用1减去q（k，l）作为语音存在概率p（k，l）。

百度搜索“yundocx”或“云文档网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，云文档网，提供经典工学类基于语音存在概率的语音活动检测方法在线全文阅读。