分類號(hào) 密 級(jí) 太原理工大學(xué) 碩 士 學(xué) 位 論 文 題 目 基于小波分析的語(yǔ)音端點(diǎn)檢測(cè)算法研究 英文并列題目 on 究 生 姓 名 ： _ 趙高峰 _ 學(xué) 號(hào) ： 專 業(yè) ： 信號(hào)與信息處理 研 究 方 向 ： 語(yǔ)音信號(hào)處理 導(dǎo) 師 姓 名 ： _ 張雪英 _ 職 稱 ： _ 教授 _ 學(xué)位授予單位 ： 太原理工大學(xué) 論文提交日期 _2006/4_ 地 址 ： _山西太原 _ 太 原 理 工 大 學(xué)太原理工大學(xué)碩士研究生學(xué)位論文 于小波 分析 的語(yǔ)音端點(diǎn)檢測(cè)算法研究 摘 要 語(yǔ)音端點(diǎn)檢測(cè)是語(yǔ)音識(shí)別中至關(guān)重要的技術(shù) 。無(wú)論軍用還是民用 ，語(yǔ)音端點(diǎn)檢測(cè)都有著廣泛的應(yīng)用 。 在低信噪比的環(huán)境中進(jìn)行精確的端點(diǎn)檢測(cè)比較 困難 ，尤其是在 無(wú)聲段或者發(fā)音前后 。 本文 討論了幾種常用的端點(diǎn)檢測(cè)方法， 并 提出兩種基于小波分析的 端點(diǎn)檢測(cè) ， 并在此基礎(chǔ)上描述了基于這兩種算法的語(yǔ)音端點(diǎn)檢測(cè)綜合算法， 從而實(shí)現(xiàn)對(duì)語(yǔ)音信號(hào) 精確端點(diǎn)檢測(cè) 的方法 。 文中首先介紹了幾種常見(jiàn)的語(yǔ)音端點(diǎn)檢測(cè)方法如 短時(shí)能量與過(guò)零率， 隱馬爾可夫等。這些方法在 靜音環(huán)境 下 ， 當(dāng) 噪 聲較小或噪聲相對(duì)單一時(shí)可以取的較好的檢測(cè)結(jié)果，但在語(yǔ)音環(huán)境較惡劣 、 信噪比較低時(shí) ，檢測(cè)的結(jié)果 下降較快， 難以讓人滿意。 為此本文 引入了小波變換作為分析工具 。接下來(lái)論文討論了小波變換的原理及在語(yǔ)音識(shí)別系統(tǒng)中的應(yīng)用 。 論文 分 別提出了兩種基于小波系數(shù)的語(yǔ)音端點(diǎn)檢測(cè)方法， 并對(duì)其實(shí)驗(yàn)結(jié)果進(jìn)行了比較。第一種方法是子帶平均能量方差用于語(yǔ)音端點(diǎn)檢測(cè) ，該方法利用噪聲 的分類及特點(diǎn)，以及 它 與語(yǔ)音信號(hào)的差別，在小波分析的基礎(chǔ)上，對(duì)每一子帶的平均能量進(jìn)行方差分析， 從而區(qū)分出語(yǔ)音段。該方法具有快速、簡(jiǎn)單和準(zhǔn)確率高 的特點(diǎn)。 第二種方法是小波系數(shù)方差用于語(yǔ)音端點(diǎn)檢測(cè) ， 語(yǔ)音信號(hào)是統(tǒng)計(jì)自相似的隨機(jī)過(guò)程，太原理工大學(xué)碩士研究生學(xué)位論文 的統(tǒng)計(jì)特性在時(shí)域內(nèi)不隨波形的擴(kuò)充或壓縮而變化。 根據(jù)這一特性為識(shí)別語(yǔ)音與背 景噪聲建立一個(gè)理想的貝葉斯兩 層 分類器，以每一子帶內(nèi)的小波系數(shù)作為比較 參 數(shù)， 從而進(jìn)行分類 計(jì)算。最后根據(jù)概率的大小得到端點(diǎn)檢測(cè)的結(jié)果。 該方法具有適用范圍廣 、 準(zhǔn)確率高的特點(diǎn)，而算法相對(duì)比前一方法要復(fù)雜。 論文在討論了前兩種方法的 優(yōu)缺點(diǎn)、分析實(shí)驗(yàn)結(jié)果后，提出一種揉合兩種方法，以發(fā)揮各自優(yōu)點(diǎn)的新方法。實(shí)驗(yàn)表明該方法 發(fā)揮 了以上兩種方法的特點(diǎn)具有很好的檢測(cè)結(jié)果 。 關(guān)鍵詞 ： 端點(diǎn)檢測(cè) ， 小波 變換 ， 系數(shù)方差，子帶能量太原理工大學(xué)碩士研究生學(xué)位論文 V F N is a It is in It is to in or or of on on of be of as is or NR of is is So as we of in of on 原理工大學(xué)碩士研究生學(xué)位論文 VI is in on of on of to of is of to is a to t or of in to we an is on of as At of is of is of a of of 錄 第一章 緒 論 . 1 . 1 音識(shí)別簡(jiǎn)介 . 1 點(diǎn)檢測(cè)在語(yǔ)音識(shí)別系統(tǒng)中的地位和作用 . 3 內(nèi)外研究現(xiàn)狀 . 5 . 7 時(shí)能量 及過(guò)零率 . 8 函數(shù) . 10 譜特征 . 11 馬爾可夫 (. 13 題研究背景 . 14 . 16 第二章 小波分析理論 . 18 . 18 . 19 . 24 波分析在語(yǔ)音處理中的應(yīng)用 . 30 結(jié) . 33 第三章 子帶平均能量方差 用于語(yǔ)音端點(diǎn)檢測(cè) . 35 聲與語(yǔ)音 的 頻域差異 . 35 用小波分析進(jìn)行端點(diǎn)檢測(cè) . 39 法原理 . 39 太原理工大學(xué)碩士研究生學(xué)位論文 實(shí)驗(yàn)方法描述 .結(jié) .