装甲车内背景下的语音端点检测的改进_杨龙 (1).doc

《装甲车内背景下的语音端点检测的改进_杨龙 (1).doc》由会员分享，可在线阅读，更多相关《装甲车内背景下的语音端点检测的改进_杨龙 (1).doc（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 47 i 装甲车内背景下的语 音 算法研究 端点检测的改迚 杨 龙 ， 陈建 明 ( 装甲兵工程学 院 信息工程 系 ， 北 京 100072) 【 摘 要 】 以模拟装甲车内部环境噪声对带噪语音进行端点检 测 ， 旨在通过设计良好的端点 检测算法来提高后续语 音增强的效果 。 从实战角度出 发 ， 语音端点检测的需求为较高的准确性和实时性以及 鲁棒 性 。 结合语音信号特 性 ， 采取以谱减法作为预处理的基础上通过能熵比对带噪语音进行端点检 测 ， 通过实验仿真的方式证明其可行 性 。 【 关键词 】 语音端点检测 ; 能熵比 ; 谱减预处理 【 中图分类号 】 TP391 【 文献标志码

2、 】 A DOI: 10 16311 / j audioe 2015 10 11 An Improved Method of Voice Activity Detection in Armored Vehicles YANG Long， CHEN Jianming ( Department of Information Engineer， Academy of Armored Forces Engineering， Beijing 100072， China) 【 Abstract】 The VAD is made to the noise speech through simulating

3、the inside environment of armored vehicle， in order to improve the effect of subsequent speech enhancement From the practical point of view， the VAD demands the higher accu- racy and timeliness and robustness Hence， the spectral subtraction as the pretreatment is used to achieve the VAD with the ene

4、rgy to entropy ratio and proves its feasibility through the way of simulation experiment 【 Key words】 video activity detection; based on wavelet transform; based on empirical mode decomposition 1 引言 语音端点检 测 ( Video Activity Detection， VAD) 技 术是指在复杂的语音通信环境中区分出语音信号和 非语音信号并能准确标记出语音段起始点和终止点 的方 法 。 目 前 ，

5、 它已成为语音增 强 、 语音 识 别 、 合成等 相 关处理的必备的前端支 持 ， 高效的语音端 点检测技 术 不但减少了后续语音信号处理的运算 量 ， 还大大提 高了处理的精度和通信系统的质量 。 在装甲车 内 的通信 环境 下 ， 由于背景噪声复 杂 ， 主 要包括収动机的噪 声 、 装甲车行驶履带以 及气流的 噪 声和车内部件的声音 等 ， 形成的带噪语音 信噪比较 低 ， 不易被接收者辨 识 。 必须在语音通信中 加入语音 增 强技 术 ， 为 了减少语音增强的计算量以提高效 率 ， 稳健并具有较高鲁棒性的语音端点检测技术也必不 可少 。 噪声中的语音检测是一个比安静环境中的语音 检

6、测复杂的问题 。 噪声环境下的语音端点检测比安 静 条件下复 杂 。 当输入信噪比较低 时 ， 更大 可能会产 端点检测算法投入了大量的研究 。 传统的端点检测方 法 ， 如短时能 量 、 过零率检 测 等 ， 在平稳噪声或高信噪比 条件下检测效果较 好 ， 低 信噪比时极易収生漏检或虚检情况 。 因为装甲车内 部的噪声频谱复杂且时变性 强 ， 并且根据实战需 要 ， 语音通信的实时性要求较 高 。 因 此 ， 本文采 用谱减法 作为语音端点 检 测的预处 理 ，然 后用能熵 比 ( 短时 能 量和谱熵的比值 ) 迚行端点检测 1 。 2 能熵比检测原理 语音特 性是语音处理的基 础 ， 在语

7、音端点检测 中 ， 常用的语音特性有语音的短时能 量 谱 、 过零 率 、 短 时自相关函数等 。 此类指标可在时域条件下迚行采 集和处 理 ， 检 测原理简单且便于实时实 现 。 因 此 ， 在 实时的通信系统中应用较为普遍 。 在纯 净 语音 中 ， 设分帧处理后的 第 i 帧信号为 yi ( n) ， 则 第 i 帧语音信 号 yi ( n) 的短时能 量 E( i) 可表 示为 p 1 E( i) = y2 ( n) ， 1 i 1 ( 1) 生 漏 检 ， 因 此 ， 大量研究者在低信噪比条件下的语音 n = 0 48 x2 式 中 : p 为 帧 长 ; L 为分帧后的帧 数 。

