【文章內(nèi)容簡(jiǎn)介】
? The entropy of class A is bigger than the entropy of class B. Name Score Joe 99 Mary 28 Steven 84 Mark 42 Alice 15 Brian 72 Name Score Carlo 70 Drew 58 Elsa 66 Harry 61 Jack 69 Lucy 55 Class 1 Class 2 Frequency Domain VAD — EntropyBased ? ? 上式中: 即為在 Frame t中,訊號(hào)出現(xiàn)在 ω頻帶的機(jī)率。 ? 頻寬越窄的訊號(hào) (例如 Sine Wave), Entropy越低。 ? ? ? ? ? ?? ?2212 ),(l og),(),( tYPtYPtYH ?????????? ?? ? ? ?? ?? ? ??1222,? ???tYtYtYPFrequency Domain VAD — EntropyBased ? 若發(fā)話(huà)端背景雜訊與 White Noise相似,則 Entropy會(huì)較高。 ? 根據(jù)上述做法,可以利用語(yǔ)音和 Noise在頻率上特性的相異,計(jì)算 Entropy差異,藉此設(shè)定一個(gè)Threshold值,即可判斷語(yǔ)音中的 Speech Segment或 nonSpeech Segment。 Frequency Domain VAD — EntropyBased ? 優(yōu)點(diǎn): – 對(duì) Noise的變動(dòng)較不敏感,即使雜訊嘈雜且不規(guī)則,本方法仍然有效。 – 即使訊號(hào)的 SNR較差,仍然可以分辨 Speech Segment或nonSpeech Segment。 ? 缺點(diǎn): – 需要耗費(fèi)龐大的計(jì)算資源。 – 可能會(huì)使 VOIP的即時(shí)性減