四章 小波系數(shù)方差的語(yǔ)音端點(diǎn)檢測(cè) .音的 1/f 小波模型 .葉斯分類介紹 . 貝葉斯分類原理 . 貝葉斯定理變形公式 .于小波系數(shù)方差的語(yǔ)音端點(diǎn)檢測(cè) . 算法原理 . 實(shí)驗(yàn)方法描述 .實(shí)驗(yàn)結(jié)果綜合比較 .結(jié) .五章 小波系數(shù)方差用于語(yǔ)音端點(diǎn)檢測(cè)綜合實(shí)現(xiàn) .音類型判斷和系統(tǒng)設(shè)計(jì) .驗(yàn)結(jié)果 .結(jié) .六章 總結(jié) 與展望 .考文獻(xiàn) .謝 .讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目 錄 .原理工大學(xué)碩士研究生學(xué)位論文 1 第一章 緒 論 述 音識(shí)別 簡(jiǎn)介 語(yǔ)音識(shí)別技術(shù)是 2000年至 2010年間信息技術(shù)領(lǐng)域十大重要的科技發(fā)展技術(shù)之一。它是一門(mén)交叉學(xué)科，正逐步成為信息技術(shù)中人機(jī)接口的關(guān)鍵技術(shù)，語(yǔ)音識(shí)別技術(shù)與語(yǔ)音合成技術(shù)結(jié)合使人們能夠甩掉 鍵盤(pán)，通過(guò)語(yǔ)音命令進(jìn)行操作。語(yǔ)音技術(shù)的應(yīng)用已經(jīng)成為一個(gè)具有競(jìng)爭(zhēng)性的新興高技術(shù)產(chǎn)業(yè) 1。 與機(jī)器進(jìn)行語(yǔ)音交流，讓機(jī)器明白你說(shuō)什么，這是人們長(zhǎng)期以來(lái)夢(mèng)寐以求的事情。語(yǔ)音識(shí)別技術(shù)就是讓機(jī)器通過(guò)識(shí)別和理解過(guò)程把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)。語(yǔ)音識(shí)別是一門(mén)交叉學(xué)科。近二十年來(lái)，語(yǔ)音識(shí)別技術(shù)取得顯著進(jìn)步，開(kāi)始從實(shí)驗(yàn)室走向市場(chǎng)。語(yǔ)音識(shí)別聽(tīng)寫(xiě)機(jī)在一些領(lǐng)域的應(yīng)用被美國(guó)新聞界評(píng)為 1997年計(jì)算機(jī)發(fā)展十件大事之一。 人們預(yù)計(jì)，未來(lái) 10年內(nèi)，語(yǔ)音識(shí)別技術(shù)將進(jìn)入工業(yè)、家電、通信、汽車(chē)電子、醫(yī)療、家庭服務(wù)、消費(fèi)電子產(chǎn)品等各個(gè) 領(lǐng)域。 很多專家都認(rèn)為語(yǔ)音識(shí)別技術(shù)是 2000年至 2010年間信息技術(shù)領(lǐng)域十大重要的科技發(fā)展技術(shù)之一 2。 語(yǔ)音識(shí)別技術(shù)關(guān)系到多學(xué)科的研究領(lǐng)域，不同領(lǐng)域上的研究成果都對(duì)語(yǔ)音識(shí)別的發(fā)展作了貢獻(xiàn)。讓機(jī)器識(shí)別語(yǔ)音的困難在某種程度上就像一個(gè)外語(yǔ)不好的人聽(tīng)外國(guó)人講話一樣，它和不同的說(shuō)話人、不同的說(shuō)話速度、不同的說(shuō)話內(nèi)容、以及不同的環(huán)境條件有關(guān)。語(yǔ)音信號(hào)本身的特點(diǎn)造成了語(yǔ)音識(shí)別的困難。這些特點(diǎn)包括多變性，動(dòng)態(tài)性，瞬時(shí)性和連續(xù)性等。 計(jì)算機(jī)語(yǔ)音識(shí)別過(guò)程與人對(duì)語(yǔ)音識(shí)別處理過(guò)程基本上是一致的。目前主流的語(yǔ)音識(shí)別技術(shù)是基于統(tǒng)計(jì)模 式識(shí)別的基本理論 3。一個(gè)完整的語(yǔ)音識(shí)別系統(tǒng)可大致分為三部分： 太原理工大學(xué)碩士研究生學(xué)位論文 2 （ 1）語(yǔ)音特征提?。浩淠康氖菑恼Z(yǔ)音波形中提取出隨時(shí)間變化的語(yǔ)音特征序列。 （ 2）聲學(xué)模型與模式匹配（識(shí)別算法）：聲學(xué)模型通常將獲取的語(yǔ)音特征通過(guò)學(xué)習(xí)算法產(chǎn)生。在識(shí)別時(shí)將輸入的語(yǔ)音特征同聲學(xué)模型（模式）進(jìn)行匹配與比較，得到最佳的識(shí)別結(jié)果。 （ 3）語(yǔ)言模型與語(yǔ)言處理：語(yǔ)言模型包括由識(shí)別語(yǔ)音命令構(gòu)成的語(yǔ)法網(wǎng)絡(luò)或由統(tǒng)計(jì)方法構(gòu)成的語(yǔ)言模型，語(yǔ)言處理可以進(jìn)行語(yǔ)法、語(yǔ)義分析。對(duì)小詞表語(yǔ)音識(shí)別系統(tǒng)，往往不需要語(yǔ)言處理部分。 我國(guó)語(yǔ)音識(shí)別研究工作起步于五十年代 ，但近年來(lái)發(fā)展很快。研究水平也從實(shí)驗(yàn)室逐步走向?qū)嵱?。?1987年開(kāi)始執(zhí)行國(guó)家 863計(jì)劃后，國(guó)家 863智能計(jì)算機(jī)專家組為語(yǔ)音識(shí)別技術(shù)研究專門(mén)立項(xiàng)，每?jī)赡隄L動(dòng)一次。