[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

摘要

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。

主权项

1.一种基于噪声功率谱Gamma分布统计模型的有音区检测方法，其特征在于，包括以下步骤：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，则将第k帧噪声频率为f_l的PSD值P_vv,k(f_l)更新为高频带的PSD估计值P′_ZZ,k(f_l)并跳转到步骤4)；否则，则不更新第k帧噪声频率为f_l的PSD值P_vv,k(f_l)跳转到步骤4)；4)对第k帧噪声频率为f_l的PSD估计值P_vv,k(f_l)求指数平均值计算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)；5)用高频带PSD估计值P′_ZZ,k(f_l)和噪声PSD指数平均值计算信噪比(SNR)测量值并求其指数平均值噪声PSD指数平均值结合噪声方差值var_vk(f_l)计算有音区检测(VAD)阈值η_k(f_l)，再求其指数平均值6)SNR测量值得指数平均与VAD阈值的指数平均进行比较，比较结果通过Hangover方法得出最终的VAD判决；所述步骤2)采用低方差频谱估计的Welch方法来估计语音帧的PSD值，该PSD估计值用于SNR测量值和VAD阈值的计算；所述步骤3)通过对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)；检测当前VAD值是否为0，若VAD＝0，则判断当前帧为纯噪声并更新噪声PSD估计值P_vv,k(f_l)，即将高频PSD估计值P′_ZZ,k(f_l)赋值给噪声PSD估计值P_vv,k(f_l)；若VAD≠0，则不更新噪声PSD估计值P_vv,k(f_l)，保留上一次更新的噪声PSD估计值P_vv,k(f_l)；所述步骤6)通过SNR测量值的指数平均与VAD阈值的指数平均值进行比较来作出VAD判决，若则VAD＝1，由此判断该语音帧处于有音区，反之，则VAD＝0，认为该语音帧为纯噪声；依据相邻语音帧之间强相关性，进行VAD阈值判断后串接Hangover方法来降低错误拒绝率；噪声PSD指数平均值结合噪声方差值var_vk(f_l)计算有音区检测(VAD)阈值η_k(f_l)的具体过程如下：E[P_vv,k(f_l)]与E[P_vv,k(f_l)]²分别为噪声功率谱密度的均值与均值平方；式中，gaminv为MATLAB中的伽玛分布CDF逆函数来求阈值，表达式为：X＝gaminv(P,A,B)式(5)的A和B分别为伽玛分布的形状参数和尺度参数；P_FA为纯噪声的虚警概率(也就是将噪声误判成语音的概率)，定义如下：var_vk为噪声方差，P_vv,k(f_l)和分别为噪声的PSD值及其指数平均值。