8、如 图 1 所 示 ， 短 时 能量最直接体现了语音的分布情 况 ， 由于 语音中浊 音能量比清音能量大很 多 。 通 常 ， 短时能量 用以区分 浊 音段和清音 段 。 同 时 ， 也可对语音段和非 语音段迚 行 区 分 ， 在常用的双门限语音端点检测中常 做分界语 音段的粗 ( 第一 ) 判决 。 和谱熵的比值可以更突出地描述出语音段存在的位 置 ， 可更加有效地检测出语音的端 点 3 。 图 2 纯净语音波形及其短时谱熵分布 图 1 纯净语音波形及其短时能量分布 设加窗分帧后 的语音信号 为 xi ( m) ， 帧长 为 N， 则可定义每一帧的能量为 谱熵反 映了信源在 频域幅值分布 的

9、 “ 无序 性 ”， 每个语音帧的短时谱熵定义为 Ui = N m = 1 i ( m) ( 4) N /2 根据文 献 4 对能量公式引入参数迚行调整得 Hi = pi ( k) lgpi ( 2) k = 0 LE1 = lg( 1 + Ui / a) ( 5) 式中 : pi ( k) 为每个频率分量的归一化谱概率密度 函数 yi ( k) 式中 : 可通过调节 a 的取值来缓和 Ui 剧烈变换时产 生 的影 响 ， 适当地选 取 a 值 ， 可有效区分噪 声和清 声 。 通过将能量和谱熵两个参数迚行结 合 ， 可得能熵 比 pi ( k) = N /2 yi ( l) k = 0 (

10、3) EEi = 槡 1 + LEi / Hi ( 6) 式中 : yi ( k) 为第 k 条谱线频 率分量的能量谱 ; N 为 FFT 长度 。 根据最大离散谱熵定理即等概分布的信源的平 均 不确定性 大 ， 因 此 ， 由于噪声的归一化谱概率密度 函 数分布较为均 匀 ， 所以噪声的谱熵要高于 纯净语音 的谱熵 2 。 文 献 1 指 出 ， 为 了精准地判断出带噪语音中的 话 音段位 置 ， 一般常采用双参数双门限的方 式 ， 但 考 虑 到检测效 率 ， 单参数双门限的方法更为普 遍 ， 故 考 虑 将双参数迚行优 化 ， 改为识别度高的单参 数双门限 检测方法 。 语音段的能量反映

11、如 图 1 所示为向上凸 起 ， 而 语 音的谱熵在图中的反映如 图 2 所 示 ， 与能量 的趋势正 好相 反 ， 语 音 段 能量越大其谱熵值越 小 。 因 此 ， 能 量 3 语音端点检测预处理 根据文 献 1 可知目前 常用的语音端点检测算 法的使用分 类 ， 其大多测试环境为高斯白 噪 声 。 对于 一些强机械噪 声 ， 即信噪比较低的环境 下 ， 利用单 一 的 VAD 算法 检 测效果均不太理 想 ， 频繁出 现漏检 或 误 检的情 况 。 因 此 ， 文 献 5 中指 出 ， 目前为了在 低 信噪比 环 境下迚行端 点检 测 ， 常以语音增强设置为 VAD 的前端做预处理 。

12、本文以结合了过减技术的谱减法作为 VAD 的前 端 ， 从预处理角度来 讲 ， 初步减少了 噪声对 VAD 的影 响 ; 另一方 面 ， 从研究背景出 収 ， 由于 谱减法原理简 单 ， 实时性 高 ， 所以保证 了 VAD 的时效 性 6 。 其 表达 式为 49 i i i( k) 2 = Xi ( k) 2 a D( k2) ， X ( k) 2a D( k) 2 b D( k) 2， X ( k) 2 a D( k) 2 ( 7) 式中 : D( k) 2 为非语音前导段所得的噪声谱 ; a 为过 减因子 ; b 为增益补偿因子 ; 通过调节 a 值来控制带 宽谱峰的幅 度 ， 调 节

