【正文】 時(shí)得到它們的識別率。 經(jīng)過幾十年的努力，語音信號處理在語音識別、語音增強(qiáng)、語音編碼、說話人識別、說話人情感識別、語音合成等方面取得了巨大的進(jìn)步，然而，一旦這些技術(shù)應(yīng)用在實(shí)際環(huán)境中，由于環(huán)境噪聲、信道、說話人自身因素等方面的影響，性能急劇下降，因?yàn)樵趯?shí)際環(huán)境中沒有完全純凈的語音信號，一般都會伴有噪聲或其它干擾。在電子計(jì)算機(jī)和人工智能機(jī)器的廣泛應(yīng)用中，人們發(fā)現(xiàn)，人和機(jī)器之間最好的通訊方式是直接進(jìn)行語言通訊，實(shí)現(xiàn)人機(jī)自由對話，賦予機(jī) 器以聽覺，辨別話音的內(nèi)容或者辨別說話人的身份，使機(jī)器能夠按照人的意志進(jìn)行各種操作，把人類從繁重或危險(xiǎn)的勞動中解脫出來。本文借助 MATLAB[3]采用短時(shí)能量和短時(shí)過零率結(jié)合的雙門限法 語來進(jìn)行語音端點(diǎn)檢測， 此 算法在純語音和高信噪比的情況下都檢測得比較好，但在低信噪比下檢測結(jié)果就不盡人意。 所謂語音端點(diǎn)檢測，就是從一段給定的語音信號中找出語音的起始點(diǎn)和結(jié)束點(diǎn)。 Shorttime energy 。 1 基于 MATLAB 的語音信號的端點(diǎn)檢測 摘要： 語音端點(diǎn)檢測是指從一段語音信號中準(zhǔn)確的找出語音信號的起始點(diǎn)和結(jié)束點(diǎn)，它的目的是為了使有效的語音信號和無用的噪聲信號得以分離，因此在語音識別、語音增強(qiáng)、語音編碼、回聲抵消等系統(tǒng)中得到廣泛應(yīng)用。The rate of shorttime zeropassing 語音，即語言的聲音，是語言符號系統(tǒng)的載體。在語音識別系統(tǒng)中，正確、有效的進(jìn)行端點(diǎn)檢測不僅可以減少計(jì)算量和縮短處理時(shí)間，而且能排除無聲段的噪聲干 擾、提高語音識別的正確率。 盡管語音端點(diǎn)檢測技術(shù)在安靜的環(huán)境中已經(jīng)達(dá)到了令人鼓舞的準(zhǔn)確率 ， 但是在實(shí)際應(yīng)用 時(shí)由于聲的引入和環(huán)境的改變通常會使系統(tǒng)性能顯著下降。用現(xiàn)代手段研究語音處理技術(shù)，使人們能更加有效地產(chǎn)生、傳輸、存儲、獲取和應(yīng)用語音信息，這對于促進(jìn)社會的發(fā)展十分重要。例如，辦公室環(huán)境下，電腦風(fēng)扇轉(zhuǎn)動的聲音，鍵盤敲打的聲音等都是 噪聲，而語音信號處理 4 系統(tǒng)的處理對象是有效語音信號，即排除了純噪聲段的語音信號段。結(jié)果表明在端點(diǎn)檢測準(zhǔn)確時(shí)識別率為 93%的系統(tǒng)，當(dāng)端點(diǎn)檢測的誤差在士 60ms(4 幀 )時(shí)，識別率降低了 3%； 在士 90ms(6 幀 )時(shí)，降低了 10%； 而當(dāng)誤差在進(jìn)一步加大時(shí)，識別率急劇下降。 語音端點(diǎn)檢測研究現(xiàn)狀及存在的問題 語音端點(diǎn)檢測和語音增強(qiáng)不同，它的任務(wù)是判斷待處理信號是語音還是非語音。但是當(dāng)環(huán)境背景噪聲存在的情況下，傳統(tǒng)的檢測算法都會因?yàn)槭艿轿廴径斐蓢?yán)重的誤判和漏判。因此，如何在噪聲環(huán)境下設(shè)計(jì)一種魯棒的端點(diǎn)檢測算法是一個非常棘手的問題。語音具有聲學(xué)特征的物理性質(zhì)，聲音質(zhì)量與它的頻率范圍有關(guān)，語音信號的頻率一般是在 200Hz~3500Hz 范圍內(nèi)，隨著帶寬的增加，信號的自然度將逐步得到改善。語音信號的預(yù)處理應(yīng)盡可能地保證處理后得到的信號更均勻、平滑，且能提高語音的質(zhì)量。在端點(diǎn)檢測時(shí)如果采用較大的窗長 ， 則幀長長，幀數(shù)少 ， 這樣計(jì)算量會小些 ， 而且進(jìn)行端點(diǎn)檢測時(shí)速度也會快些，但是這樣端點(diǎn)檢測 的誤差容易增加。前一幀和后一幀的交疊部分稱為幀移，幀移與幀長的比值一般取 為0~ 之間。只有將語音信號分析成表示其本質(zhì)特性的參數(shù)，才有可能利用這些參數(shù)進(jìn)行高效的語音通信，以及建立用于識別的模板或知識庫。取樣之后要對信號進(jìn)行量化，而量化過程不可避免地會產(chǎn)生量化誤差，即量化后的信號 值與原信號之間的差值。 將線性預(yù)測應(yīng)用與語音信號處理，不僅是因?yàn)樗念A(yù)測功能，而且更重要的是因?yàn)樗芴峁┮粋€非常好的聲道模型及模型參數(shù)估計(jì)方法。 （ 2）特征提取：在時(shí)域或者頻域提取能反映語音本質(zhì)特征的聲學(xué)參數(shù)，如短時(shí)能量，短時(shí)過零率等。 如圖 就是在比較純凈的內(nèi)容為“端點(diǎn)檢測” 的原始語音信號用傳統(tǒng)的短時(shí)能量和過零率的語音端點(diǎn)檢測，圖中可以很直觀的觀察到語音的短時(shí)能量的大小和其過零率的高低，如圖 所示： 圖 語音信號原始波形圖和其短時(shí)能量和過零率波形圖 短時(shí)能量函數(shù)可用來區(qū)分清音段和濁音段， nE 值大的對應(yīng)于濁音段，而 nE 值小的對應(yīng)于清音段。短時(shí)能量是隨機(jī)參數(shù)，在無聲段，清音段和濁音段，它們分別具有不同的概率密度函數(shù)，圖 給出了短時(shí)能量在清音、無聲和濁音三種情況下的條件概率密度函數(shù)。 語音信號的短時(shí)平均幅度 [11]定義為 ： ????? ??? mn mnmxM )()( ? （ 33） nE 和 nM 都反映語音信號的強(qiáng)度，但是其特性有所不同。 對于高信噪比的語音信號，無語音信號的噪聲能量很小，而有語音信號的能量 nE 顯著增大到某一數(shù)值，由此可以區(qū)分語音信號的起始點(diǎn)和結(jié)束點(diǎn)。 第三，區(qū)分清音和濁音，對語音信號進(jìn)行分析，發(fā)現(xiàn)發(fā)濁音時(shí)，盡管聲道有若干個共振峰，但由于聲門波引起譜的高頻跌落，所以其語音能量約集中在 3kHz 以下。 