【正文】 endend % count = countsilence/2。 end end case 3, status=0。 count = 0。 elseif count minlen % 語音長度太短，認(rèn)為是噪聲 status = 0。 else % 語音將結(jié)束 silence = silence+1。 if length(x1)~=length(x2) x2(end+1)=x1(end)+countsilence/21。 else % 靜音狀態(tài) status = 0。 elseif amp(n) amp2 | ... % 可能處于語音段 zcr(n) zcr2 status = 1。 silence = 0。 switch status case {0,1} % 0 = 靜音, 1 = 可能開始 if amp(n) amp1 % 確信進(jìn)入語音段 x1(end+1) = max(ncount1,1)。x2 = []。amp2 = min(amp2, max(amp)/8)。%計(jì)算短時(shí)能量amp = sum(abs(enframe(filter([1 ], 1, x), FrameLen, FrameInc)), 2)。diffs = (tmp1 tmp2)。%分幀處理，tmp1和tmp2為分幀后形成的二維數(shù)組tmp2 = enframe(x(2:end) , FrameLen, FrameInc)。silence = 0。 % 15*10ms = 150msstatus = 0。maxsilence = 8。zcr1 = 10。%指定幀移amp1 = 10。plot(x)%常數(shù)設(shè)置FrameLen = 240。 x = double(x)。 %nois=*rand(len,1)。)。 close all x=wavread(39。本次畢業(yè)設(shè)計(jì)自始至終是在他們的指導(dǎo)和幫助下完成的,在此，再一次向他們致以深深的敬意和感謝!再次衷心感謝所有關(guān)心和幫助我的老師和同學(xué)和朋友們致以最誠摯的謝意！附錄程序%過零率和短時(shí)能量clear all。畢業(yè)設(shè)計(jì)能順利完成離不開老師的幫助的。在畢業(yè)設(shè)計(jì)過程中，使我學(xué)到很多新的知識，同時(shí)也加深了以前所學(xué)的知識，讓我理解和學(xué)習(xí)了語音端點(diǎn)檢測這項(xiàng)語音信號處理技術(shù)，積累了寶貴的經(jīng)驗(yàn)。35參考文獻(xiàn) 參考文獻(xiàn)1 劉波，李文忠，曾涯．：電子工業(yè)出版社，20062 ：人民郵電出版社，20033 ：清華大學(xué)出版社，2008 4 Abdallah I , Montresor S , Baudry M. Robust SpeechPnon speech Detection in Adverse Conditions Usingan Entropy Based :International Conference on Digital Signal Processing ,1997:757 760.5 L. R. Rabiner, B. H. Juang. Fundamentals of speech recognition. Murray Hill, New Jersey ,USA ,1993:6336446 Rabiner .,Sambur algorithm for determining the endpoints of isolated .,1975,pp:297315.7 嚴(yán)劍峰， 2005,(11):37448 ,(28):45479 ：北京郵電大學(xué),200810 劉榮，,(19):576411 ．