【正文】 的 濁音和噪聲 難以區(qū)分清音和噪聲 自相關(guān)相似距離 對(duì)濁音的檢測(cè)精度較高 對(duì)開(kāi)端的清音檢測(cè)精度不夠 頻帶方差 較準(zhǔn)確 在脈沖干擾下門(mén)限值需要 測(cè)定 盡管語(yǔ)音端點(diǎn)檢測(cè)的研究工作迄今已近幾十年，取 得了輝煌的成就，但是現(xiàn)有的語(yǔ)音識(shí)別系統(tǒng)還面臨著許多困難，具體表現(xiàn)在以下幾個(gè)方面： 1．語(yǔ)音端點(diǎn)檢測(cè)算法的適應(yīng)性差。 3． 從語(yǔ)譜圖上還可以得到能量隨語(yǔ)音發(fā)生過(guò)程 （ 時(shí)間 ） 的變化情況，由此可以區(qū)別濁音及清音、輔音 （ 或聲母 ） 等的不同種類(lèi)。 4． 頻域分析要用到 FFT 變換等，有時(shí)會(huì)需要專門(mén)的硬件工具 。 音頻時(shí)域波形圖如圖 21 所示 。這 3 種方法分別由對(duì)應(yīng)的圖來(lái)表示：時(shí)域分析對(duì)應(yīng)時(shí)域波形圖 、 頻譜分析對(duì)應(yīng)頻域波形圖 、語(yǔ)譜分析則對(duì)應(yīng)語(yǔ)譜圖。 5．優(yōu)化系統(tǒng)，對(duì)軟硬件進(jìn)行合理配置，提高系統(tǒng)性能。所以， TMS320C5402 是 54系列芯片的典型代表。其中 C54xx 以其低廉的價(jià)格，低功耗和高性能等 特點(diǎn)被廣泛應(yīng)用到通信和個(gè)人消費(fèi)電子領(lǐng)域。當(dāng)前的 DSP 多數(shù)基于 RISC（ 精簡(jiǎn)指令集計(jì)算機(jī) ） 結(jié)構(gòu)，且進(jìn)入了 VLSI（ 超大規(guī)模集成電路 ） 階段。因此，直到 70 年代，有人才提出了 DSP 的理論和算法基礎(chǔ)?；?HMM 模型的檢測(cè)方法也是語(yǔ)音信號(hào)端點(diǎn)檢測(cè)中的重要方法，用 viterbi 解碼算法對(duì)待測(cè)信號(hào)進(jìn)行分解，求出語(yǔ)音的哪些語(yǔ)音幀與模型相匹配，從而得出端點(diǎn)所在處。 語(yǔ)音與噪音 在能量域 通常 有不同的分布，如果我們能分清含有低功率噪音和高功率語(yǔ)音的成分，即使帶噪語(yǔ)音的平均信噪比很低，我們也有可能提取更多可靠的語(yǔ)音信息。對(duì)于每個(gè)語(yǔ)音幀，計(jì)算其較為重要的 8 個(gè)參數(shù)：歸一化的短時(shí)低通能量、歸一化的短時(shí) 高通能量、過(guò)零率、低頻帶的一階、二階反射系數(shù)、前向后向匹配相關(guān)系數(shù)及它們的乘積。 在端點(diǎn)檢測(cè)找到語(yǔ)音的起始點(diǎn)時(shí)，系統(tǒng)將停止提示音的播放 ， 完成打斷功能 。 2． 在信號(hào)流中檢測(cè)到語(yǔ)音信號(hào)后，判斷此處是否是語(yǔ)句的開(kāi)始或結(jié)束點(diǎn) 。 語(yǔ)音端點(diǎn)檢測(cè)檢測(cè)的作用 語(yǔ)音端點(diǎn)檢測(cè) (Endpoint Detection) ，也被稱為語(yǔ)音活躍檢測(cè) （ Voice Activity Detection，簡(jiǎn)稱 VAD） ，主要應(yīng)用在語(yǔ)音處理中的語(yǔ)音編解碼，語(yǔ)音識(shí)別、語(yǔ)音增強(qiáng)及語(yǔ)音監(jiān)控等領(lǐng)域 [2]。最簡(jiǎn)單的模擬音頻矩陣系統(tǒng)是利用電子開(kāi)關(guān)，來(lái)實(shí)現(xiàn)輸入與輸出的連接。 作者簽名： 日 期： 學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。 Abstract ....................................................................................... 錯(cuò)誤 !未定義書(shū)簽。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過(guò)的研究成果，也不包含我為獲得 及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過(guò)的材料。