我國(guó)語(yǔ)音識(shí)別技術(shù)的研究水平已經(jīng)基本上與國(guó)外同步，在漢語(yǔ)語(yǔ)音識(shí)別技術(shù)上還有自己的特點(diǎn)與優(yōu)勢(shì)，并達(dá)到國(guó)際先進(jìn)水平。 在電話與通信系統(tǒng)中，智能語(yǔ)音接口正在把電話機(jī)從一個(gè)單純的服務(wù)工具變成為一個(gè)服務(wù)的“提供者”和生活“伙伴”；使用電話與通信網(wǎng)絡(luò)，人們可以通過(guò)語(yǔ)音命令方便地從遠(yuǎn)端的數(shù)據(jù)庫(kù)系統(tǒng)中查詢與提取有關(guān)的信息；隨著計(jì)算機(jī)的小型化，鍵盤(pán)已經(jīng)成為移動(dòng)平臺(tái)的一個(gè) 很大障礙，想象一下如果手機(jī)僅僅只有一個(gè)手表那么大，再用鍵盤(pán)進(jìn)行撥號(hào)操作已經(jīng)是不可能的。語(yǔ)音識(shí)別正逐步成為信息技術(shù)中人機(jī)接口的關(guān)鍵技術(shù)，語(yǔ)音識(shí)別技術(shù)與語(yǔ)音合成技術(shù)結(jié)合使人們能夠甩掉鍵盤(pán)，通過(guò)語(yǔ)音命令進(jìn)行操作。語(yǔ)音技術(shù)的應(yīng)用已經(jīng)成為一個(gè)具有競(jìng)爭(zhēng)性的新興高技術(shù)產(chǎn)業(yè)。 語(yǔ)音識(shí)別技術(shù)發(fā)展到今天， 在實(shí)驗(yàn)室環(huán)境下， 特別是中小詞匯量非特定人語(yǔ)音識(shí)別系統(tǒng)識(shí)別精度已經(jīng)大于 98，對(duì)特定人語(yǔ)音識(shí)別系統(tǒng)的識(shí)別精度就更高。這些技術(shù)已經(jīng)能夠滿足通常應(yīng)用的要求。由于大規(guī)模集成電路技術(shù)的發(fā)展，這些復(fù)雜的語(yǔ)音識(shí)別系統(tǒng)也已經(jīng)完全可以制成專用芯 片，大量生產(chǎn)。在西方經(jīng)濟(jì)發(fā)達(dá)太原理工大學(xué)碩士研究生學(xué)位論文 3 國(guó)家，大量的語(yǔ)音識(shí)別產(chǎn)品已經(jīng)進(jìn)入市場(chǎng)和服務(wù)領(lǐng)域。一些 電話機(jī)、手機(jī)已經(jīng)包含了語(yǔ)音識(shí)別撥號(hào)功能，還有語(yǔ)音記事本、語(yǔ)音智能玩具等產(chǎn)品也包括語(yǔ)音識(shí)別與語(yǔ)音合成功能。人們可以通過(guò)電話網(wǎng)絡(luò)用語(yǔ)音識(shí)別口語(yǔ)對(duì)話系統(tǒng)查詢有關(guān)的機(jī)票、旅游、銀行信息，并且取得很好的結(jié)果。調(diào)查統(tǒng)計(jì)表明多達(dá) 85以上的人對(duì)語(yǔ)音識(shí)別的信息查詢服務(wù)系統(tǒng)的性能表示滿意。 可以預(yù)測(cè)在近五到十年內(nèi)，語(yǔ)音識(shí)別系統(tǒng)的應(yīng)用將更加廣泛。各種各樣的語(yǔ)音識(shí)別系統(tǒng)產(chǎn)品將出現(xiàn)在市場(chǎng)上。在短期內(nèi)還不可能造出具有和人相比擬的語(yǔ)音識(shí)別系統(tǒng)，要建成這樣一 個(gè)系統(tǒng)仍然是人類面臨的一個(gè)大的挑戰(zhàn)，我們只能一步步朝著改進(jìn)語(yǔ)音識(shí)別系統(tǒng)的方向一步步地前進(jìn)。至于什么時(shí)候可以建立一個(gè)像人一樣完善的語(yǔ)音識(shí)別系統(tǒng)則是很難預(yù)測(cè)的。就像在 60年代，誰(shuí)又能預(yù)測(cè)今天超大規(guī)模集成電路技術(shù)會(huì)對(duì)我們的社會(huì)產(chǎn)生這么大的影響 4。 點(diǎn)檢測(cè)在語(yǔ)音識(shí)別系統(tǒng)中的地位和作用 作為一個(gè)完整的語(yǔ)音識(shí)別系統(tǒng)，其最終實(shí)現(xiàn)及使用的效果不僅僅限 于 識(shí)別的算法 ， 許多相關(guān)因素都直接影響著應(yīng)用系統(tǒng)的成功與否。語(yǔ)音識(shí)別的對(duì)象是語(yǔ)音信號(hào)，端點(diǎn)檢測(cè)的目的就是在復(fù)雜的應(yīng)用環(huán)境下的信號(hào)流中分辨出語(yǔ)音信號(hào)和非語(yǔ)音信 號(hào)，并確定語(yǔ)音信號(hào)的開(kāi)始及結(jié)束。一般的信號(hào)流都存在一定的背景聲，而語(yǔ)音識(shí)別的模型都是基 于 語(yǔ)音信號(hào)訓(xùn)練的，語(yǔ)音信號(hào)和語(yǔ)音模型進(jìn)行模式匹配才有意義。因此從信號(hào)流中檢測(cè)出語(yǔ)音信號(hào)是語(yǔ)音識(shí)別的必要的預(yù)處理過(guò)程 (如圖 1 語(yǔ)音信號(hào) A/端點(diǎn)檢測(cè) 參數(shù)分析 語(yǔ)音識(shí)別 應(yīng)用 圖 1音識(shí)別系統(tǒng)框圖 原理工大學(xué)碩士研究生學(xué)位論文 4 詳細(xì)說(shuō)來(lái)，端點(diǎn)檢測(cè)有兩個(gè)過(guò)程： 1基于語(yǔ)音信號(hào)的特征，用能量、過(guò)零率、 熵 (音高 (參數(shù)以及它們的衍生參數(shù)，來(lái)判斷信號(hào)流中的語(yǔ)音 /非語(yǔ)音信號(hào)。 