河北大學(xué)，2010:404512 陳斐利,2006,(9):495313 汪石，農(nóng)許鋼，張愛雪，,(2):1113 14 2005,(10):283015 于迎霞，,(5):24725016 ．湖南師范大學(xué)，2006,(3):10410617 何強(qiáng) ：清華大學(xué)出版社，200237致謝 致 謝在此感謝老師在本次畢業(yè)設(shè)計(jì)中耐心的指導(dǎo)，從畢業(yè)設(shè)計(jì)的選題，到基于MATLAB語音端點(diǎn)檢測算法的確定，以及在設(shè)計(jì)研究實(shí)驗(yàn)過程中及其論文的撰寫，每一步都傾注著導(dǎo)師的心血。語音產(chǎn)業(yè)需要更加開放的環(huán)境，使有興趣和實(shí)力的企業(yè)都能加入到這方面的研究和開發(fā)中，逐步改變。(4)根據(jù)同一語音信號分別在不同的噪聲比環(huán)境下進(jìn)行了仿真實(shí)驗(yàn)比較，評述了每一種端點(diǎn)檢測算法的優(yōu)點(diǎn)和缺點(diǎn)。(2)首先進(jìn)行了傳統(tǒng)的基于短時(shí)能量和過零率的語音端點(diǎn)算法研究，在高、低兩種噪聲比進(jìn)行了實(shí)驗(yàn)仿真。語音信號有不同的特征參數(shù)，根據(jù)不同的特征參數(shù)會(huì)有不同的語音端點(diǎn)檢測算法，一般是根據(jù)時(shí)域和頻域兩種來進(jìn)行檢測。隨后的仿真實(shí)驗(yàn)驗(yàn)證了在嘈雜的環(huán)境下，基于熵譜的算法能夠很好的進(jìn)行端點(diǎn)檢測。根據(jù)信息論的方法，產(chǎn)生了基于譜熵的語音端點(diǎn)檢測。信號倒譜的一種定義是信號的能量譜密度函數(shù)s(ω)的對數(shù)的傅里葉反變換,或者可以將信s(n)的倒譜c(n)看成是logS(ω)的傅里葉級數(shù)展開，倒譜能很好表示語音的特征,因此在大多數(shù)語音識別系統(tǒng)中選擇倒譜系數(shù)作為輸入特征矢量。在時(shí)域參數(shù)采用了基于短時(shí)能量和過零率相結(jié)合的方法，經(jīng)過matlab實(shí)驗(yàn)仿真，驗(yàn)證了能零率相結(jié)合的方法在安靜環(huán)境下即在信噪比比較高的環(huán)境下能夠很好的檢測出語音端點(diǎn)。又根據(jù)三種端點(diǎn)檢測算法的matlab 仿真過程，得出三種算法的優(yōu)缺點(diǎn)，其如表31所示：表31 語音端點(diǎn)檢測算法比較算法類別優(yōu)點(diǎn)缺點(diǎn)測評基于能零率算法（1）原理簡單（2）運(yùn)算量小，便于實(shí)時(shí)實(shí)現(xiàn)（1）近適應(yīng)于平穩(wěn)噪聲的檢測，對于不同噪聲的魯棒性差（2）只能檢測高信噪比的語音一般基于倒譜特征算法（1）原理簡單（2）特征參數(shù)受語音信號時(shí)域、頻域參數(shù)變化影響小，魯棒性較好（1）當(dāng)噪聲與語音信號的相應(yīng)特征參數(shù)差別不大時(shí)，方法失效（2）對于清音的檢測效果一般一般基于譜熵特征算法（1）大多數(shù)算法運(yùn)算量較小，便于實(shí)時(shí)實(shí)現(xiàn)（2）能夠?qū)崿F(xiàn)低信噪比平穩(wěn)噪聲環(huán)境下帶噪語音信號的檢測（1）當(dāng)噪聲與語音先好的時(shí)域或頻域分布類似時(shí)。而基于譜熵的端點(diǎn)檢測則能夠非常清晰的檢測出語音端點(diǎn)。e)f)圖312 高低信噪比基于不同算法的語音端點(diǎn)檢測仿真在低信噪比下，基于能零比雖能夠稍微顯示噪聲信號與語音信號的不同，但在過零率和短時(shí)能量則顯示比較平緩，不能清晰的進(jìn)行端點(diǎn)檢測。