本人授權(quán) 大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論 文。 隨著計(jì)算機(jī)多媒體技術(shù)和數(shù)字通訊技術(shù)的飛速發(fā)展，社會(huì)已進(jìn)入了數(shù)字化時(shí)代。因此從信號(hào)流中檢測(cè)出語(yǔ)音信號(hào)是語(yǔ)音識(shí)別的必要的預(yù)處理過(guò)程。 2． 拒絕非語(yǔ)音的信號(hào) 。 國(guó)內(nèi)外研究現(xiàn)狀 端點(diǎn)檢測(cè)算法的國(guó)內(nèi)外研究現(xiàn)狀 語(yǔ)音端點(diǎn)檢測(cè)算法經(jīng)過(guò)幾十年的發(fā)展，產(chǎn)生了很多方法，而且隨著語(yǔ)音技術(shù)在現(xiàn)代科學(xué)中的重要性不斷增大，也不斷的有新方法被提出來(lái)滿足需要。 20xx 年 Gazor 提出了利用拉普拉斯概率密度函數(shù) (PDF)為帶噪語(yǔ)音和噪聲譜建模，它被證明是一個(gè)更好的純凈語(yǔ)音分布的模型。因此，基于可靠信息就可以實(shí)現(xiàn)魯棒性 VAD。 DSP 發(fā)展歷程大致分為三個(gè)階段： 70 年代理論先行， 80 年代產(chǎn)品普及， 90 年代突飛猛進(jìn)。 90 年代 DSP 發(fā)展十分驚人，相繼出現(xiàn)了第四代和第五代 DSP器件。按照CMOS 的發(fā)展趨勢(shì)， DSP 的運(yùn)算速度提高到 1000MIPS 是完全有可能的。片上雙存取訪問(wèn) RAM 被組織在一些塊上，因?yàn)槊總€(gè) DARAM塊能夠在每個(gè)機(jī)器周期中被訪問(wèn)兩次，結(jié)合并行的體系結(jié)構(gòu)，使得 5402 得以在一個(gè)指定的周期內(nèi)完成四個(gè) 并發(fā)的存儲(chǔ)器操作：一個(gè)取指操作、兩個(gè)數(shù)據(jù)讀操作和一個(gè)數(shù)據(jù)寫(xiě)操作。 2．使用 MATLAB 軟件進(jìn)行算法仿真，分析實(shí)驗(yàn)結(jié)果得出并驗(yàn)證優(yōu)化后的算法。 國(guó)外的經(jīng)驗(yàn)說(shuō)明，語(yǔ)音分析的工作必須先于其它的語(yǔ)音處理工作。 2． 時(shí)域波形語(yǔ)音信號(hào)的數(shù)字處理實(shí)現(xiàn)起來(lái)比較簡(jiǎn)單 。 圖 22 音頻頻域波形圖 plot of audio in frequency domain 9 頻域分析方法的特點(diǎn)是： 1． 語(yǔ)音信號(hào)的頻譜波形不太容易受外界環(huán)境的影響，而時(shí)域波形易隨外界環(huán)境變化 。 語(yǔ)譜分析法的特點(diǎn)是： 1． 它是時(shí)間、頻率、音強(qiáng)的三位顯示圖，同時(shí) 也是時(shí)域波形與頻譜圖的結(jié)合。 語(yǔ)音端點(diǎn)檢測(cè)算法的分析 隨著越來(lái)越多的學(xué)者對(duì)語(yǔ)音 端點(diǎn)檢測(cè)技術(shù)的關(guān)注，大量新的語(yǔ)音端點(diǎn)檢測(cè)算法相繼被提出。然而 ，當(dāng)語(yǔ)音處理由實(shí)驗(yàn)室走向?qū)嶋H應(yīng)用時(shí)，環(huán)境噪聲的存在所帶來(lái)的問(wèn)題就變得越來(lái)越重要。 簡(jiǎn)而言之，小波就是小范圍的波。二維情況下它除了 “顯微 ”能力外還具有 “極化 ”能力 （ 即方向選擇性 ） ，因而引人注意。 t ， ? 和 ? 都是連續(xù)變量，因此成為連續(xù)的小波變換 （ Continuous Wavelet Transform，簡(jiǎn)記為 CWT） 。 13 ? ? ? ? ? ?0 0 0 020 1, , , , ,ffW T d W T K d? ? ? ? ? ? ? ? ? ??? ? ? ???? ?? (24) 式中 ? ?00, , ,K ? ? ?? 如式 (25)所示。為了防止信息的丟失，我們要求采樣間隔 ? 滿足 Nyquist 采樣定理，采樣率大于等于該尺度下頻率通帶的二倍。 ? ? ? ?2,02 2 0 , 1 , 2 , ,j jjk t t k j k Z? ? ?? ?? ? ? ??? ? (29) 我們把 ? 軸用 0? 