2在信號(hào)流中檢測(cè)到語(yǔ)音信號(hào)后，判斷此處是否是語(yǔ)句的開(kāi)始或結(jié)束點(diǎn)。 在商用語(yǔ)音系統(tǒng)中，由于信號(hào)多變的背景和自然對(duì) 話模式而更容易使句中有停頓 (非語(yǔ)音 )，特別是在爆發(fā)聲母前總會(huì)有無(wú)聲間隙。因此，這種開(kāi)始 /結(jié)束的判定尤為重要。此外端點(diǎn)檢測(cè)的目的還在于： 1減少識(shí)別器的數(shù)據(jù)處理量：可以大量減少信號(hào)傳輸量及識(shí)別器的運(yùn)算負(fù)載，對(duì)于語(yǔ)音對(duì)話的實(shí)時(shí)識(shí)別有重要作用。 2拒絕非語(yǔ)音的信號(hào)：對(duì)非語(yǔ)音信號(hào)的識(shí)別不僅是一種資源浪費(fèi)，而且有可能改變對(duì)話的狀態(tài)，造成對(duì)用戶的困擾。 3在需要打斷功能的系統(tǒng)中，語(yǔ)音的起始點(diǎn)是必須的。在端點(diǎn)檢測(cè)找到語(yǔ)音的起始點(diǎn)時(shí)，系統(tǒng)將停止提示音的播放。完成打斷功能。 在語(yǔ)音識(shí)別中，端點(diǎn)檢測(cè)的性能對(duì)于識(shí)別的正確率 ，識(shí)別速度都有重要的影響。這表現(xiàn)在以下幾個(gè)方面： 1、在語(yǔ)音識(shí)別和說(shuō)話人識(shí)別中為了消除信道 的 影響通常采用倒譜均值相減的方法，這就需要對(duì)語(yǔ)音時(shí)段的端點(diǎn)準(zhǔn)確定位，這樣才能較精確計(jì)算代表信道影響的語(yǔ)音幀的均值，提高識(shí)別的準(zhǔn)確率。 2、如果識(shí)別前，移除信號(hào)中的靜音段，使得整句的似然得分累計(jì)更多的集中在語(yǔ)音段，而不是被語(yǔ)音和噪音所分散，這樣有助于識(shí)別率的提高。 3、在不斷變換的環(huán)境下對(duì)噪音和靜音建模是非常困難的。準(zhǔn)確的端點(diǎn)檢測(cè)事先移除單純?cè)胍舻臅r(shí)段對(duì)于噪音和靜音的精確建立有很大幫助。 4、 當(dāng)所處理信號(hào)含非語(yǔ)音時(shí)段非常長(zhǎng)，準(zhǔn)確 的端點(diǎn)可以極大提高計(jì)算速度。 5、對(duì)于開(kāi)放式的語(yǔ)音識(shí)別系統(tǒng)，自適應(yīng)語(yǔ)音增強(qiáng)，語(yǔ)音信號(hào)傳輸中，端點(diǎn)檢測(cè)都對(duì)系統(tǒng)性能有著重要影響。在開(kāi)放式語(yǔ)音系統(tǒng)中，自適應(yīng)增強(qiáng)算法需要準(zhǔn)確的標(biāo)出噪音段用作噪音譜的自適應(yīng)估計(jì)，在語(yǔ)音信號(hào)傳輸中，例如開(kāi)放廣播語(yǔ)音信息的傳輸，好的端點(diǎn)檢測(cè)能極大的降低所要傳輸?shù)男畔⒘俊?太原理工大學(xué)碩士研究生學(xué)位論文 5 隨著語(yǔ)音識(shí)別應(yīng)用的發(fā)展，越來(lái)越多系統(tǒng)將打斷功能作為一種方便有效的應(yīng)用模式。而打斷功能又直接依賴端點(diǎn)檢測(cè)。端點(diǎn)檢測(cè)對(duì)打斷功能的影響發(fā)生在判斷語(yǔ)音 /非語(yǔ)音的過(guò)程出現(xiàn)錯(cuò)誤時(shí)。表現(xiàn)在過(guò)于敏感的端點(diǎn)檢測(cè)產(chǎn)生的語(yǔ)音信號(hào)的誤警將產(chǎn) 生 錯(cuò) 誤的打斷。例如，提示音被很強(qiáng)的背景噪音或 其他 人的講話打斷，是因?yàn)槎它c(diǎn)檢測(cè)錯(cuò)誤的將這些信號(hào)作為有效語(yǔ)音信號(hào)造成的。反之，如果端點(diǎn)檢測(cè)漏過(guò)了事實(shí)上的語(yǔ)音部分，而沒(méi)有檢測(cè)到語(yǔ)音。系統(tǒng)會(huì)表現(xiàn)出沒(méi)有反應(yīng)，在用戶講話時(shí)還在播放提示音。端點(diǎn)檢測(cè)對(duì)識(shí)別系統(tǒng)的識(shí)別效果影響也很大。語(yǔ)音信號(hào)的起始點(diǎn)和結(jié)束點(diǎn)判斷有誤，有可能影響整個(gè)信號(hào)的完整性，在語(yǔ)句的開(kāi)頭或結(jié)尾漏掉一些有用的數(shù)據(jù)。當(dāng)這種情況發(fā) 生 時(shí)，很可能對(duì)識(shí)別的準(zhǔn)確度有特別大影響。不完全的信息會(huì)使識(shí)別率降低。 內(nèi)外 研究現(xiàn)狀 語(yǔ)音端點(diǎn)檢測(cè)算法經(jīng)過(guò)幾十年的發(fā)展 5，產(chǎn)生了很多方法 ，而且隨著語(yǔ)音技術(shù)在現(xiàn)代科學(xué)中的重要性不斷增大，也不斷的有新方法被提出 來(lái)滿足需要。下面對(duì)端點(diǎn)檢測(cè)研究的發(fā)展作個(gè)簡(jiǎn)單的介紹 6。 1978年 美 于濁音段的短時(shí)能量較之背景噪聲的短時(shí)能量高，而清音等一些音素的短時(shí)平均過(guò)零率比背景噪聲的過(guò)零率高出好幾倍，兩種結(jié)合起來(lái)成為區(qū)別語(yǔ)音信號(hào)和背景噪聲的一種有效方法。 1987年， J G 確定子詞的分段點(diǎn)的方法。