然后對這三種算法進(jìn)行比較，即對各算法進(jìn)行語音端點(diǎn)檢測時(shí)采用同一段原始語音信號，然后在原始語音信號中加入噪聲，比較各算法在低信噪比和高信噪比條件下端點(diǎn)檢測結(jié)果進(jìn)行比較。 算法比較在語音識別系統(tǒng)中產(chǎn)生錯(cuò)誤識別的原因之一是端點(diǎn)檢測有誤差，在高信噪比情況下，正確地確定語音的端點(diǎn)并不困難。下面是通過matlab進(jìn)行的實(shí)驗(yàn)仿真。對于頻帶寬度受限的情況而言，例如語音信號的頻率主要集中在300Hz~3400Hz，所以在此范圍內(nèi)，則認(rèn)為語音信號的隨機(jī)事件比較多，平均信息量大，熵值大，在背景噪聲在此頻率范圍受限的情況下，則熵值較小。計(jì)算每一幀的譜熵值采用以下公式進(jìn)行計(jì)算的： (328)是第幀的譜熵，計(jì)算是基于譜的能量變化而不是譜的能量，所以在不同水平噪聲環(huán)境下譜熵參數(shù)具有一定的穩(wěn)健性，但每一譜點(diǎn)的幅值易受噪聲的污染進(jìn)而影響端點(diǎn)檢測的穩(wěn)健性。(5)設(shè)置判決門限。(3)計(jì)算出每一幀中每個(gè)樣本點(diǎn)的概率密度函數(shù)。該算法最簡單的實(shí)現(xiàn)原理框圖如下圖39所示：預(yù)加重分幀加窗求功率譜概率密度求語音信號譜熵值圖39 譜熵語音端點(diǎn)檢測實(shí)現(xiàn)原理框圖其大概檢測思路如下：(1)首先對語音信號進(jìn)行分幀加窗、取FFT變換的點(diǎn)數(shù)。然后計(jì)算每個(gè)頻譜分量在每幀總能量中所占的比例，將其作為信號能量集中在某頻率點(diǎn)的概率，其概率密度函數(shù)定義為： (325)式中是的能量，是相應(yīng)的概率密度，N是FTF中頻率成分的所有點(diǎn)數(shù)。另外，由于每個(gè)頻率分量在求其概率密度函數(shù)的時(shí)侯都經(jīng)過了歸一化處理，所以從這一方面也證明了語音信號的譜熵只會(huì)與語音分布有關(guān)，而不會(huì)與幅度大小有關(guān)。(3)在某種程度上講，譜熵對噪聲具有一定的穩(wěn)健性，在相同的語音信號當(dāng)信噪比降低時(shí)，語音信號的譜熵值的形狀大體保持不變，這說明譜熵是一個(gè)比較穩(wěn)健性的特征參數(shù)。 (2)理論上,如果譜的分布保持不變,語音信號幅值的大小不會(huì)影響歸一化。通過熵的參數(shù)的引進(jìn)，在高信噪比的環(huán)境下的語音端點(diǎn)檢測的技術(shù)得到了突飛猛進(jìn)。若其發(fā)生的概率越大，其包含的信息量就越大。 基于譜熵的語音端點(diǎn)檢測 譜熵特征所謂熵就是表示信息的有序程度。如圖37所示：圖37 安靜環(huán)境下倒譜特征端點(diǎn)檢測我們對語音信號加長度為語音長度的一序列參數(shù)來模擬噪聲，以降低信噪比來進(jìn)行仿真，如圖38:圖38 加噪后的倒譜端點(diǎn)檢測從圖37中看出，在安靜環(huán)境倒譜語音端點(diǎn)檢測效果不是太好，但仍能語音段的倒譜特征與噪聲段的倒譜特征有明顯的不同。下面通過matlab進(jìn)行不同信噪比的仿真。如果在進(jìn)入語音段后，持續(xù)的時(shí)間小于最短語音，則被認(rèn)為是噪聲，當(dāng)結(jié)束后，持續(xù)的時(shí)間小于最短靜音，則被認(rèn)為是語音還沒結(jié)束，則繼續(xù)語音信號的檢測 基于倒譜特征的語音端點(diǎn)檢測試驗(yàn)分析倒譜能很好表示語音的特征，因此在大多數(shù)語音識別系統(tǒng)中選擇倒譜系數(shù)作為輸入特征矢量，在噪聲環(huán)境下短時(shí)能量與其它特征參數(shù)都不能很好地區(qū)分語音段與非語音段，因此采用倒譜系數(shù)來作為端點(diǎn)檢測的參數(shù)。