[发明专利]基于弧长的语音信号端点检测方法

说明书

本发明公开了一种基于弧长的语音信号端点检测方法。首先计算语音信号的短时弧长，然后设置一个阈值，根据阈值将语音信号划分为有声段和无声段，最后，将所有有声段所对应的起、止位置成对组成数组，作为端点检测的最终结果输出，完成语音端点检测。本发明的计算量较少，参数调节和优化也较为方便，特别适用于语音编、解码和信号传输等对实时性要求较高的场合。

技术领域

本发明属于语音信号处理领域，具体是一种基于弧长的语音信号端点检测方法。

背景技术

语音信号可以分为有声段和无声段，在语音信号编码、语音识别和说话人识别系统中，无声段的混入会显著降低系统的工作效率与性能。因此，在语音信号处理阶段，需要将相应的有声段起止点检测出来，即语音信号的端点检测技术。

近年来，研究者提出了多种语音信号端点检测方法，如基于短时能量的方法、基于短时能量和短时过零率相结合的双门限法、基于谱熵的方法、基于梅尔倒谱相似度的方法、基于子带信噪比的方法等。在这些端点检测方法中，大多原理复杂，计算耗时，参数过多，不方便调节优化，也不利于信号的高速、实时处理。以最简单，也是最常用的基于短时能量和短时过零率相结合的双门限法为例，该方法以短时能量为主，短时过零率为辅，需要同时计算语音信号的短时能量及短时过零率；然后对短时能量设置两个阈值，对短时过零率设置一个阈值，采用多阈值逻辑进行综合判断。与双门限法相比，上述其它语音端点检测方法的复杂度更高，处理起来更为耗时。

发明内容

本发明的目的在于提供一种基于弧长的语音信号端点检测方法，用来克服其它语音端点检测方法复杂度较高、处理耗时的问题。

实现本发明目的的技术解决方案为：一种基于弧长的语音信号端点检测方法，首先计算语音信号的短时弧长，然后设置一个阈值，根据阈值将语音信号划分为有声段和无声段，最后将有声段作为结果输出，完成语音端点检测。

检测方法的流程包括如下步骤：

(1)分帧

将语音信号采样序列划分为一系列固定长度的帧；

(2)按帧计算弧长

对每帧信号，计算其弧长，即短时弧长；

(3)设定阈值

根据短时弧长的平均值，取其平均值的5％作为阈值；

(4)初步检测

根据步骤(3)设定的阈值，对所有帧进行比较。将短时弧长大于或等于阈值的语音帧，标记为有声段，用“1”表示；其余帧标记为无声段，用“0”表示；

(5)结果优化

将很短的有声段，即前后连续标为“1”且连续帧数小于某固定值的段所对应帧，重新标记为无声段，即标为“0”；

(6)结果输出

将所有有声段所对应的起、止位置成对组成数组，作为端点检测的最终结果输出。

本发明与现有技术相比，其显著优点：本发明是基于短时弧长的检测，计算量更小，实现更为简单。特别适用于语音编、解码和信号传输等对实时性要求较高的场合。

附图说明

图1为本发明基于弧长的语音信号端点检测的流程图。

图2为样例语音信号的波形。

图3为样例语音信号的弧长曲线。

图4为样例语音信号的弧长阈值设置图。

图5为样例语音信号的语音端点检测初步结果。

图6为样例语音信号的语音端点检测优化结果。