由發(fā)聲器官的物理特性所決定，語(yǔ)音信號(hào)的特性隨時(shí)間的變化是比較緩慢的，大致可以認(rèn)為在每 10語(yǔ)音信號(hào)進(jìn)行譜分析，用其譜的峰值點(diǎn)作為子詞的分段點(diǎn)；同年， 1991年 二幀信號(hào) 年 ， 先用 20算幾個(gè)復(fù)倒譜系數(shù)及其增量，能量及太原理工大學(xué)碩士研究生學(xué)位論文 6 其增量 。 兩幀信號(hào) 間有 101993年 方法首先對(duì)每幀語(yǔ)音信號(hào)建立一個(gè)模型，然后計(jì)算相鄰兩模型的似然程度，以似然程度變化的峰值點(diǎn)作為分段點(diǎn)。 1994年 先通過(guò)一定的方法判斷此語(yǔ)音段是語(yǔ)音還是背景噪聲。對(duì)于每個(gè)語(yǔ)音幀 ， 將其分為 4個(gè) 5于每個(gè) 5算其較為重要的 8個(gè)參數(shù)：歸一化的短時(shí)低通能量、歸一化的短時(shí)高通能量、過(guò)零率、低頻帶的一階、二階反射系數(shù)、前向后向匹配相關(guān)系數(shù)及它們的乘積。這些參數(shù) 描述了此語(yǔ)音信號(hào)的重要的信息，繼而用一定的算法進(jìn)行推理，從而可以判定此信號(hào)是發(fā)聲段還是非發(fā)聲段。 1995年 算法首先將語(yǔ)音分成幾個(gè)相等的時(shí)間段，每一段用一個(gè) 誤差相等的原則，將原始信號(hào)歸類成 年 ， 張剛等提出一種基于自相關(guān)系數(shù)的分段方法。 1996年 段算法，該方法以參數(shù)濾波的手段測(cè)度語(yǔ)音信號(hào)相關(guān)結(jié)構(gòu)的變化 。 1997年 方法 ， 該方法的抗噪性能較好。 1998年 音端點(diǎn)檢測(cè) ，在降低計(jì)算量的同時(shí)提高了算法的性能。 除了以上幾種方法之外， 近些年以來(lái) ，還有短時(shí)分形維數(shù)的 帶噪聲語(yǔ)音信號(hào)端點(diǎn)檢測(cè)方法 7；應(yīng)用倒譜系數(shù)作 為判決特征的帶噪語(yǔ)音端點(diǎn)檢測(cè)方法 8，它包括應(yīng)用倒譜距離測(cè)量軌跡和應(yīng)用循環(huán)神經(jīng)網(wǎng)絡(luò)的方法。 經(jīng)過(guò)研究 發(fā)現(xiàn)，倒譜特征參數(shù)的語(yǔ)音信號(hào)端點(diǎn)檢測(cè)方法在噪聲環(huán)境下具有傳統(tǒng)的能量方法無(wú)法比擬的優(yōu)越性。基于 9，用 待測(cè)信號(hào)進(jìn)行分解，求出語(yǔ)音的哪些語(yǔ)音幀與 模型 相匹配，從而得出端點(diǎn)所在處。實(shí)驗(yàn)表明這種方法的準(zhǔn)確率明顯高于基于能量的方法。但是 7 練環(huán)境通常與實(shí)際被測(cè)信號(hào)的語(yǔ)音環(huán)境會(huì)有很大的差異，即背景噪聲模型與實(shí)際情況不符合，此時(shí)性能會(huì)顯著下降。因此，必須采用能自適應(yīng)調(diào)節(jié)的背景噪聲模型，具體實(shí)現(xiàn)方法還在研究中。另外，還有采用多層感知機(jī) 10、采用自適應(yīng)線形神經(jīng)元網(wǎng)絡(luò) (端點(diǎn)檢測(cè)方法 11。 隨著小波分析在信號(hào)處理領(lǐng)域的廣泛應(yīng)用，也有不少基于小波分析語(yǔ)音端點(diǎn)檢測(cè)算法被提出，如： 選擇小波部分子帶跟蹤信號(hào)的能量變化以實(shí)現(xiàn)端點(diǎn)檢測(cè) 12, 將小波變換模極大值應(yīng)用于信號(hào)突變點(diǎn)的檢測(cè) 13等 本論文重點(diǎn)研究 基于小波分析的端點(diǎn)檢測(cè) 方法，利用小波變換對(duì) 語(yǔ)音信號(hào)進(jìn)行分解 ，提 取各個(gè)子帶的小波系數(shù)， 并對(duì) 小波系數(shù) 進(jìn)行特征提取或概率分析來(lái)實(shí)現(xiàn)語(yǔ)音的端點(diǎn)檢測(cè) 。 種常用的端點(diǎn)檢測(cè)方法 在上一 節(jié) 我們給出了語(yǔ)音識(shí)別系統(tǒng)框圖（圖 1， 并介紹了語(yǔ)音端點(diǎn)檢測(cè)在語(yǔ)音識(shí)別系統(tǒng)中的作用與研究現(xiàn)狀，本 節(jié) 將介紹幾種常用的語(yǔ)音端點(diǎn)檢測(cè)方法。在很長(zhǎng)一段時(shí)間里，語(yǔ)音端點(diǎn)檢測(cè)算法主要依據(jù)是語(yǔ)音信號(hào)的時(shí)域 特性。其采用的主要參數(shù)有短時(shí)能量、短時(shí)平均過(guò)零率等，即通常說(shuō)的基于能量的端點(diǎn)檢測(cè)方法。這些算法在實(shí)驗(yàn)室環(huán)境下具有良好的性能，但在噪聲環(huán)境下，則無(wú)法達(dá)到其應(yīng)有的效果。近年來(lái)，隨著通信業(yè)的迅猛發(fā)展，在各行業(yè)對(duì)通信系統(tǒng)語(yǔ)音質(zhì)量的客觀評(píng)價(jià)以及語(yǔ)音識(shí)別方法等技術(shù)實(shí)用化的強(qiáng)烈需求下，又出現(xiàn)了很多的語(yǔ)音端點(diǎn)檢測(cè)算法。它們主要是通過(guò)采用各種新的特征參數(shù)，以提高算法的抗噪聲性能。