基于语音存在概率的语音活动检测方法.docx
- 文档编号:26216
- 上传时间:2022-10-01
- 格式:DOCX
- 页数:4
- 大小:12.97KB
基于语音存在概率的语音活动检测方法.docx
《基于语音存在概率的语音活动检测方法.docx》由会员分享,可在线阅读,更多相关《基于语音存在概率的语音活动检测方法.docx(4页珍藏版)》请在冰豆网上搜索。
基于语音存在概率的语音活动检测方法
【论文关键词】语音增强 语音活动检测 语音存在概率
【论文摘要】首先总结了几种常见的语音活动检测(VAD)方法,然后从计算每帧每个频率点的语音存在概率出发,提出了一种新的VAD方法,并就其中的一些参数选择问题进行了讨论。
最后给出新方法与传统方法实验结果对比。
1引言
日常生活中,人们说话有间隙,有必要对一段语音进行检测,以确定哪些时间上是有语音,哪些时间上没有语音。
在语音编码中,语音活动检测(VoiceActivityDetection,VAD)用来区分有语音段和无语音段。
如果一段时间被判断为无语音段,则不需对其编码。
这样可减少信道带宽的占用,使有限的带宽得到合理使用。
在语音增强中,VAD用来判断一段时间上是否存在语音。
如果某段时间内不存在语音,那么这段时间就只有噪声存在,因此可以被用来估计和更新噪声功率谱。
在语音增强领域,VAD的性能往往直接影响到最后的结果。
因为目前多数的语音增强算法必须对噪声功率谱进行估计,如果噪声功率谱估计不准确,就会导致最后的增益函数估计不准确。
准确的噪声功率谱估计须建立在准确的纯噪声段判断的基础上。
笔者提出了一种新的VAD方法,这种方法建立在每帧每个频率点的语音存在概率的基础上。
根据概率大小判断是否存在语音。
2语音存在概率估计
为进行VAD,首先对每帧每个频率点进行语音存在概率估计,该估计大致分为两步:
(1)估计是否存在强语音成分;
(2)估计语音不存在概率和语音存在概率。
含噪语音由纯净语音和噪声叠加而成,所以假设
Y(k,l)=X(k,l)+D(k,l)
(1)
其中,Y(k,l)为含噪信号,X(k,l)为纯净语音,D(k,l)
为噪声,k为某一帧的频率点编号,l为帧编号。
2.1估计是否存在强语音成分
含噪语音中某些地方会有明显的语音存在,由于后面估计语音不存在概率需要用到相邻帧的信息,所以强语音成分存在会严重影响到语音不存在概率估计。
因此有必要先对某帧是否存在强语音进行判断,如果是,那么在下面的语音不存在概率估计过程中将不会用到此帧的信息。
对于含噪信号,要进行两次平滑,一次是帧内平滑,一次是帧间平滑。
首先进行帧内平滑
其中,αs为平滑参数且0<αs<1。
然后搜索D帧中各频率点的最小值,即Smin(k,l)=min{S(k,l′)|l-D+1≤l′≤l}
(4)根据文献[1]可找到Bmin,满足E{Smin(k,l)}=B-1min·λd(k,l)
(5)也就是说可通过一个补偿因子Bmin估计出当前帧的噪声功率谱。
定义
根据γmin和ζ,按照下面的判决准则,判断当前帧是否含有强语音成分
其中,“0”为有强语音存在,“1”为没有强语音存在,γ0=4.6,ζ0=1.67。
2.2估计语音不存在概率和语音
存在概率利用前面强语音成分判断的结果,可通过先排除含有强语音成分的频率点,再进行帧内平滑和帧间平滑,最后得到对应于每帧每个频率点的估计量。
这个估计量反映了该帧每个频率点上能量情况。
如某帧是无语音帧,则其各频率点上的估计量将会较小。
再通过对一段区间上搜索最小估计量,将搜索到的结果作为参照标准。
当某帧某个频率点的估计量超过参照标准的若干倍时,即判定此处含有语音,否则就不含有语音。
首先,利用是否存在强语音的判决结果进行新的帧内平滑和帧间平滑。
先进行帧内平滑
的计算用到了I(k,l),排除了强语音存在的频率点。
再进行帧间平滑
然后同前面估计是否存在强语音成分一样,进行区间最小值搜索
定义
l)=E{D(k,l)2}。
由于按照式
(13)计算语音存在概率需要估计先验信噪比ξ和后验信噪比γ,如果估计不准确,必然导致VAD结果不准确。
故这里对此进行简化,直接用1减去q(k,l)作为语音存在概率p(k,l)。
3利用语音存在概率进行VAD
3.1检测指标计算
估计出语音存在概率后,还不能直接用来进行VAD,因为这些概率是针对每一个频率点的,需要将这些信息转换为某一帧的评价量。
通过对语音存在概率随时间和频率点分布的观察,发现有2项指标可被用来比较准确地辨别出有声段和无声段,分别是
其中,pt为某一帧所有频率点的语音存在概率之和,pe为某一帧上语音存在概率为1的所有频率点个数,M为有频率点数。
但是,实验表明,这两个参数虽然总体上可以看出哪些是无声段哪些是有声段,但起伏可能非常剧烈,所以需要进行平滑处理。
设定
其中,采用了当前帧前面4帧的数据进行平滑。
3.2参数设定
判断是否存在语音主要看式
(17)~
(18)中2个指标是否超过某个门限。
具体为
其中,式
(19)~
(20)对一段含噪信号最开始一段的2个指标求平均,然后利用式
(21)~
(22)得到正式的门限;W为每帧有频率点数。
其判断结果
其中,“1”为有语音,“0”为无语音。
4实验结果
为
评价该VAD方法的性能,设定如下指标
含噪信号是人工合成的,其中纯净信号来自一段评书,噪声信号取自Noisex-92噪声库,包括白噪声、粉红噪声、F16战斗机噪声、沃尔沃汽车噪声、闲聊声和工厂噪声等,信噪比均为6dB。
所有指标均与文献[3]中的方法对比。
含语音帧总数和纯噪声帧总数根据纯净信号人为判定。
将文献[3]中的方法称为方法A,本文方法称为方法B。
3项指标的计算结果列于表1~3。
可看出,在大部分情况下,方法B要优于方法A;但当信噪比降低到一定程度后,方法A要优于方法B。
图1给出了背景噪声是白噪声时,2种方法的性能比较。
可看出,当输入信噪比大于5dB时,方法B明显优于方法A;但当信噪比降到0dB后,方法A好于方法B。
5总结
这
种新的VAD方法在信噪较高时,效果非常好。
如实验发现,当背景噪声为白噪声,信噪比为18dB时总体准确率可达0.9618,而文献[3]中的方法只能达到0.8313。
但当信噪比下降到0dB后,新的方法表现不如文献[3]中的方法。
另外,在背景噪声为非平稳噪声时,效果也不够理想,有待改进。
参考文献
[1]MARTINR.Noisepowerspectraldensityestimationbasedonoptimalsmoothingandminimumstatistic
[J].IEEETrans.onSpeechandAudioProcessing,2001,9
(5):
504-512.
[2]COHENI.Noisespectrumestimationinadverseenvironment:
improvedminimacontrolledrecursiveaveraging[J].IEEETrans.onSpeechandAudioProcessing,2003,11
(5):
466-475.
[3]吴平,谷源涛,崔慧娟.一种稳健的背景噪声监测方法[J].电声技术,2003
(11):
42-45.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 语音 存在 概率 活动 检测 方法