[發明專利]采用感知語譜結構邊界參數的語音端點檢測算法

有效

• 申請號: 201410175090.8
• 申請日: 2014-04-29
• 公開（公告）號: CN104091593B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 吳迪;趙鶴鳴;陶智
• 申請（專利權）人: 蘇州大學
• 主分類號: G10L15/05
• 分類號: G10L15/05;G10L21/02
• 代理公司: 南京經緯專利商標代理有限公司32200
• 代理人: 曹毅

1.一種采用感知語譜結構邊界參數的語音端點檢測算法，其特征在于所述的算法步驟如下：（1）基于聽覺感知特性的語音增強；（2）語音的二維增強，包括二維噪聲腐蝕算法和二維語音膨脹算法；（3）感知語譜結構邊界?(PSSB)?參數與語音端點檢測。

2.根據權利要求1所述的一種采用感知語譜結構邊界參數的語音端點檢測算法，其特征在于所述的所述的算法步驟如下：

第一步：基于聽覺感知特性的語音增強；采用基于聽覺掩蔽特性的語音增強，在保護語音的基礎上盡可能的抑制噪聲；所述的語音增強方法中掩蔽閾值的計算以及語音增強系統如下：

ⅰ.Bark閾功率譜?

語音信號x(n)經過快速傅立葉變換(FFT)變成頻域信號，信號功率譜為：

????????????????????????????????????????????(1)

Bark功率譜為：

??????????????????????????其中表示第i段Bark頻帶的能量,??表示第i段最低的頻率,?表示第i段最高的頻率；

ⅱ.擴散Bark域功率譜

引入擴散函數,它是一個矩陣,滿足條件：

??????????????????????????????????????????????????????(3)

定義式如下：

?????????????????????(4)

表示兩個頻帶的頻帶號之差；

?????????????????????????ⅲ.?掩蔽能量的偏移函數及掩蔽閾值的計算

?????????????????????????????????????????????(6)

?????????????????????????取值在0和1之間，由語音含量決；是第i段Bark頻帶的掩蔽閾值，將其改稱為，其中b的含義與前面的i相同；

和安靜聽閾的閾值：

???????(8)

相比較，取其最大值，作為最終擬合的掩蔽閾值；其中為相應的Bark掩蔽曲線；

ⅳ.譜相減和減參數的調節

譜相減算法采用的增益函數如下：

?

首先計算每一幀語音的不同Bark域的噪聲掩蔽閾值，然后根據噪聲掩蔽閾值得到自適應的減參數、：若掩蔽閾值較高，殘留噪聲會很自然地被掩蔽而使人耳聽不見，在這種情況下，減參數取它們的最小值；掩蔽閾值較低時，殘留噪聲對人耳的影響很大，有必要去減少它；對于每一幀m，掩蔽閾值的最小值與每幀的減參數和的最大值有關；減參數的應用有如下關系式：

，?

??????????????????????????(10)

其中，和分別為的最小值和最大值；，和，分別是參數、的最小值和最大值；當時，；當時，；式中和?分別是逐幀得到的掩蔽閾值的最小值和最大值；實驗中，我們對各個參數的取值如下：

ⅴ.實時噪聲功率譜估計；采用基于約束方差頻譜平滑和最小值跟蹤的噪聲功率譜估計方法；

?ⅵ.語音增強系統；根據掩蔽閾值得到自適應的減參數、;

第二步：?語音的二維增強；

2.1二維噪聲腐蝕算法

對語音語譜的二維噪聲腐蝕算法，由以下過程決定；首先，對語音進行短時傅立葉變換，每一幀的頻譜由下式計算：

????????????????????????????????(11)

是第m幀語音信號，是第m幀語音信號的頻譜；N為幀的長度和短時傅立葉變換點數；是Hamming窗；每幀的語音信號功率譜可以表示為：

?????????????????????????????????????(12)

即定義為語音信號的語譜；

對的二維噪聲腐蝕被定義為：

??????????????????????????????????????????????(13)

其中是結構元素，是的定義域，是的定義域；平移參數必須在的定義域內，且必須在的定義域之內；

針對能量較弱的殘留噪聲語譜的結構形態，二維噪聲腐蝕算法的結構元素被定義為下式：

??????????????????????????????????????????????????????????(14)

2.2?二維語音膨脹算法

針對二維噪聲腐蝕的結果，二維語音膨脹算法由下式定義：

?????????????????????????????????????????????(15)

其中是結構元素，是的定義域，是的定義域；

所以，二維語音膨脹算法中的結構元素被定義為如下形狀：

???????????????????????????????????????????????????(16)

第三步：感知語譜結構邊界?(PSSB)?參數與端點檢測算法

3.1感知語譜結構邊界（PSSB）參數

本發明用公式(17)中的鄰域模型逼近語音二維增強的結果的梯度；

???????????????????????????????????????????????????????(17)

是此鄰域模型的中心點；而中心鄰域的梯度，可以由下式表示：

??????????????????????????????????????????????(18)

和由公式(19)和公式(20)確定：

????????????????????????????????????????????????(19)

?????????????????????????????????????????(20)

即為的邊界，它可以描述含噪語音語譜中的語音信號連續分布的邊界信息；

提出感知語譜結構邊界參數PSSB如下式：

??????????????????????????????????????(21)

其中是第m幀的PSSB參數，M是總幀數；

3.2?語音端點檢測

采用了針對語音連續性分布特點的檢測方法，以此來區別對待濁音段和端點處的清音段；具體端點檢測方法如下：

(1)首先檢測出PSSB參數大于閾值a并且連續分布m幀的語音段，此段為檢測到的濁音段；

(2)以此段為基礎，所有跟此段連在一起并且連續大于等于閾值b的段，定義為語音段；閾值b的值取的較小，實驗中，b的值取0.01到0.05都具有較好的識別結果；這樣可以把PSSB數值較小的清音段識別出來；

(3)此語音段的起點和終點即為語音端點。