[发明专利]一种降低噪声影响的端点检测方法

说明书

一种降低噪声影响的端点检测方法，涉及语音识别领域的前端处理，先利用改进的多窗谱估计谱减法对带噪语音进行减噪，获得较高的输出信噪比，然后利用参数可变的子带谱熵法消除每一条谱线幅值受到的噪声影响，并利用子带谱熵作为参数进行双门限端点检测。本发明改善了在低信噪比环境下的端点检测误判率，快速高效，具有较强的鲁棒性，在智能家居、工业控制及医疗领域具有一定的应用价值。

技术领域

本发明涉及语音信号分析领域，尤其涉及一种语音识别系统中的端点检测方法。

背景技术

在语音识别系统中，端点检测一直是人们研究的重点问题，高精确度的端点检测有助于提高系统的识别率。随着语音识别技术的发展，相关产品也越来越丰富，应用的领域也越来越广阔。在实际应用环境中往往夹杂着各种各样的噪声，这些噪声在一定程度上影响了端点检测的正确率，从而降低了语音识别的准确性。因此，对噪声环境下语音端点检测技术的研究一直是语音信号处理的热点。

在语音信号处理中，一段语音信号一般包括静音阶段、噪声阶段和有声阶段。而端点检测技术是将这段语音分割，找出这段语音有声阶段的起始点和结束点，这样可以排除静音阶段和噪声阶段的影响。仅对有效语音进行处理，可以提高语音识别系统的工作效率，减少不必要的运算。传统的端点检测方法有相关法的端点检测、方差法的端点检测、谱距离法的端点检测、能零比和能熵比的端点检测等等。这些方法在高信噪比条件下有不错的检测效果，但是在低信噪比条件下检测性能急剧下降。目前，针对此问题有许多改进的算法，但是对带噪语音的信噪比提升不明显，尤其是在强噪声环境下的端点检测效果不理想。

发明内容

针对现有技术的不足，本发明所解决的技术问题是降低噪声对端点检测正确率的影响，提高噪声环境下的端点检测性能。

为实现上述目标，本发明采用的技术方案是：

一种降低噪声影响的端点检测方法，包括以下步骤：

步骤1：对带噪语音进行加窗分帧，对每一帧信号做离散傅里叶变换，然后采用三次指数平滑法做平滑处理，计算平滑后的幅度谱；

步骤2：对分帧后的信号进行多窗谱估计，对获得的功率谱密度也做平滑处理；

步骤3：计算噪声的平均功率谱密度；

步骤4：动态的选择过减因子α，求出增益因子Q_i，结合增益因子和幅度谱得到减噪后的幅度谱；

步骤5：由幅度谱进行IFFT变换得到减噪后的语音信号；

步骤6：对减噪后的语音信号加窗分帧，逐帧求出能量谱；

步骤7：将每帧分成若干子带，求得每帧的子带谱熵；

步骤8：引入一个正的常量R，动态选择R值，计算出新的子带谱熵；

步骤9：根据新的子带谱熵选取合适的门限值，进行双门限端点检测。

进一步，所述步骤1的分步骤如下：

1.1)将带噪语音表示为f(k)＝s(k)+n(k)，其中s(k)表示纯净语音信号，n(k)表示噪声信号，k是离散时间序号；对带噪语音f(k)加窗分帧后得f_i(k)，其中下标i表示第i帧，对分帧后的信号做离散傅里叶变换：

其中N为每帧的长度；

1.2)频谱F_i(m)表示为：

其中幅度谱为|F_i(m)|，相位谱为

1.3)使用三次指数平滑法对每帧信号的幅度谱做平滑处理，三次指数平滑法模型表达式如下：

令