如基于 1994年 有諸如倒譜系數(shù)、短時(shí)頻帶方差、自相關(guān)相似距離、信息熵等也逐漸的被應(yīng)用到端點(diǎn)檢測(cè)中 。有時(shí)，還通過(guò)將信號(hào)的幾種特征組合成為一個(gè)新的特征參數(shù)來(lái)進(jìn)行端點(diǎn)檢測(cè)。對(duì)語(yǔ)音端點(diǎn)的判決方式也由原來(lái)的單一門(mén)限、雙門(mén)限發(fā)展到基于模糊理論的判決方式。 太原理工大學(xué)碩士研究生學(xué)位論文 8 到目前端點(diǎn)檢測(cè)的研究已經(jīng)經(jīng)歷了幾十年，產(chǎn)生了很多方法。這些方法可以分為兩大類 :基于特征和基于模型的方法。 （一） 基于特征的方法，它又可分為基于魯棒特征的方法和特征濾波的方法。基于魯棒特征思想的出發(fā)點(diǎn)是尋找能表征語(yǔ)音和噪音在不同域差異的特征來(lái)進(jìn)行語(yǔ)音和噪音時(shí)段的區(qū)分，所用特征主要有能量 、 子帶能量 、 過(guò)零率 、 基頻 、 周期度量 、 熵 和 能量方差等。基于特征濾波的思想的出發(fā)點(diǎn)是 對(duì)特征先進(jìn)行濾波，然后進(jìn)行端點(diǎn)檢測(cè)，主要算法有子空間濾波，能量差分自適應(yīng)濾波等。 （ 二） 基于模型的方法，基于模型思想的出發(fā)點(diǎn)是針對(duì)噪音和語(yǔ)音進(jìn)行建模用以來(lái)區(qū)分語(yǔ)音時(shí)段。此類算法把語(yǔ)音信號(hào)端點(diǎn)檢測(cè)問(wèn)題看作是對(duì)每幀信號(hào)進(jìn)行分類，任意時(shí)刻的語(yǔ)音特征矢量 )i 生的。即0H(語(yǔ)音 ):0()和1H(背景 ):1()。而1()f 滿足 布，即1( ) ( ) m R ，。通過(guò)建立相應(yīng)的檢測(cè)準(zhǔn)則 (如 則 )，對(duì)每幀語(yǔ)音矢量進(jìn)行劃分，確定其屬于0 時(shí)能量 及過(guò)零率 有不少端點(diǎn)檢測(cè)算法是基于信號(hào)的短時(shí)能量 14。 先算出背景噪聲能量的統(tǒng)計(jì)特性 ， 定出能 量門(mén)限 ， 利用能量門(mén)限來(lái)確定語(yǔ)音信號(hào)的起止點(diǎn) 。 這種方法在背景噪聲幅度保持恒定 ， 且遠(yuǎn)低于語(yǔ)音信號(hào)幅度時(shí) ， 并且對(duì)孤立字的最小幀數(shù)、最大幀數(shù)、句子間間隙的最小幀數(shù) ， 以及人為的突變性音節(jié)幀數(shù)有充分先驗(yàn)知識(shí)的條件下 ， 可以十分有效地準(zhǔn)確檢測(cè)出語(yǔ)音信號(hào)的端點(diǎn)。尤其在用過(guò)零率方法作輔助處理來(lái)調(diào)整檢測(cè)后的端點(diǎn)時(shí) ， 測(cè)出的端點(diǎn)位置是比較準(zhǔn)確的 。 然而 ， 當(dāng)該類算法在信噪比較低的情況下 ， 檢測(cè)性能開(kāi)始惡化 。 在更惡劣的情況下 ， 甚至完全不能檢測(cè)出其端點(diǎn) 。 而且 ， 過(guò)零率方法在背景噪聲是汽車(chē)噪聲、麥克風(fēng)噪聲或白噪聲時(shí) ， 噪聲的過(guò)零率均不相同 ， 有時(shí)與語(yǔ) 音某些音節(jié)的過(guò)零率相重疊 ， 也很難作為一種輔助的判據(jù)。 太原理工大學(xué)碩士研究生學(xué)位論文 9 為減少背景對(duì)檢測(cè)結(jié)果精度的影響 ， 針對(duì)漢語(yǔ)語(yǔ)音 信號(hào)大部分以聲母開(kāi)始以韻母結(jié)束的特點(diǎn)，在基于短時(shí)幀能量的雙門(mén)限 檢測(cè)算法基礎(chǔ)上， 有人 提出帶背景噪聲動(dòng)態(tài)估計(jì)的語(yǔ)音端點(diǎn)檢測(cè)方法。用短時(shí)幀過(guò)零率進(jìn)行語(yǔ)音開(kāi)始點(diǎn)的檢測(cè)，用短時(shí)幀能量背景噪聲動(dòng)態(tài)估計(jì)，進(jìn)行語(yǔ)音端點(diǎn)檢測(cè)，過(guò)程如圖 1 圖 1音端點(diǎn)檢測(cè)過(guò)程 常的算法如下：首先對(duì)語(yǔ)音信號(hào)進(jìn)行分幀處理 ， 然后進(jìn)行預(yù)處理 。 預(yù)處理包括預(yù)加重和加窗處理 ， 預(yù)加重即信號(hào)通過(guò)僅有一個(gè)零點(diǎn)的濾波器 1( ) 1H z z ，其中 接近或等于 1。 加窗處理是用窗函數(shù) ()乘一幀的語(yǔ)音信號(hào) ()從而形成加窗語(yǔ)音 ( ) ( ) ( )xs n s n x n。其次是計(jì)算語(yǔ)音信號(hào) 的短時(shí)幀能量時(shí)幀能量 1 21()s n ()離散語(yǔ)音信號(hào)時(shí)間序列； N 為幀長(zhǎng)。 然后對(duì)背景噪聲動(dòng)態(tài)估計(jì) ,采用基于短時(shí)幀能量的雙門(mén)限語(yǔ)音端點(diǎn)檢測(cè)算法，進(jìn)行語(yǔ)音信號(hào)端點(diǎn)檢測(cè)作為語(yǔ)音起止點(diǎn)初判，設(shè)一個(gè)較高的門(mén)限以確定語(yǔ)音開(kāi)始，再取一個(gè)比以確定真正的開(kāi)始點(diǎn)及結(jié)束點(diǎn) 。 