【正文】 NR合成作為測(cè)試材料，噪聲選取平穩(wěn)白噪聲和非平穩(wěn)噪聲代表多說(shuō)話人(babble)噪聲。采樣頻率，算法參數(shù)如下選?。簬L(zhǎng)，DFT長(zhǎng)度。，并和MS算法進(jìn)行了比較?？疾榈念l率成分為(1kHz)。可以看出，估計(jì)的噪聲功率譜與真實(shí)噪聲功率譜并不完全相同，代表的是平均意義上的統(tǒng)計(jì)；在低輸入信噪比和非平穩(wěn)噪聲環(huán)境下，本文算法較MS算法都能更迅速更準(zhǔn)確地跟蹤噪聲功率，并在一定程度上改善了過(guò)估計(jì)的現(xiàn)象。 白噪聲干擾下（INSNR=5dB）本文算法和MS算法性能比較 babble噪聲干擾下（INSNR=5dB）本文算法和MS算法性能比較，輸入信噪比由15dB迅速下降為5dB時(shí)，本文快速估計(jì)算法和MS算法性能比較。圖(a)表示輸入的帶噪語(yǔ)音信號(hào)，在第150幀時(shí)，噪聲功率迅速增加，信噪比突然降低。圖(b)中，本文算法經(jīng)過(guò)很短的時(shí)間（）即跟蹤上了噪聲的變化。 噪聲功率變化劇烈時(shí)本文算法和MS算法性能比較，本文快速估計(jì)算法噪聲功率譜估計(jì)的歸一化均方誤差對(duì)比。歸一化均方誤差NMSE定義如下： ( 326 )表 本文快速估計(jì)算法和MS算法的NMSE白噪聲babble噪聲白噪聲～babble噪聲SNR(dB)MS算法本文算法MS算法本文算法MS算法本文算法50515～5，在各種噪聲干擾環(huán)境下，本文算法的歸一化均方誤差均小于MS算法，尤其在輸入信噪比為5dB情況下，NMSE下降較大，客觀測(cè)試再一次證明了本文快速估計(jì)算法在低信噪比和非平穩(wěn)噪聲環(huán)境下的優(yōu)越性。 本章小結(jié)本章研究了影響語(yǔ)音增強(qiáng)算法性能重要因素之一的噪聲統(tǒng)計(jì)特性估計(jì)算法。首先，介紹了基于語(yǔ)音激活檢測(cè)的噪聲統(tǒng)計(jì)特性估計(jì)方法和直接噪聲統(tǒng)計(jì)特性估計(jì)方法的特點(diǎn)，并闡述和分析了目前應(yīng)用比較廣泛的最小統(tǒng)計(jì)的估計(jì)算法。針對(duì)現(xiàn)有算法的過(guò)估計(jì)和跟蹤延時(shí)等問(wèn)題，提出了更適應(yīng)于低輸入信噪比和非平穩(wěn)噪聲干擾環(huán)境下的快速估計(jì)算法，并給出了詳細(xì)的測(cè)試結(jié)果。第4章 語(yǔ)音激活檢測(cè)算法研究第4章 語(yǔ)音激活檢測(cè)算法研究 本章引論人們?cè)谡f(shuō)話過(guò)程中，不可避免地存在很多間歇和停頓，因此語(yǔ)音是不連續(xù)的媒介。語(yǔ)音激活檢測(cè)（Voice Activity Detection），又稱(chēng)有語(yǔ)音無(wú)語(yǔ)音檢測(cè)，是指采用一定的信號(hào)處理技術(shù)，檢測(cè)出信號(hào)是否是語(yǔ)音信號(hào)，或是信號(hào)中是否包含語(yǔ)音信號(hào)。語(yǔ)音激活檢測(cè)的應(yīng)用范圍非常廣泛，既可以在語(yǔ)音增強(qiáng)算法中為噪聲統(tǒng)計(jì)特性的估計(jì)、先驗(yàn)信噪比的計(jì)算等提供相關(guān)統(tǒng)計(jì)信息，也可以作為獨(dú)立的模塊應(yīng)用于變速率語(yǔ)音編碼，回聲抵消等系統(tǒng)中。本章主要針對(duì)語(yǔ)音激活檢測(cè)算法進(jìn)行研究。本章剩余章節(jié)按照如下方式組織：；（Uniformly Most Powerful）檢驗(yàn)的語(yǔ)音激活檢測(cè)算法；（Dual Tone Multiple Frequency）信號(hào)的生成與檢測(cè)；最后是本章小結(jié)。 