歸一化， 0 1?? ，于是有 式 (210) ? ? ? ?2, 22j jjk t t k??? ??? (210) 此時(shí)，對(duì)應(yīng)的 WT 為 ? ? ? ? ? ?,f j kW T j k f t t dt? ?? ? 多分辨率分析 我們把平方可積 函數(shù) ? ? ? ?2f t L R? 看 成是某一逐級(jí)逼近的極限情況。 jjijVWW W j j? ??? (212) 進(jìn)一步要求 函數(shù)空間 剖分還 應(yīng) 具有以下兩項(xiàng)特性： 1．位移不變性 。由此看來(lái) ，分析與研究語(yǔ)音信號(hào)的處理，總離不開(kāi)對(duì)信號(hào)與噪聲的分析。 隨機(jī)信號(hào)與隨機(jī)噪聲均可歸納為依賴于時(shí)間參數(shù) t 的隨機(jī)過(guò)程，這種過(guò)程的基本特征是，它是時(shí)間 t 的函數(shù)，但在任一時(shí)刻上觀察到的值卻是不確定的，是一個(gè)隨機(jī)變量。 , , , , ,n n n n nF x x x t t t P t x t x t x? ? ???? ??? ? ? ? ??? ? (217) 如果存在 ? ? ? ?1 2 1 21 2 1 212, , , 。 , , , , , 。 jkb 歸一化協(xié)方差函數(shù) ，如式 (222)所示。 與之相反語(yǔ)音信號(hào)的能量主要分布于低頻部分，在整個(gè)頻率區(qū)間內(nèi)能量分布起伏較大。 Daubechies 小波是由世界著名的小波分析學(xué)者 Inrid Daubechies 構(gòu)造的小波函數(shù)，我們一般簡(jiǎn)寫(xiě)成 dbN ， N 是小波的階數(shù)。 根據(jù)上一節(jié)的分析可以確定語(yǔ)音信號(hào)在各個(gè)子帶內(nèi)的平均能量分布不均，信號(hào)的能量主要集中在低頻子帶 [19]內(nèi)。 圖 28 語(yǔ)音信號(hào)波形圖 The plot of the speech signal 首先給該段語(yǔ)音加入 15db的高斯白噪聲，形成待測(cè)信號(hào) ??xt? ，如圖 29所示 。 22 圖 29 帶噪語(yǔ)音信號(hào) ??xt? Speech signal ??xt? containing noise 圖 210 信號(hào) ??xt? 平均能量方差 The average power variance of signal ??xt? 具體實(shí)驗(yàn)步驟如下： 1． 對(duì)系統(tǒng)用到的所有語(yǔ)音信號(hào)進(jìn)行數(shù)據(jù)采樣，由于語(yǔ)音信號(hào)主要集中在 5kHz以下，所以我們采用 。為了增加算法的精度，對(duì)閾值進(jìn)行自適應(yīng)處理。 圖 211 對(duì)帶噪信號(hào) ??xt? 的處理結(jié)果 Detection oute of speech signal ??xt? containing noise 實(shí)驗(yàn)結(jié)果比較 表 22為在各種信噪比的情況下，采用 db4小波分別對(duì)不同數(shù)量的語(yǔ)音信號(hào)進(jìn)行子帶平均能量方差端點(diǎn)檢測(cè)所得到的實(shí)驗(yàn)結(jié)果，以及與基于能量與過(guò)零率算法的比較。自相似過(guò)程是在統(tǒng)計(jì)。 在各種數(shù)量語(yǔ)音 （ 如 10句， 50句， 100句 ） 的情況下，識(shí)別率很高，對(duì)于無(wú)噪音下識(shí)別率可達(dá) 98%以上。 4． 如果 iD? 則算法結(jié)束，否則返回到第 2步。記為? ?0iR i D?? ， D為 幀的總數(shù)。然后經(jīng)過(guò)式 (224)、 (225)和 (226)的計(jì)算得到所求的方差參數(shù)。計(jì)算各層小波系數(shù)的平均能量 miE ，如式 (224)所示 。 dbN 沒(méi)有明確的表達(dá)式 （ 除 1N? 外 ） ，但轉(zhuǎn)換函數(shù)的平方模 [18]是很明確的。即利用語(yǔ)音與噪聲在各個(gè)頻段內(nèi)的平均能量的方差可以判別出語(yǔ)音段與噪聲段。所以如果過(guò)程是寬平穩(wěn)的，即其均值與時(shí)間無(wú)關(guān)，協(xié)方差函數(shù)只與時(shí)間間隔 ? 