第21卷第3期
2008年6月
高等函授学报(自然科学版)
Journal of Higher Correspondence Education(Natural Sciences)
V01.21 No.3 June 2008
·大学生园地·
语音端点检测的常用方法及改进
.刘泽琛
(华中师范大学物理科学与技术学院电信工程系.武汉430079)
摘
要:语言是人类最重要的,最有效的,最常用的和最方便的通信形式.人们在与机器的信
息交流中利用语音识别技术更加的方便,自然.语音识别中最基本的一些技术仍在不断发展.本文 首先介绍了语音信号处理中端点检测的若干方法,着重分析了两种传统方法.而后简要介绍了它 们的优劣和几种对它们的改进方法.最后提出了利用图像处理技术中的边缘检测技术进行语音端 点检测的思路. 关键词:语音处理;端点检测;短时能量;平均过零率;图像处理;边缘检测
中图分类号:0171 文献标识码:A 文章编号:1006—7353(2008)03—0052—02
中确定出语音的起点以及终点,使采集的数据真正是语音
I
引言 比尔·盖茨在2008CES上利用演讲机会着重阐述了
信号的数据,从而减少数据量,运算量和减少处理时间[2]. 本文就着重介绍几种端点检测的算法.并且提出利用 图像处理技术中的边缘检测技术进行语音端点检测的基 本思路.
2
微软将如何把软件的影响扩大到台式机及服务器以外的 领域,及如何整合其他功能如语音和触控功能增加用户体 验.他承认,苹果的iPhone和任天堂的Wii都在证明.增加 自然用户界面将对消费者产生更大吸引力,所有这些都显 示出自然互动形式将真正摆脱键盘和鼠标,下一个惊喜是
这种自然界面将对人们的生活产生多么大的深入影响.
传统语音端点检测技术介绍
语音和噪声,清音和浊音它们的主要区别在能量上.
2.1基于短时能量或短时平均幅度的检测方法
语音段的能量比噪声段的大,浊音的能量比清音的大.语 音段的能量是噪声段能量叠加语音声波能量的和.传统检 测方法认为,如果环境噪声和系统输入噪声比较小,以至 于能够保证系统的信噪比相当高,那么只要计算输入信号 的短时能量或短时平均幅度就能够把语音段和噪声背景 区分开.
短时能量的定义为:
4∞
随着现代科学和计算机技术的发展,人们在与机器的 信息交流中始终在追求方便,自然的方式.对人类来说最 重要,最精细的信息源只有图像和语言两种.语言是人类 最重要的,最有效的,最常用的和最方便的通信形式.让机 器听懂人说话就是最近几十年发展起来的语音识别
(Speech Recognition)技术.语音识别技术是一门交叉学
科,涉及语言学,语音学,数字信号处理,模式识别,信息
论,心理学以及人工智能等领域[1].
E=≥:[xCm)w(n一,,1)]2
短时平均幅度IVln被定义为: h
在许多包含语音识别的系统中,如语声应答系统,说 话人识别系统和语音识别系统等[2],都要求首先对系统的 输入信号进行判断,准确找出语音段的起始点和终止点,
这就是语音端点检测.
一∞
,
M:=乏:[z(m)叫("一m)l
但是,在实际应用中往往很难保证有这么高的信噪 比,因而仅依靠短时能量或短时平均幅度来检测语音段的 起止点时经常会遇到问题.
一∞
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.端点检测的目的就是从包含语音的信号
2.2基于短时能量和短时平均过零率的检测方法

下一页