傳統(tǒng)語(yǔ)音激活檢測(cè)算法傳統(tǒng)的語(yǔ)音激活檢測(cè)算法的基本思想是提取某種能夠區(qū)分語(yǔ)音和噪聲的特征參數(shù)，如能量，過(guò)零率等，通過(guò)和某一分界門(mén)限比較得到是否有語(yǔ)音的判決結(jié)果，也可依據(jù)多個(gè)特征參數(shù)進(jìn)行聯(lián)合判決。 語(yǔ)音激活檢測(cè)的一般方法 Annex B標(biāo)準(zhǔn)， Annex A標(biāo)準(zhǔn)以及ETSI的GSM標(biāo)準(zhǔn)中都有傳統(tǒng)語(yǔ)音激活檢測(cè)算法模塊。 Annex B標(biāo)準(zhǔn)的語(yǔ)音激活檢測(cè)算法 Annex B[30]中推薦的語(yǔ)音激活檢測(cè)系統(tǒng)的功能框圖。 Annex B中推薦的語(yǔ)音激活檢測(cè)系統(tǒng)的功能框圖 Annex B標(biāo)準(zhǔn)的VAD采用短時(shí)全帶能量、短時(shí)低帶能量、LSF系數(shù)和短時(shí)過(guò)零率4種特征參數(shù)進(jìn)行語(yǔ)音激活檢測(cè)的判決。相應(yīng)的4種距離量度為：譜差異： ( 41 )全帶能量差異： ( 42 )低帶能量差異： ( 43 )短時(shí)過(guò)零率差異： ( 44 )其中，，分別為輸入的帶噪語(yǔ)音信號(hào)的第個(gè)線譜頻率，全帶能量，低帶能量，短時(shí)過(guò)零率。而，，為相應(yīng)的背景噪聲參數(shù)的更新估計(jì)。計(jì)算得4種距離量度后，否則判決為無(wú)語(yǔ)音，相關(guān)常量參見(jiàn)相關(guān)標(biāo)準(zhǔn)[30]。表 Annex B語(yǔ)音激活檢測(cè)判決條件列表然后，對(duì)初步判決結(jié)果進(jìn)行平滑，得到最終判決。最后，根據(jù)一定的條件對(duì)噪聲相關(guān)特征參數(shù)進(jìn)行更新。 Annex A標(biāo)準(zhǔn)的語(yǔ)音激活檢測(cè)算法 Annex A[31]中推薦的語(yǔ)音激活檢測(cè)系統(tǒng)的功能框圖。 Annex A中推薦的語(yǔ)音激活檢測(cè)系統(tǒng)的功能框圖 Annex A標(biāo)準(zhǔn)的VAD算法基本上是一個(gè)能量檢測(cè)器。將逆濾波器的輸出信號(hào)能量與一個(gè)閾值進(jìn)行比較，當(dāng)大于閾值時(shí)，判定為有語(yǔ)音，否則判定為無(wú)語(yǔ)音。具體步驟如下： 逆濾波：將輸入信號(hào)用一個(gè)系數(shù)為的FIR濾波器進(jìn)行逆濾波的處理： ( 45 )其中，是經(jīng)過(guò)逆濾波處理的輸出信號(hào)。濾波后信號(hào)能量計(jì)算：通過(guò)下式計(jì)算經(jīng)過(guò)逆濾波后的信號(hào)的能量。 ( 46 )噪聲幅度計(jì)算：根據(jù)幀噪聲幅度和能量以及自適應(yīng)使能標(biāo)志，對(duì)第幀噪聲幅度進(jìn)行更新。第幀時(shí)的噪聲幅度被限制在范圍之內(nèi)。如果，則，否則。根據(jù)調(diào)整： ( 47 )此時(shí)。閾值計(jì)算：閾值與噪聲幅度有如下近似關(guān)系： ( 48 )VAD判決：通過(guò)對(duì)當(dāng)前幀的能量與閾值的比較進(jìn)行判決： ( 49 )拖尾延遲保護(hù)：當(dāng)連續(xù)2幀或以上判決為語(yǔ)音時(shí)，則在判決的語(yǔ)音段結(jié)束之后的6幀仍將作為語(yǔ)音段處理。 