提取噪聲段，計(jì)算噪聲段幅值的平均值作為帶門(mén)限短時(shí)幀過(guò)零率的門(mén)限值 T 。高門(mén)限 a=低門(mén)限 H=其中：計(jì)算語(yǔ)音信號(hào)短時(shí)幀能量和 帶門(mén)限短時(shí)幀過(guò)零率 計(jì)算門(mén)限值 提取語(yǔ)音 輸入 語(yǔ)音 背景 噪音 有效 語(yǔ)音 太原理工大學(xué)碩士研究生學(xué)位論文 10 平均值，12,為經(jīng)驗(yàn)值。 計(jì)算語(yǔ)音信號(hào)的帶門(mén)限短時(shí)幀過(guò)零率 11| ( ) ( 1 ) | | ( ) ( 1 ) | g n s n T S g n s n T S g n s n T S g n s n T (其中 )號(hào)函數(shù) ,即 1 ( ) 0 ( ) 0 ( ) 0g n s ；T 為計(jì)算得到的 低 門(mén)限值 。 用帶門(mén)限短時(shí)幀過(guò)零率 若連續(xù)五幀的帶門(mén)限短時(shí)過(guò)零率則第一次超過(guò)幀為語(yǔ)音開(kāi)始幀 ； 若連續(xù)三幀的短時(shí)幀能量則首幀作為語(yǔ)音的結(jié)束幀 。 過(guò)零率門(mén)限 (其中 ： 為經(jīng)驗(yàn)值 。 對(duì)背景噪聲進(jìn)行動(dòng)態(tài)估計(jì)的帶門(mén)限短時(shí)幀過(guò)零率1 根據(jù)漢語(yǔ)語(yǔ)音信號(hào)的特點(diǎn) ,針對(duì)背景噪聲動(dòng)態(tài)估計(jì) ,及短時(shí)幀能量和帶門(mén)限短時(shí)幀過(guò)零率在語(yǔ)音信號(hào)中的規(guī)律性 ,進(jìn)行端點(diǎn)檢測(cè) ,適應(yīng)變化的環(huán)境 ,有很高的精度和魯棒性。 但 常用的基于短時(shí)能量的端點(diǎn)檢測(cè)方法對(duì)于能量較低的音節(jié)或在信噪比較低的環(huán)境下 ,檢測(cè)性能不夠理想 。 函數(shù) 根據(jù)語(yǔ)音信號(hào)的波形特征，利用熵函數(shù)的性質(zhì)可使用一種基于熵函數(shù)的判決方法為端點(diǎn)檢測(cè)提供了一種 有效 的方法 15。 首先是熵函數(shù)的構(gòu)造，對(duì)于一個(gè)有限離散概率場(chǎng)的不確定性，可由隨機(jī)變量的熵來(lái)定義。設(shè) X 是取有限個(gè)值的隨機(jī)變量，則 X 取 1 , 2 , , X x i n ， (則 X 的熵定義為 太原理工大學(xué)碩士研究生學(xué)位論文 11 1( ) l o gn p p (且 0 lo g 0 ( 熵 H 代表了 X 的信息量且熵函數(shù)具有這樣的性質(zhì) ， 當(dāng) n 個(gè)概率就是 X 的概率分布越模糊，越難以判斷，熵值越大，當(dāng)然隨機(jī)變量所能包含的信息量也越大。下面來(lái)構(gòu)造用于語(yǔ)音端點(diǎn)檢測(cè)的熵函數(shù) ， 假設(shè)語(yǔ)音信號(hào) () ， 在一幀語(yǔ)音中最大與最小幅度分別為 - ， 分別統(tǒng)計(jì)這一區(qū)域中 ( ) , ( , )n s s M M 出現(xiàn)的次數(shù)并將比例 / 。 顯然 , 1 定義此幀語(yǔ)音的熵為 ： l o gM p p (由于語(yǔ)音信號(hào)的幅度相對(duì)于背景噪聲而言其幅度的動(dòng)態(tài)范圍大 ， 因此直觀地講可以認(rèn)為隨機(jī)信號(hào)在 ( , )中的隨機(jī)事件多故平均信息量大也就是熵值大而無(wú)聲狀態(tài)的幅度小 、 分布相對(duì)集中 ， 因而熵值小 。 在構(gòu)造出了熵函數(shù)之后就可以計(jì)算出每幀語(yǔ)音信號(hào)的信息熵 ， 正如上面所述背景噪聲信號(hào)的熵值小而濁音信號(hào)的 熵值大 。 因此可以這樣來(lái)進(jìn)行端點(diǎn)檢測(cè) ， 首先通過(guò)實(shí)驗(yàn)確定一個(gè)閾值 h， 然后對(duì)每幀語(yǔ)音的熵值進(jìn)行比較 ， 大于 h 為語(yǔ)音幀 ，小于 h 則為無(wú)聲幀 ， 即為語(yǔ)音的端點(diǎn) 。 1;0;l a g H 再判(譜特征 倒譜能很好表示語(yǔ)音的特征 ,因此在大多數(shù)語(yǔ)音識(shí)別系統(tǒng)中選擇倒譜系數(shù)作太原理工大學(xué)碩士研究生學(xué)位論文 12 為輸入特征矢量。在噪聲環(huán)境下 ,短時(shí)能量與 其他 特征參數(shù)都不能很好地區(qū)分語(yǔ)音段與非語(yǔ)音段，因此采用倒譜系數(shù)來(lái)作為端點(diǎn)檢測(cè)的參數(shù) 16。 信號(hào)的復(fù)倒譜定義為信號(hào)能量譜 密度函數(shù) ()S 的對(duì)數(shù)的傅里葉級(jí)數(shù) , )S 的傅里葉級(jí)數(shù)表示式為 l o g ( ) n c e (式中為實(shí)數(shù)，通常稱為倒譜系數(shù)，且 01 l o g ( )2c S d (對(duì)于一對(duì)譜密度函數(shù) ( ) ( )與 ，利用 理 ,用譜的倒譜距離表示對(duì)數(shù)譜的均方距離為 : 2 21 | l o g ( ) l o g ( ) | ( )2c e p n S d c c (式中 , ( ) ( )與 的倒譜系數(shù)。 