小波变换方法实现语音端点检测

介绍传统端点检测方法,对其特点进行了分析,针对主要由白噪声组成的噪声背景,采用一种基于小波变换的语音端点检测方法,并进行了NATLAB仿真。实验结果表明,这种算法根据白噪声在小波变换域各个子带的平均能量变化平缓的特点,判别语音段和噪声段,在高信噪比和低信噪比的情况下,均能正确判别语音段和噪声段。     

一种基于小波系数方差的语音端点检测方法

首先分析讨论了小波变换的原理,在此基础上提出了一种利用小波系数方差识别含噪语音信号中静音与语音的新算法。算法首先对含噪语音进行小波分解,观察各层小波系数的统计特性,提取它们的方差作为检测特征,从而进行语音端点检测。对该算法进行了仿真实验,并与传统的基于能量与过零率的端点检测算法进行了比较。实验结果表明:该算法在低信噪比条件下也能够有效分割语音。     

基于短时能零积和鉴别信息的语音端点检测

为了提高低信噪比下语音端点检测的准确率,提出了一种新型的语音端点检测算法.该算法利用短时能零积法和鉴别信息的互补优势,一边降噪一边端点检测,而且对于被判为噪声的帧利用基于子带能量鉴别信息方法来进行二次复检,根据鉴别信息来更新噪声能量门限,从而能更准确地跟踪噪声的能量变化.实验结果表明,该方法在信噪比变化比较剧烈的情况下仍然能够准确地进行端点检测,对语音信号的后续处理起到了很好的作用.     

一种改进的基于短时平均幅度的语音端点检测算法研究

在噪声环境下,利用短时平均幅度为特征进行语音端点检测.文章在传统端点检测算法的基础上,研究了汉语音节的特点,提出采用短时平均幅度代替短时能量,并为平均幅度引入判决门限.门限值是根据语音信号背景噪声自动计算得到,从而保证了算法在噪声环境下检测的准确性.实验结果表明,与传统的基于短时能量的端点检测算法相比,改进的算法在高信噪比和低信噪比环境下都具有良好的性能.     

一种基于近邻传播聚类的语音端点检测方法

为提高语音端点检测在低信噪比情况下的准确性,提出一种基于近邻传播聚类的语音端点检测算法.首先采用能量语音端点检测去除静音段;然后利用近邻传播聚类自动获取类别数的优点,有效地将语音细分为无语义语音和静音段、远场噪声段等各种类别;最后结合后处理方法,对语音端点做进一步过滤处理.实验结果表明:该算法在低信噪比的情况下,与传统的能量语音端点检测相比,其有效语音检测的漏警率相对下降13%,虚警率相对下降14%;在实际应用中,如声纹确认和声音检测等,与经典算法相比,该算法检测的准确率与效率等性能得到了显著提升.     

应用倒谱特征的带噪语音端点检测方法

传统的语音端点检测方法以信号的短时能量、过零率等简单特征作为判决特征参数.这些方法在实际应用中,尤其当信号信噪比比较低时,无法满足系统的需要.文中利用语音信号的倒谱特征作为判决抽样信号帧是否为语音信号的依据,并提出了倒谱距离测量法和循环神经网络法.通过对宽带噪声-白噪声干扰情况和一种特殊噪声——汽车噪声情况的实验,发现倒谱特征参数的语音信号端点检测方法在噪声环境下具有传统的能量方法无法比拟的优越性,更适合于实际应用.     

基于梅尔频率倒谱系数与短时能量的低信噪比语音端点检测

低信噪比环境下语音信号的端点检测在语音识别与通信等领域具有重要意义,目前低信噪比环境下的端点检测还存在效率低、识别率不高等问题.本文在分析梅尔频率倒谱系数(MFCC)和短时能量在端点检测中应用的基础上,提出将MFCC前三维度分量相加(MFCC_a),再与短时能量相除(梅尔能量比)作为语音特征参数的语音端点检测测度,最后利用模糊C均值聚类算法自适应确定双门限阈值进行端点检测.选取TIMIT语音库中的50条语音信号进行实验,结果表明:在信噪比为5 dB、0 dB、-5 dB的噪声环境下,与能零比、谱熵等算法相比,本算法端点识别准确率均有所提高,其中在-5 dB信噪比环境下提升了约30%.     