GSM標(biāo)準(zhǔn)的語(yǔ)音激活檢測(cè)算法GSM[32]標(biāo)準(zhǔn)中的語(yǔ)音激活檢測(cè)算法是基于多參數(shù)聯(lián)合判決的VAD 檢測(cè)算法， 所示。圖 GSM中推薦的語(yǔ)音激活檢測(cè)系統(tǒng)的功能框圖 基于高斯模型和一致最大勢(shì)檢驗(yàn)的語(yǔ)音激活檢測(cè)算法傳統(tǒng)的語(yǔ)音激活檢測(cè)方法往往建立在語(yǔ)音和噪聲的特征參數(shù)的區(qū)別假定上，比如語(yǔ)音的能量遠(yuǎn)遠(yuǎn)大于噪聲的能量，而噪聲的過(guò)零率又遠(yuǎn)遠(yuǎn)大于語(yǔ)音的過(guò)零率等等。但是在強(qiáng)背景噪聲環(huán)境下，語(yǔ)音可能完全淹沒(méi)在噪聲中，周期性噪聲的出現(xiàn)或是語(yǔ)音過(guò)零率較高時(shí)，也會(huì)使兩者過(guò)零率之間的區(qū)別不再明顯。因此，傳統(tǒng)的語(yǔ)音激活檢測(cè)算法在低輸入信噪比以及非平穩(wěn)噪聲干擾環(huán)境下的誤檢率會(huì)提高，性能顯著惡化。 近年來(lái)，Sohn等人[33]提出了基于統(tǒng)計(jì)模型的語(yǔ)音激活檢測(cè)方法，得到了較好的檢測(cè)效果。論文結(jié)合相關(guān)最新發(fā)表成果，研究了一種基于高斯統(tǒng)計(jì)模型和一致最大勢(shì)（UMP）檢驗(yàn)的語(yǔ)音激活檢測(cè)算法。該算法能夠改善上述惡劣環(huán)境下的檢測(cè)性能，同時(shí)仍然適用于平穩(wěn)噪聲及高信噪比環(huán)境。 基于高斯模型的似然比檢測(cè)假定語(yǔ)音和噪聲的頻譜分量滿足獨(dú)立的復(fù)高斯分布，并考慮加性噪聲。在語(yǔ)音不存在和語(yǔ)音存在兩種假設(shè)下，帶噪語(yǔ)音分別表示如下： ( 410 )其中，為幀長(zhǎng)。帶噪語(yǔ)音的頻譜分量在兩種條件下的分布分別為： ( 411 ) ( 412 )其中，和分別表示純凈語(yǔ)音和噪聲的功率譜分量。相應(yīng)地，在頻率成分的似然比（LR）為 ( 413 )其中，先驗(yàn)信噪比，后驗(yàn)信噪比。對(duì)似然比對(duì)數(shù)取幾何平均，得到 ( 414 )其中，為判決門(mén)限，為頻率成分?jǐn)?shù)。 一致最大勢(shì)檢驗(yàn)準(zhǔn)則 式（413）中，檢測(cè)量可以改寫(xiě)為 ( 415 )即如果 ( 416 ) 則得到判決為語(yǔ)音存在?？紤]到，對(duì)式（416）取對(duì)數(shù)化簡(jiǎn)后，得到 ( 417 )即檢測(cè)條件為 ( 418 )通過(guò)噪聲功率譜估計(jì)可得，假定其為已知量，而在的條件下的單邊檢驗(yàn)，存在一致最大勢(shì)（UMP）檢驗(yàn) [34]，即當(dāng)給定虛警概率時(shí)，此類(lèi)檢測(cè)產(chǎn)生最大的檢測(cè)概率，而且檢測(cè)門(mén)限值是與未知量無(wú)關(guān)的。因?yàn)檎Z(yǔ)音和噪聲的頻譜分量滿足獨(dú)立的復(fù)高斯分布，所以帶噪語(yǔ)音的頻譜分量也是高斯分布的。由復(fù)高斯分布的性質(zhì)知，帶噪語(yǔ)音的頻譜幅度滿足瑞利分布[34][35]。在和條件下，的概率分布分別如下： ( 419 ) ( 420 )其中，表示階躍函數(shù)。根據(jù)虛警概率的定義， ( 421 )而又由 ( 422 )得到檢測(cè)門(mén)限 ( 423 )可以看到，此自適應(yīng)檢測(cè)門(mén)限獨(dú)立于未知的純凈語(yǔ)音功率譜分量，只和虛警概率和噪聲功率譜估計(jì)相關(guān)，因此能更好地適應(yīng)噪聲的變化，尤其是非平穩(wěn)噪聲環(huán)境。