在靜音時(shí)，超過門限，則進(jìn)入語音段，低于門限，進(jìn)入結(jié)束。從步驟上來看，可以把一個(gè)語音信號分成四個(gè)階段，靜音、開始過渡結(jié)束四個(gè)階段。低們限被超過未必就是語音信號的開始，有可能是時(shí)間很短的噪聲引起的。其中T2為比較低的門限，其數(shù)值比較小，對信號的變化比較敏感，很容易就會(huì)超過。在進(jìn)行端點(diǎn)檢測之前，先對語音信號進(jìn)行預(yù)處理即對其分幀加窗，在本文中幀長為240，幀移為80，漢明窗。如果當(dāng)前幀的值大于，則記錄該幀位置為start，然后繼續(xù)計(jì)算后面各幀的值，若在該幀之后若干幀以內(nèi),有連續(xù)三幀的值都大于，則認(rèn)為start為語音的起點(diǎn)，否則繼續(xù)搜索。我們也根據(jù)當(dāng)前噪聲比的噪聲的倒譜距離來設(shè)定兩個(gè)門限，一個(gè)較高的和一個(gè)較低的門限G1和G2： (324)式中為噪聲倒譜距離估值，分別為兩個(gè)門限的乘系數(shù)，且，以保證，這里取=，=。(3)逐幀計(jì)算值：對每一幀先計(jì)算出它的倒譜系數(shù)，由它的倒譜系數(shù)和估計(jì)的噪聲倒譜系數(shù)計(jì)算當(dāng)前幀的倒譜距離。我們常常選取最開始的10幀信號作為參考。然后對其加窗分幀，窗函數(shù)用的是漢明窗，一幀的是240個(gè)采樣點(diǎn)，80點(diǎn)的幀移，也就是三分之一的幀移。當(dāng)抽樣頻率分別為10kHz~8kHz時(shí)，a 、,這樣可以近似于美爾尺度。由其原理得出計(jì)算公式，如下： (321) (322) (k1) (323)式中表示倒譜系數(shù)，表示美爾倒譜系數(shù)，n為迭代次數(shù)，k為倒譜階數(shù)，一般n=k?，F(xiàn)在也有人提出了加權(quán)譜熵計(jì)算，并進(jìn)行端點(diǎn)檢測，但都是以線性預(yù)測為基礎(chǔ)的。LPC倒譜是由線性預(yù)測法而發(fā)展過來的。線性預(yù)測分析推定的聲道模型系統(tǒng)函數(shù)為： (314)其沖擊響應(yīng)h(n)，設(shè)表示h(n)的倒譜，則有： (315)將式(314)代入并將其兩邊對數(shù)求導(dǎo)數(shù)，有： (316)令上式左右兩邊的常數(shù)項(xiàng)和各次冪的系數(shù)分別相等，從而可由求出 (317) (318) (319) (320)由上面公式求得的倒譜為LPC倒譜。 LPC倒譜 LPC系數(shù)推測和估計(jì)語音信號的倒譜，這也是語音信號短時(shí)倒譜分析中一種比較特殊的處理方法。這組預(yù)測系數(shù)就反應(yīng)了語音信號與噪聲不同的參數(shù)特征。語音信號分幀采樣后，各個(gè)語音樣點(diǎn)之間存在著聯(lián)系，可以用前幾幀的采樣點(diǎn)來預(yù)測當(dāng)前幀或者后幾幀的樣點(diǎn)值，即可以用先前的幀的參數(shù)值通過線性組合來近擬后面的幀的采樣值。我們可以根據(jù)人耳聽覺特性將線性預(yù)測推出的倒譜系數(shù)按照符合人聽覺特性的美爾(MEL)尺度進(jìn)行非線性變換，從而求出LPC美爾倒譜系數(shù)。 LPC倒譜特征 本文選用LPC倒譜特征，其基本的原理是由線性預(yù)測系數(shù)而推出的倒譜系數(shù)，線性預(yù)測系數(shù)有較快的計(jì)算速度，沒有傅里葉變換中的復(fù)雜卷積，使其保持較高的檢測速度。類似于基于能量的端點(diǎn)檢測過程,利用倒譜距離軌跡可檢測語音的端點(diǎn)。首先，假定前幾幀信號是背景噪聲，計(jì)算這些幀的倒譜系數(shù)矢