[发明专利]基于图像识别的短波语音端点检测方法

摘要

本发明属于语音检测领域，尤其基于图像识别的短波语音端点检测方法。本发明的技术方案为：首先对数据进行预处理，提高信噪比；然后按特定长度分帧，同时进行短时傅里叶变换，从而得到语谱图；最后使用图像识别方法寻找语谱图中的声纹，依据声纹分布确定数据中有话段。采用本发明方法在预处理后的语音具有相似信噪比，后续步骤不需要调节参数，因此，本发明方法可以从不同背景噪声中自适应地选取有话段。

主权项

1.一种基于图像识别的短波语音端点检测方法，其特征在于，其步骤具体如下：S1、进行语音预处理，进行语音预处理的目的是为保证形成的语谱图声纹清晰度大致相同，这是进行有效图像识别的前提，具体步骤为：S11、在采集语音信号数据的过程中，由于测试系统的某些原因，在时间序列中会产生一个线性的或者慢变的趋势误差，使语音信号的零线偏离基线，甚至偏离的大小会随着时间变化，这会导致语音的相关函数，功率谱函数在处理计算中变形，采用最小二乘法拟合趋势项去除趋势误差；S12、进行幅值归一化；S13、低通滤波，去除高于3500Hz的噪声；S14、使用多窗谱的谱减法对语音进行加强；S2、对获取的语谱图进行图像识别，获取结构体，此结构体包含语谱图声纹位置的起始点和结束点，具体为：S21、对语音信号进行分帧处理，以帧为单位进行短时傅里叶变换，得到短时频谱；S22、按帧的时间顺序排列S21得到的短时频谱，获取语谱图；S23、识别S22所述语谱图中的声纹，即：将彩色语谱图变成灰度图像；提取灰度图的图像边缘，识别灰度图中线段的位置；将得到的包含语谱图声纹位置的起始点和结束点构成结构体；S3、进行端点检测，具体为：S31、从S2所述结构体中提取出起始点位置向量ST＝[st1,st2,...,sti,...,stn]和结束点位置向量EN＝[en1,en2,...,eni,...,enn]，其中，sti指第i个起始点位置，eni指第i个结束点位置。对所述起始点位置向量ST和结束点位置向量EN按照升序进行排序；S32、判断有话段，当有三条水平线段时即可认为是声纹，其余为噪声。在数值上体现为，当eni＞sti+2即可认为第i点为起始点的线段是在有话段中的；S33、选出所有肯定在有话段中的线段，向左右两个方向100帧范围内寻找是否有ST的元素st'i存在，有的话也包含在有话段内，并替代原本sti再重复向左右100帧范围内寻找，直到左右100帧范围不存在ST的元素。