為了計(jì)算的方便，取檢測(cè)量為頻譜幅度的平方，并求各個(gè)頻率分量的平均，判決準(zhǔn)則如下： ( 424 ) 短時(shí)譜最優(yōu)化平滑以及自適應(yīng)門(mén)限平滑充分考慮語(yǔ)音的相關(guān)性能夠使語(yǔ)音激活檢測(cè)更準(zhǔn)確，因此需要對(duì)檢測(cè)量和檢測(cè)門(mén)限進(jìn)行有效的平滑。文獻(xiàn)[36]中對(duì)帶噪語(yǔ)音頻譜幅度采用了固定平滑因子進(jìn)行平滑，為了得到更好的檢測(cè)性能，論文算法借鑒噪聲統(tǒng)計(jì)特性估計(jì)中的自適應(yīng)最優(yōu)平滑方案，對(duì)短時(shí)譜進(jìn)行基于MMSE原則的最優(yōu)化平滑。 ( 425 )其中，分別表示第幀和第個(gè)頻率分量。得到最優(yōu)的平滑系數(shù)如下： ( 426 )其中，為調(diào)整因子。為前一幀的噪聲功率譜的估計(jì)值。，這里不再贅述。檢測(cè)門(mén)限是與噪聲估計(jì)自適應(yīng)的，所以，門(mén)限平滑采用固定平滑因子即可。平滑的自適應(yīng)門(mén)限如下： ( 427 )其中，為平滑因子。論文算法中，取 拖尾延遲保護(hù)（hangover）通過(guò)短時(shí)譜幅度平方和自適應(yīng)門(mén)限比較后得到了初步的VAD判決結(jié)果，但是初步判決有時(shí)存在著誤判的情況。當(dāng)把有語(yǔ)音誤判為無(wú)語(yǔ)音時(shí)，造成了語(yǔ)音切斷的現(xiàn)象；相反，把無(wú)語(yǔ)音誤判為有語(yǔ)音時(shí)，勢(shì)必會(huì)造成過(guò)多的殘留噪聲存在。為了降低誤判的概率，語(yǔ)音激活檢測(cè)算法中常引入拖尾延遲保護(hù)機(jī)制。論文算法在充分考慮語(yǔ)音相關(guān)性的基礎(chǔ)上，把輸入的帶噪語(yǔ)音分為三種狀態(tài)，即語(yǔ)音狀態(tài)、噪聲狀態(tài)及語(yǔ)音和噪聲之間的轉(zhuǎn)換狀態(tài)，并為語(yǔ)音狀態(tài)轉(zhuǎn)換為噪聲狀態(tài)以及噪聲狀態(tài)轉(zhuǎn)換為語(yǔ)音狀態(tài)分別設(shè)置了不同的延遲保護(hù)長(zhǎng)度。如果當(dāng)前幀的初步判決結(jié)果在保護(hù)長(zhǎng)度之內(nèi)，則判定當(dāng)前幀為轉(zhuǎn)換狀態(tài)，而初步判決結(jié)果作為累計(jì)值保存起來(lái)；如果當(dāng)前幀的初步判決結(jié)果超出了保護(hù)長(zhǎng)度的范圍，則判定當(dāng)前幀為新的語(yǔ)音狀態(tài)或噪聲狀態(tài)。，T表示初步判決，VAD表示最終判決。拖尾延遲保護(hù)提供了由無(wú)語(yǔ)音到有語(yǔ)音的無(wú)條件迅速判決，而延遲了由有語(yǔ)音到無(wú)語(yǔ)音的判決時(shí)間，判決時(shí)間由轉(zhuǎn)換狀態(tài)的持續(xù)時(shí)間決定。這樣有效地保護(hù)了微弱語(yǔ)音以及字間的短暫停頓，有效地防止了切音現(xiàn)象，保證了語(yǔ)音的連貫悅耳。 拖尾延遲保護(hù)的狀態(tài)轉(zhuǎn)移圖 基于高斯模型和UMP檢驗(yàn)的VAD算法流程。首先對(duì)輸入的帶噪語(yǔ)音信號(hào)進(jìn)行分幀加窗處理，進(jìn)行DFT變化得到相關(guān)的頻譜系數(shù)。然后對(duì)短時(shí)譜進(jìn)行最優(yōu)化平滑并對(duì)噪聲功率譜進(jìn)行跟蹤估計(jì)，利用式( 423 )和式( 427 )計(jì)算每個(gè)頻率分量的平滑的自適應(yīng)門(mén)限。