[发明专利]一种基于噪声功率谱Gamma分布统计模型的有音区检测方法

说明书

本发明公开了一种基于噪声功率谱Gamma分布统计模型的有音区检测(Voice Activation Detection,VAD)方法，属于语音信号处理技术领域。现有基于统计模型的VAD算法通常不考虑语音统计信息，仅仅利用噪声功率谱(Power Spectral Density，PSD)的统计模型来检测活动语音，常用的噪声PSD统计模型为左右对称的Gaussian模型，不能较好地体现噪声PSD分布的长拖尾特性，不利于处理Babble等非平稳噪声。本发明采用伽玛分布（Gamma Distribution）作为噪声分布统计模型，比高斯分布（Gaussian Distribution）和瑞利分布（Rayleigh Distribution）具有更好的长拖尾特性拟合效果，改进后的VAD算法性能更优。

技术领域

本发明涉及语音信号处理技术领域，更具体地，涉及一种基于噪声功率谱Gamma分布统计模型的有音区检测方法。

背景技术

活动语音检测(Voice Activation Detection,VAD)，又称有音区检测，是一种从传输语音信号中识别和消除长时间静音期(或者说从声音信号流里检测出有用信号)的技术。VAD技术的应用能避免无用信号的传输，从而降低了语音信号编码速率和节省了通信带宽，而且有利于维护语音端到端的时延、减少移动通信设备的能耗和加强噪声抑制能力，因此VAD被广泛用于语音编码、语音识别和语音增强等语音处理算法中。

基于统计模型的VAD算法是常用一种VAD方法，该方法假定语言和噪声分别服从某种统计分布模型，然后用似然比测试来检测活动语音。在该算法中，常用的假设统计模型为Gaussian或Laplacian模型，不能较好地体现噪声PSD分布的拖尾特性，而这种拖尾特征的缺失在非平稳噪声环境下表现得尤为突出，使得基于该假设统计模型的VAD算法不利于处理Babble等非平稳噪声。因此，采用合适的统计模型来实现VAD技术，是改善统计模型VAD算法性能的关键。

发明内容

针对基于Gaussian或Laplacian统计模型的VAD算法不能很好拟合噪声PSD分布特性而且不利于处理Babble等非平稳噪声的问题，本发明提出了一种基于噪声功率谱Gamma分布统计模型的有音区检测方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于噪声功率谱Gamma分布统计模型的有音区检测方法，包括：

1)获取含噪语音的信号z(n)，并进行分帧处理，得到第k帧含噪的语音z_k(n)；

2)计算第k语音帧频率为f_l时的功率谱密度(PSD)估计值P_zz,k(f_l)；

3)对PSD估计值P_zz,k(f_l)进行高通滤波，得到高频带的PSD估计值P'_ZZ,k(f_l)；判断当前语音帧是否为纯噪声，若是，则更新第k帧噪声频率为f_l的PSD值P_vv,k(f_l)为高频带的PSD估计值P'_ZZ,k(f_l)并跳转到步骤4)；否则，则不更新噪声f_l频率的PSD值P_vv,k(f_l)跳转到步骤4)；

4)对噪声f_l频率的PSD估计值P_vv,k(f_l)求指数平均值计算噪声PSD估计值P_vv,k(f_l)的平方再取指数平均得噪声方差值var_vk(f_l)；