17 zcr=sum(signs.*diffs， 2)。 基于短時(shí)能量和短時(shí)過零率的雙門限端點(diǎn)檢測原理 雙門限法是利用短時(shí)能量和過零率的 乘積進(jìn)行檢測的 。 其關(guān) 鍵代 碼 為amp=sum(abs(enframe(filter([],1,x),FrameLen,FrameInc)),2)。 整個語音信號的端點(diǎn)檢測可以分為四段：靜音、過度段、語音段、結(jié)束。 現(xiàn)以孤立 “檢” 字的發(fā)音為例 , 說明雙門限檢測法的原理 , 如圖 1 所示。在語音端點(diǎn)檢測之前首先要對被測的語音信號進(jìn)行預(yù)處理等，包括分幀加窗等。 22 參考文獻(xiàn)： [1]Junqua J C. Robustuess and Cooperative Multimodel Man machine Communication Applications [M] . Proc. Second Venaco Workshop and ESCA ETRW. 1991. 9. [2]張震宇 .基于 Matlab的語音端點(diǎn)檢測實(shí)驗(yàn)研究 [J].浙江科技學(xué)院學(xué)報(bào) , 2021， 19(3):197201 [3]王建衛(wèi)，曲中水，凌濱 .MATLAB程序設(shè)計(jì) .[M]北京：中國水利水電出版社， 2021 [4] 姚天任 .數(shù)字語音處理 [M].湖北 :華中科技人學(xué)出版社， 2021 [5] 何強(qiáng)，何英 . MATLAB擴(kuò)展編程 [M]．北京 :清華大學(xué)出版社， 2021 [6]楊行峻，遲惠生 . 語音信號數(shù)字處理 [M]. 北京：電子工業(yè)出版杜， 2021 [7]吳鎮(zhèn)揚(yáng) .數(shù)字信號處理 [M].北京 :高等教育出版社 ,:143155 [8]鄭君里 ，楊為理 .信號與系統(tǒng) [M].北京 :高等教育出版社 ,2021:88122. [9] . Robust Algorithm for Accurate End Pointing of Communication, 1989, 8(2):4560 [10] , Nonlinear Projection for Adaptive End Pointing [11] 韓紀(jì)慶 , 張 磊 , 鐵 然 . 語音信號處理 [ M] . 北京 : 清華大學(xué)出版社 , 2021. [12] . Robust Algorithm for Accurate End Pointing of Communication, 1989, 8(2):4560 [13] , Nonlinear Projection for Adaptive End Pointing of Continuous [14] 趙 力 . 語音信號處理 [M] . 北京 : 機(jī)械工業(yè)出版社 , 2021. [15]劉羽 . 語音端點(diǎn)檢測及其在 Matlab中的 實(shí)現(xiàn) [J]. 計(jì)算機(jī)時(shí)代 , 2021, (8): 2526. [16]張雄偉 , 陳亮 , 楊吉斌 . 現(xiàn)代語音處理技術(shù)及應(yīng)用 [ M] . 北京 : 機(jī)械工業(yè)出版社 , 2021: 3031. [17]聶敏 . 語音識別及其關(guān)鍵技術(shù) [J].微波與衛(wèi)星通信， 1999,4:5356 [18] C. Lee, D. hyun, C. feature extraction for speech recognition [J].IEEE Transactions on Speech and Audio Processing, 2021, 11(l):8086 Speechamp。 6a*CZ7H$dq8Kqqf HVZFedswSyXTyamp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 gTXRm 6X4NGpP$vSTTamp。qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkum amp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkum amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8!z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWv*3tnGK8! z89Am YWpazadNuKNamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkumamp。 gTXRm6X4NGpP$vSTTamp。 gTXRm6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。 ks v*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3tnGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc ^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz84! z89Am v^$UE9wEwZQcUE%amp。qYpEh5pDx2zVkumamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 qYpEh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWv*3tnGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 ksv*3t nGK8! z89Am v^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQcUE% amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn% Mz849Gx^Gj qv^$UE