最后，通過(guò)平均譜幅度平方和平均門(mén)限比較判決，得到初步的判決結(jié)果，經(jīng)拖尾延遲保護(hù)得到最終VAD判決結(jié)果。 基于高斯模型和UMP檢驗(yàn)的VAD算法流程流程圖 測(cè)試結(jié)果以及結(jié)論算法在低輸入信噪比和非平穩(wěn)噪聲環(huán)境下測(cè)試。將標(biāo)準(zhǔn)語(yǔ)音庫(kù)的語(yǔ)音材料與NOISEX92噪聲庫(kù)的噪聲材料根據(jù)SNR合成作為測(cè)試材料，噪聲選取平穩(wěn)噪聲代表白噪聲、粉紅噪聲以及非平穩(wěn)噪聲代表多說(shuō)話人(babble)噪聲。，輸入時(shí)的檢測(cè)判決結(jié)果。其中，圖(a)為原始純凈語(yǔ)音，圖(b)為帶噪語(yǔ)音，圖(c)為本文VAD算法判決結(jié)果，噪聲幀輸出為0，語(yǔ)音幀直接輸出帶噪語(yǔ)音，并用紅色框標(biāo)出。由此可見(jiàn)，本文算法在低信噪比下有良好的檢測(cè)性能。 白噪聲干擾下本文VAD算法判決結(jié)果 粉紅噪聲干擾下本文VAD算法判決結(jié)果，輸入時(shí)本文算法和Sohn’s算法[33]的檢測(cè)性能比較。其中，圖(a)為原始純凈語(yǔ)音，圖(b)為帶噪語(yǔ)音，圖(c)為本文算法的判決結(jié)果，圖(d)為Sohn’s算法的判決結(jié)果。由于本文算法檢測(cè)門(mén)限和噪聲統(tǒng)計(jì)特性相適應(yīng)，并且采用了合理的拖尾延遲保護(hù)，因而得到了較準(zhǔn)確的判決結(jié)果，而Sohn算法把很多babble噪聲誤判為語(yǔ)音，造成錯(cuò)誤擴(kuò)散，檢測(cè)性能?chē)?yán)重下降。 babble噪聲干擾下本算法和Sohn’s算法檢測(cè)性能比較因此，基于高斯模型和UMP檢驗(yàn)的VAD算法在保持平穩(wěn)噪聲干擾下的高判決能力的同時(shí)，針對(duì)非平穩(wěn)噪聲環(huán)境，相比同類(lèi)算法，也能夠提供較準(zhǔn)確的判決結(jié)果，檢測(cè)性能顯著提高。 雙音多頻信號(hào)的生成與檢測(cè)雙音多頻（Dual Tone Multiple Frequency）信號(hào)是美國(guó)ATamp。T貝爾實(shí)驗(yàn)室開(kāi)發(fā)的一種通訊傳輸方法，其在電話網(wǎng)絡(luò)領(lǐng)域的快速發(fā)展取代了脈沖信號(hào)。除了應(yīng)用于電話撥號(hào)系統(tǒng)中，DTMF信號(hào)在頻率編碼遙控系統(tǒng)及數(shù)據(jù)編碼傳輸中的應(yīng)用也很普遍。DTMF信號(hào)是指用兩個(gè)不同頻率的正弦信號(hào)來(lái)表示電話撥號(hào)鍵盤(pán)上的16個(gè)數(shù)字或字母信息。每個(gè)雙音多頻信號(hào)都由相應(yīng)的行頻率和列頻率而確定，并且對(duì)應(yīng)一個(gè)數(shù)字或字母，行頻率為低頻成分，列頻率為高頻成分。如數(shù)字信息“1”，只包含兩個(gè)頻率成分，分別為行頻697Hz，列頻1209Hz，理論上在其他頻率成分的能量為0。[37]，DTMF信號(hào)發(fā)持續(xù)時(shí)間在45～55msec之間，信號(hào)發(fā)送間隔至少為45msec。 雙音多頻信號(hào)的行頻和列頻 雙音多頻信號(hào)的生成DTMF生成器由兩個(gè)二階數(shù)字正弦波振蕩器合成，每個(gè)振蕩器分別對(duì)應(yīng)行頻或列頻[38]。 DTMF生成器框圖為了得到每個(gè)數(shù)字或字母信息對(duì)應(yīng)的頻率，振蕩器需要合適的系數(shù)