基于自适应门限的分形维数语音端点检测

针对固定门限方法在语音端点检测技术中的局限性,为了提高低信噪比下语音端点检测的鲁棒性和准确率,将自适应门限应用于分形维数的语音检测中,提出了一种新的语音端点检测算法.该算法通过对语音信号产生机制的分析,将分形维数用于语音起止点的检测中,设计了自适应门限,从而有效降低了噪声干扰对检测结果的影响,并实现了实时检测.仿真实验结果表明,在低信噪比的情况下,改进的端点检测算法比传统的短时能量检测算法可更准确有效地实现带噪语音的端点检测,而且对噪声干扰具有更好的鲁棒性.     

语音信号处理中双门限端点检测算法的改进

语音信号识别系统预处理阶段中一个关键步骤是语音信号的端点检测,其精准性直接决定了整个语音识别系统的识别效果. 传统的短时能量和短时过零率双门限检测法中后端点检测存在偏差,且在有噪声的情况下鲁棒性较差. 从动态阈值、短时平均过零率、端点修复、动态检测等方面入手,改进了双门限检测法. 优化了的端点检测算法,使得语音识别系统能够更精确地识别和提取语音,减少了语音识别时间,提高了识别率. 进一步将无用信号和语音信号完全分离开来,有利于后续语音识别的研究.     

低信噪比下语音断点检测算法的改进研究

传统的端点检测在信噪比较高的环境下可以有效的对语音进行端点检测,但是在低信噪比环境下端点检测的正确率急剧下降。针对在低信噪比环境下语音端点检测正确率不高的问题,提出一种将调制域谱减法和对数能量子带谱熵相结合的的端点检测算法。该算法首先利用调制域谱减法去除带噪语音的噪声以提高语音信号的信噪比,然后结合对数能量和子带谱熵算法对消噪后的语音信号进行端点检测。实验仿真结果表明,该算法在低信噪比环境下能有效提高语音端点检测的正确率且具有一定的稳健性。     

一种小波域的分形图象编码新算法

本文在分析了小波域内分形图象编码原理的基础上, 将零树思想引入到小波域的分形图象编码中, 通过定义方向性零（ 子） 树的概念, 提出了一种小波域的分形图象编码的新算法．该算法简单实用、计算量小．实验表明, 对５１２ ×５１２ 的８ 比特Ｌｅｎａ 图象在ＰＮＳＲ 等于２９ ．６７ ｄＢ时, 压缩比达６６ ．４８ , 远远优于ＪＰＥＧ的编码性能, 是目前文献报道的有关小波域内分形图象压缩编码的最好结果     

基于改进循环谱的直扩信号检测方法研究

基于循环谱理论,根据直扩信号与平稳噪声具有不同的谱相关特性,可对直扩信号进行检测,分析循环谱包络在循环频域——谱频域上的分布,能实现载频及伪码速率的参数估计。在有限时间条件下,为实现更低信噪比情况下的信号检测,提出了集平均的频域平滑循环周期图的改进算法,避免了多维搜索,并对算法进行抗噪声性能及统计特性分析,理论表明具有进一步的抑制噪声水平。通过计算机仿真,说明了此法能在低信噪比情况下实现参数估计,并分别证明了数据长度及平滑点数对实验数据的影响,验证了理论分析的正确性。     

基于SDCN算法的鲁棒性语音命令识别

提出了一种基于ＳＤＣＮ算法的鲁棒性语音命令识别。依赖于信噪比的倒谱正常化（ＳＤＣＮ）算法直接在倒谱域根据输入语音帧的信噪比（ＳＮＲ）来增加一补偿矢量,从而恢复未受污染的净语音信号,补偿矢量直接从训练环境和测试环境中记录的语音倒谱中逐帧比较得到,该算法对退化的环境具有很强的鲁棒性,实验结果证明,该算法简单,有效。     

穿墙雷达系统中信号检测的新算法

针对冲击体制穿墙雷达系统中回波信号结构复杂、信噪比低、信号检测困难等问题,提出一种小波-双谱联合检测新算法.在对穿墙雷达回波信号建模的基础上,用联合算法将非相干累积后的回波信号经过小波包变换提高信噪比,再用双谱算法进行信号检测.实验结果验证了新算法的有效性,能提供比单独使用其中任一算法更高的检测精度.该算法能反映墙壁后物体的距离-方位信息,为穿墙雷达系统成像提供了可能.     