13、 b 值来控制残留噪声的多 少 ， 两 个参数选择得 当 ， 可大大提高谱减法的效 率 。 4 VAD 实验结果及分析 实验采用的语 音 材料为 纯净的男声语 音 ， 噪 声 为模拟装甲车 内 部的収动机轰鸣噪 声 ， 其音频波 形 如图 3 所示 。 图 4 设定信噪比条件下的带噪语音波形 图 5 纯净语音端点检测结果 图 3 纯净信号和噪声信号波形 根据信噪比的定义 N 1 s2 ( n) 本文采用的噪声较好地模拟了装甲车内部噪 声 ， 其主要成分为 収动机工作的轰鸣 声 ， 与平时 实 SN = 10lg N 1 n = 0 N 1 d2 ( n) n = 0 N 1 ( 8) 验 采用

14、的高斯白噪声不 同 ， 因 此 ， 此仿真 更贴近 实 式中 : s2 ( n) 表示语音信号的能量 ; d2 ( n) 为 n = 0 n = 0 际情况 。 通过将上述材料叠加结合可得带噪语音 如图 4 所示 。 从图 4 中 可观察 到 ， 从模拟的实际条件 下 ， 由 于噪声幅值 较 大且 时变特性 强 ， 当设定信噪比 为 5 噪声的能 量 。 设 x( n) 为带噪语音信 号 ， 则上式也 可 表示为 N 1 s2 ( n) n = 0 时 ， 语音 帧 已受到 强 烈 的 污 染 ; 当设定信噪比 为 0 SN = 10lg N 1 ( 9) 2 时 ， 语音近乎淹 没 于噪声之

15、 中 ， 因 此 ， 直接采用单 一 的语音端点检测无法 获 得准确的语音 段 ， 需 在 VAD 前端设置含有过减因子的谱减法作为 前端预处理 。 首 先 ， 在 无 噪声条件下对纯净语音迚行检 测 ， 效果 如 图 5 所 示 ， 通 过 检测可得有效语音帧 为 320 帧 。 x( n) s( n) n = 0 本 文 设信噪 比 SN = 5 情况 下 ， 将模 拟装甲 车 内部噪声与纯净语音叠加合成带噪语音迚行实验 ， 实验结果如 图 6， 7 所 示 ， 图 6 为 SN = 5 dB 时仅 用 能 熵 比迚行语音端点 检 测 的 结 果 ， 图 7 为 SN = 5 dB时经过谱

16、减去噪后实现的端点检测结 果 。 50 噪比条 件 下 ， 对于时变性强的噪 声 ， 未 经预处理 的 端点检测方法 完 全失去作 用 ， 漏检和 误检情况明 显 增多 。 图 9 为本文算法在 SN = 0 dB 条件下的检 测情 况 ， 可以观 察 到末尾急几帧振幅 较小的语音 完 全 淹没于噪声不易被检 出 ， 但相对于未经处 理 的 能 图 6 当 SN = 5 dB 时能熵比检测结果 图 8 当 SN = 0 dB 时能熵比检测结果 图 7 当 SN = 5 dB 时本文算法检测结果 从图 6 中直观 显 示 出 ， 未设置预处理的能熵比 端点检测明显収生了漏检的情况 。 这是由于噪

17、声 时 变性 强 ， 不同于高斯白噪声具有平稳 特 性 ， 因 此 根据能量和谱 熵 的特 性 ， 语音的特性被 噪声掩盖 导 致无法准确检测出其位置 。 图 7 明显表示经过谱 减预处理后应用能熵比检测将漏检的部分准确地 提取出 来 ， 兊服了噪声对检测的不良影 响 。 从 图 8 中可以看 出 ， 当信噪比低 至 0 时即低 信 图 9 当 SN = 0 dB 时本文算法检测结果 51 熵比检测结 果 ， 本 文采用的算法在检测 率上有明 显 的提高 。 经实 验 ， 本文将 带噪语音 检测结果与未带噪的 纯净语音端点 检 测所得语音帧迚行比 对计 算 ， 其 中 将漏检和误检记为误检情况

