[发明专利]一种基于向量机框架的多通道语音活动检测方法

摘要

本发明公开了一种基于支持向量机(SVM)框架的多通道语音活动检测方法。针对传统的语音活动检测方法容易引入较大的噪声，并且难以根据环境的变化而自动调整阈值，本发明利用麦克风阵列融合了语音信号的时空信息特点，结合贴近人耳感知特性的梅尔频率倒谱系数(MFCC)，使用具有较好分类能力的支持向量机(SVM)来对语音/非语音进行分类，建立了针对语音和非语音的模型，能够准确的进行语音活动检测，有效的解决了在传统的语音活动检测算法的问题。

主权项

一种基于向量机框架的多通道语音活动检测方法，其特征在于，包括以下步骤，前期准备阶段：将利用麦克风阵列采集到的语音数据分为训练集和测试集两部分，同一条语音不同的麦克风收到的信号列为同一组信号，未进行波束形成之前，训练集和测试集均包含若干组信号。训练阶段：步骤1、对麦克风阵列拾取到的语音信号进行波束形成，一组麦克风阵列波束形成后得到一条信噪比增强后的语音信号；步骤2、对信噪比增强后的语音信号进行有声段和静默段的识别并且标注；步骤3、将波束形成之后的语音信号进行加窗分帧、预加重，得到帧数据；步骤4、根据得到的帧数据，计算每帧数据的MFCC系数；步骤5、针对步骤2对每条语音的音素标记和单词级别的标记，区分出每条语音当中的语音时间段和静音时间段，对每帧数据进行语音/非语音标记；步骤6、将得到的每帧数据的MFCC特征以及对应的标签，计算出支持向量机的模型参数；测试阶段：步骤7、对测试集当中的每组语音进行波束形成得到信噪比增强的语音信号；步骤8、对信噪比增强后的语音信号进行加窗分帧、预加重；步骤9、根据步骤8得到的帧数据，计算每帧数据的MFCC系数，取前12个系数组成特征向量；步骤10、针对训练的支持向量机模型对所述特征向量进行测试，得到检测结果。