對(duì)數(shù)譜的均方距離表示兩個(gè)信號(hào)譜的差別，故可用來(lái)作為一個(gè)判決參數(shù)。實(shí)際上，由于0 基于能量的端點(diǎn)檢測(cè)可以看作倒譜距離的一個(gè)特例。倒譜距離的測(cè)量 法步驟類似于基于能量的端點(diǎn)檢測(cè)， 只是 將倒譜距離代替短時(shí)能量來(lái)作為門(mén)限。首先，假定前幾幀信號(hào)是背景噪聲，計(jì)算這些幀的倒譜系數(shù)矢量，利用前幾幀倒譜矢量的平均值可估計(jì)背景噪聲的倒譜矢量，噪聲倒譜矢量的近似值可按下述規(guī)則進(jìn)行更新，即當(dāng)前幀被認(rèn)為是非語(yǔ)音幀： (1 ) tc p c p c (式中 c 為噪聲倒譜矢量的近似值，矢量， p 為調(diào)節(jié)參數(shù) . 太原理工大學(xué)碩士研究生學(xué)位論文 13 式 (示的倒譜距離可以利用式 (近似計(jì)算： 20014 . 3 4 2 9 ( ) 2 ( )pc e p n c c c c (式中 cc 的噪聲倒譜系數(shù) ， 計(jì)算所有測(cè)試幀與背景噪聲之間的倒譜距離可得到倒譜距離軌跡 。 類似于基于能量的端點(diǎn)檢測(cè)過(guò)程 ， 利用倒譜距離軌跡可檢測(cè)語(yǔ)音的端點(diǎn) 。 馬爾可夫 (隱馬爾可夫模型是語(yǔ)音識(shí)別技術(shù)中目前應(yīng)用最廣泛 的一種模型。在訓(xùn)練階段，訓(xùn)練語(yǔ)音對(duì)模型各狀態(tài)的統(tǒng)計(jì)特性進(jìn)行訓(xùn)練，得出模型參數(shù)。在測(cè)試階段，待測(cè)語(yǔ)音與訓(xùn)練模型進(jìn)行匹配，選擇得分最高的作為識(shí)別結(jié)果。根據(jù) 試把 為所謂“端點(diǎn)”，無(wú)非就是把被測(cè)信號(hào)看作是有兩部分組成：背景 ( 語(yǔ)音（ 。在訓(xùn)練階段，分別得出背景噪聲和 語(yǔ)音 的模型參數(shù)。在測(cè)試階段，用 出 被測(cè) 語(yǔ)音的哪些幀與背景噪聲匹配，哪些幀與 語(yǔ)音 匹配， 從而得出端點(diǎn)的所在處。一個(gè)完整的基于 圖 于 n 1)為了能有效地采用 對(duì)每幀待測(cè)語(yǔ)音進(jìn)行預(yù)處理。包括：預(yù)加重處理。按下式設(shè)計(jì)一個(gè)一階高通濾波器： 1( ) 1H z z 同，其中預(yù)預(yù)處理 碼 光滑處理 端點(diǎn)輸出 待測(cè)語(yǔ)音 背景噪聲 模型 語(yǔ)音模型 太原理工大學(xué)碩士研究生學(xué)位論文 14 加重系數(shù) 一般選擇為 用預(yù)加重的原因是它可以有效 地壓縮輸入語(yǔ)音的動(dòng)態(tài)范圍，使后面的 時(shí)，高通濾波器可以有效地濾除輸入信號(hào)中的直流成分。開(kāi)窗處理，一般采用漢明 (。根據(jù)語(yǔ)音信號(hào)的特點(diǎn)一般在本應(yīng)用中，數(shù)字采樣率為 8口總長(zhǎng)度設(shè)計(jì)成 30每個(gè)窗口有 240個(gè)采樣點(diǎn)。窗口每次位移 10 20口的重疊起到了平滑特征參數(shù)的作用。倒譜計(jì)算，對(duì)每幀語(yǔ)音求出 取 p=12。倒譜加權(quán)處理，為了避免倒譜系數(shù)數(shù)值過(guò)小而對(duì)識(shí)別造成影響，一般均采用上升正弦函數(shù)進(jìn)行倒濾波處理。倒譜系數(shù)的一階和二階 導(dǎo)數(shù)處理 22( ) ( ) , ( ) ( )i i k i i m C k C m C m C k C m (其中： 能量及其他特征處理。對(duì)每幀語(yǔ)音求出其對(duì)數(shù)能量，及能量的一階和二階導(dǎo)數(shù)。這樣，在本實(shí)驗(yàn)中，通過(guò)預(yù)處理，對(duì)每幀待測(cè)語(yǔ)音共提取出 39個(gè)特征值，構(gòu)成一特征矢量。 (2)上述預(yù)處理后的語(yǔ)音送入 用 (3)光滑處理 ，由于基于 字間間隙比較敏感，所以，必須用中值濾波進(jìn)行平滑處理 題研究背景 隨著越來(lái)越多的學(xué)者對(duì)語(yǔ)音端點(diǎn)檢測(cè)技術(shù)的關(guān)注，大量的新的語(yǔ)音端點(diǎn)檢測(cè)算法相繼被提出。通過(guò)大量的文獻(xiàn)調(diào)研與實(shí)際研究發(fā)現(xiàn)，現(xiàn)有的各種語(yǔ)音信號(hào)端點(diǎn)檢測(cè)技術(shù)都存在各自的不足，比如基于自相關(guān)相似距離的語(yǔ)音信號(hào)端點(diǎn)檢測(cè)方法，總的來(lái)說(shuō)它與 是對(duì)于結(jié)尾的判斷卻優(yōu)于 是因?yàn)檎Z(yǔ)音大多以濁音結(jié)尾，此時(shí)自相關(guān)法的判斷精度較高，但是對(duì)于清音開(kāi)太原理工大學(xué)碩士研究生學(xué)位論文 15 頭的語(yǔ)音，尤其是 S、 n等音節(jié)，自相關(guān)算法的檢測(cè)精度就不高。主要幾類方法各自的優(yōu)點(diǎn)與不足列于表 1 表 1類方法優(yōu)缺點(diǎn)比較 法 優(yōu)點(diǎn) 缺點(diǎn) 短時(shí)平均過(guò)零率法 較簡(jiǎn)單 難