基于扩展谱相减与SAP的带噪语音端点检测

为提高低信噪比时带噪语音端点检测的性能,提出了一种将扩展的谱相减法与SAP(Speech AbsenceProbab ility)软门限相结合的方法。采用基于噪声补偿结构的扩展谱相减法,通过使用自适应的判决规则,在不需要进行语音激活检测的情况下有效地去除了背景噪声,克服了单麦克输入时无法在语音段对噪声进行估计的缺点。同时采用非语音段概率SAP软门限,直接对增强后的语音信号进行检测,有效提高了语音段起止端点检测的精确度和可靠性。实验结果表明,该方法比短时能量方法的计算效率高,在信噪比为-10 dB时仍能完成端点检测。     

采用导频符号的短波宽带OFDM系统的同步算法

为了研究宽带短波信道上OFDM系统的同步算法,针对短波信道分析了已有同步算法在低信噪比条件下的不足,提出了一种采用PN序列调制导频符号的同步方案.在接收端,接收数据经过FFT后,利用PN序列优异的相关特性,实现了低信噪比条件下的时间和频率同步.仿真结果表明,该算法在恶劣的短波信道上具有良好的性能.     

结合循环迭代方法的自适应中值去噪新模型

针对传统去除椒盐噪声方法在图像噪声密度较高时去噪性能较差的缺点,本文提出了一种结合循环迭代方法的自适应中值去噪新模型,提高了高密度椒盐噪声下去噪算法的性能.该滤波器工作模式可分为三个阶段：首先,图像疑似噪声点预处理,通过极值判断法,将待处理像素点进行区分得到疑似噪声点;其次,确定噪声点处理,将已确定噪声点用邻域内的中值或均值自适应替换,从而完成去噪;最后,疑似噪声点再次处理,通过算法内置参数和条件,进一步判断疑似噪声点是否为噪声点.该模型还加入噪声标记点方法,通过迭代处理判断标记点结束去噪,得到滤波后的图像.仿真实验证明,本文提出的方法较传统的几种去除椒盐噪声滤波算法,针对无论是低密度噪声图像或是高密度噪声图像,去噪性能都有一定的提升,且能够较好地保留图像边缘和纹理等结构信息.     

用于周期分解语音活动检测的基频提取方法研究

介绍了基于语音信号周期分解的语音活动检测算法.传统语音活动检测算法在动态低信噪比背景噪声环境下的效果很不理想,这主要是因为传统方法中提取的能量与过零率等检测特征针对的是平稳噪声,对信噪比的变化很敏感.而本文介绍的周期分解语音活动检测方法能较好地解决这个问题,因为语音信号中浊音段的周期性是区别一般噪声信号的重要特征,并且该特征受背景噪声类型和信噪比变化的影响小.在周期分解语音活动检测方法中,基频提取的准确性对最终检测性能有很大影响.针对此情况,提出了自相关、循环均值幅度差分和YIN三种基频提取算法相融合的方法.实验结果表明,在背景噪声为白噪声、汽车噪声、嘈杂人声以及信噪比0dB,5dB,10dB的情况下,该方法相对单一基频提取算法,可以有效提升基频提取与周期分解语音活动检测的准确性.     

基于LCT域模糊函数的QFM信号参数估计算法性能分析

基于线性正则域模糊函数的二次调频信号参数估计算法,探讨了噪声环境下算法的可行性,通过仿真实验分析了算法的信噪比门限,并进一步讨论了算法的优势. 为进一步提高信号的估计精度,提出了乘积性线性正则变换(LCT)域模糊函数来估计二次调频(QFM)信号. 理论分析和仿真实验表明,该算法在低信噪比时也具有良好的估计性能,且随着信噪比的增加,各参数的均方误差越来越接近其Cramer-Rao下界;该算法能一次性估计3个参数,效率高,误差传递小.      

基于FastICA的低信噪比雷达信号分选算法

针对传统的基于参数的信号分选系统已无法适应当前复杂情况下的雷达信号分选问题,将基于独立分量分析(ICA)的盲源分离算法引入雷达信号分选算法.快速ICA(FastICA)算法结合了定点迭代和非高斯最大化算法,具有稳定性好、收敛速度快、计算量小等优点.但该算法对噪声非常敏感,无法在低信噪比情况下进行信号分选.针对这一缺点,引入同步累加平均降噪算法,并结合信号均衡、平滑处理进行改进,使得新算法在低信噪比情况下对雷达信号进行分选.仿真表明改进后的算法在低信噪比情况下具有良好的分选效果,并保留了原算法的优点.