18、后所得的检测结果如 表 1 所示 。 将漏检和误检记为误检情 况 ， 误差范围 在 3 帧 以 内视为有 效 帧 。 从 表 1 中可以看 出 ， 在实时 性改变不 大 的情况 下 ， 本文采取的算法比普通能熵比 检测方法 在信噪比较低条件下有更高的检测准确率 。 表 1 实验仿真结果比较 检测方法 输入信噪比 SN 准确率 / % 检测耗时 / s 模拟装甲车 内 部噪声环境条件 下 ， 由 于 噪 声 具 有 较强的频谱 复 杂性和不稳定 性 ， 语音帧极为容 易 淹没于噪 声 中 无 法 被 检 出 。 因 此 ， 本 文 结 合 应 用 背 景要求 ， 从实时性 出 収 ， 采用谱减作

19、为预处理对 带 噪语音迚行端点 检 测 ， 结果表 明 ， 在输入信噪 比 较低的情况 下 ， 本文算法可以较好地实现语音 端 点检测效果 。 参考文献 1 韩立华 ， 王博 ， 段 淑 凤 语音端 点检测技术研究迚 展 J 计算机应用研究 ， 2010( 4) : 1220 1226 2 许 作 辉 基于信息 熵的语音端点检测算法研究与实 现 D 长春 : 吉林大学 ， 2012 普通能熵 比检测 本文能熵 比检测 5 结束语 5 78 4 0 384 3 0 67 1 0 382 4 5 94 0 0 454 1 0 79 3 0 440 5 3 王琳 ， 李成荣 一种基于自适应谱 熵的端

20、点检测改迚方法 J 计算机仿真 ， 2010( 12) : 373 375 4 李灵光 一种时 频结合的抗噪性端点检 测算 法 J 计 算 机与现代化 ， 2011( 8) : 29 31 5 王纲金 低信噪比环境下 语音端点检测方 法研 究 D 长 沙 : 湖南大学 ， 2011 6 LOIZOUP C 语音增 强 : 理论与实 践 M 高 毅 ， 肖 莉 ， 邓 本文提出了基于谱减预处理基础上采用能熵 比迚行语 音 端点检测的方 法 。 通 过 实 验 证 明 ， 在 方 ， 等译 成都 : 电子科技大学出版社 ， 2012 责任编 辑 李薇 收稿日 期 2015 04 17 ( 上接第

21、20 页 ) 而求 解 出 扬 声 器 的 共 振 频 率 ， 求 解 速 度 快 ， 识 别 率 比 较高 。 图 9 三种方法下 f0 对比图 参考文献 1 中 华 人民共 和国国家技术监督 局 GB / T9396 1996 扬 声器 主要性能测试 方 法 S 北 京 : 中 国 质 检 出 版 社 ， 1996 2 王以真 实用扬声器工艺手 册 M 北京 : 国防工业出 版 社 ， 2006 3 杨哂哂 ， 李明 ， 顾学康 四种时频分析方法 的频率分辨 率 研 究 J 现代电子技 术 ， 2008( 11) : 37 39 4 MAIE D， OZENSHTEIN D， WA EN

22、D S Window functions J Advances in Computing esearch， 1986( 3) : 213 246 5 王红星 ， 许增朴 ， 周聪 玲 ， 等 一种基于高阶频率能量均 值 的扬声器异音故障诊断方 法 J 天津科技大学 学 报 ， 2010， 25( 6) : 46 50 6 许增朴 ， 关帅 一 种基于振动位 移的扬声器异音故障检 测 方 法 J 天 津 : 天 津 科 技 大 学 学 报 ， 2012， 27 ( 3) : 64 67 7 卢学军 ， 储标 ， 许增朴 基于信号处理的扬 声器故障诊 断 方法研究 J 声学与电子工 程 ， 2007( 2) : 45 48 作者简介 : 郭 苏 ， 女 ， 硕士生 ， 主要研究方向为机械参数测量与控 制 ; 许增朴 ，教授 ， 主要研究方向为机械参数测量与控 制 。 责任编 辑 李 薇 收稿日 期 2015 01 27