有關(guān)，而與時(shí)間起點(diǎn)無(wú)關(guān)，則它的 n 維分布也與時(shí)間起點(diǎn)無(wú)關(guān)，故它也是嚴(yán)平穩(wěn)的。起伏噪聲的特點(diǎn)是，無(wú)論在時(shí)域內(nèi)還是 在頻域它們總是普遍存在和不可避免的，它們是信號(hào)中存在的主要噪聲。 , , , ,n n n nnnF x x x t t t f x x x t t tx x x? ? ? ? ? ?? ? ? ? ? ? ??? ? ? ? ? ?則稱其為 ??t? 的 n維概率密度函數(shù)。 ??t? 表示一個(gè)隨機(jī)過(guò)程，則在任意一個(gè)時(shí)刻 it 上 ??it? 是一個(gè)隨機(jī)變量。 加性噪聲 （ 簡(jiǎn)稱噪聲 ） 的來(lái)源，一般可分為人為噪聲、自然噪聲和內(nèi)部噪聲。 ? ? jf t k V?? (213) 2．二尺度伸縮性 。 15 函數(shù) 空間作逐級(jí) 二 分解產(chǎn)生一組逐級(jí)包含的子空間 ，如式 (211)所示。所以在尺度 j 下，由于 ? ?0jt??? 的寬度是 ??t? 的 0j? ，同時(shí)也不會(huì)引起信息的丟失。 離散小波變換 在實(shí)際應(yīng)用中，為了方便用計(jì)算機(jī)進(jìn)行分析、處理，信號(hào) ??ft都要離散化 為離 散 序 列 ， ? 和 ? 也必 須 離 散 化， 稱 為 離 散 小波 變 換 ， 記為DWT(Discrete Wavelet Transform)。我們可以證明，若采用小波滿足容許條件，則連續(xù)小波變換存在著逆變換。 目前，小波在信號(hào)處理、圖像分析、模式識(shí)別、通信、地震勘測(cè)、量子 12 物理、電磁場(chǎng)、機(jī)械工程、流體力學(xué)、分形、光學(xué)、數(shù)值計(jì)算、語(yǔ)音識(shí)別、機(jī)器人視覺(jué)等領(lǐng)域都得到了廣泛的應(yīng)用。因此，小波變換是一種變分辨率的時(shí)頻聯(lián)合的分析方法。 11 4．為了更好的應(yīng)用，理想的端點(diǎn)檢測(cè)應(yīng)具備以下特點(diǎn)：可靠性 、 魯棒性、低的存儲(chǔ)器和計(jì)算資源消耗、實(shí)時(shí)性、自適應(yīng)性和不需要對(duì)噪音的先驗(yàn)知識(shí) 等 [9]。主要幾類(lèi)方法各自的優(yōu)點(diǎn)與不足列于表 21。 從語(yǔ)譜圖中可以得到一些頻域分析參數(shù) （ 如共振峰、基音周期等 ）隨語(yǔ)音發(fā)生過(guò)程 （ 時(shí)間 ） 的變化情況，這是 前兩種分析方法所沒(méi)有的 。 3． 頻域分析容易獲得某些重要的音頻特征參數(shù)，如信息嫡、帶寬、共振峰等 。 4． 分析語(yǔ)音信號(hào)的時(shí)域波形圖，所采用的方法較為簡(jiǎn)單 。 語(yǔ)音分析有時(shí)域分析、頻譜分析和語(yǔ)譜分析 3 種方法。 4．使用 CCS 開(kāi)發(fā)環(huán)境進(jìn)行 軟件系統(tǒng)的設(shè)計(jì) ， 算法的移植與 DSP 內(nèi)核的配置、針對(duì)硬件平臺(tái)對(duì)應(yīng)用程序的編寫(xiě)和實(shí)現(xiàn)。 TMS320C5402 的 26 個(gè) CPU 寄存器和片上外設(shè)寄存器被映射在數(shù)據(jù)存儲(chǔ)空間。 TI 公司將常用的 DSP 芯片歸納為三大系列，即TMS320C20xx 系列 (TMS320C2xx)， TMS320C5000(TMS320C54xx/C55x)，TMS320C6000 系列 (TMS320C62x/67x)。 進(jìn)入 21 世紀(jì)， DSP 正 向著 高速，高系統(tǒng)集成，高性能方向發(fā)展。但 MPU 較低的處理速度無(wú)法滿足高速實(shí)時(shí)的要求。經(jīng)過(guò)研究發(fā)現(xiàn)，倒譜 4 特征參數(shù)的語(yǔ)音信號(hào)端點(diǎn)檢測(cè)方法 [5]在噪聲環(huán)境下具有傳統(tǒng)的能量方法無(wú)法比擬的優(yōu)越性。 20xx 年 等學(xué)者 提出基于噪聲特征空間投影的魯棒性端點(diǎn)檢測(cè)算法 [4 ]。 1994