基于一阶有限差分商的带噪语音端点检测方法

语音识别中的端点检测技术是语音识别的基础,低信噪比环境下的端点检测很大程度决定语音识别工作的有效进行.提出了一种利用一阶有限差分商结合折半查找来判定语音端点检测的方法,提高了端点检测的准确率.仿真实验表明,在噪声环境下该方法较好地实现了语音端点检测.     

基于多窗谱估计谱减法和能熵比法的语音端点检测算法

语音端点检测是语音处理中非常关键的一个环节,目前主要的语音端点检测算法都侧重于语音特征参数的提取而忽略了之前的语音增强.论文提出一种基于多窗谱估计谱减法和能熵比的语音端点检测复合算法,该算法利用多窗谱估计谱减法将有噪声环境下的语音信号减噪,提高性噪比,达到语音增强的效果,再结合能熵比法进行端点检测.仿真结果表明,算法在低信噪比情况下,可以提高语音端点检测的正确率.     

基于改进型双门限语音端点检测算法的研究

语音端点检测是语音信号处理过程中的一个重要步骤,其检测准确性直接影响语音信号处理的速度和效果。传统的基于双门限法语言检测技术,在语音处于纯语音情况下判断语音端点较准确,但在语音处于噪声情况下,尤其是低信噪比的情况下,端点识别率很低,出错率很高。基于提高此方法识别率的目的,采用调整阈值个数,平滑滤波,引入语音结束最小长度的方法对其进行改进,通过了Matlab仿真实验,得出了较好的语音端点检测准确率。     

一种语音端点检测算法在DSP上的实现

介绍了一种对背景噪音进行动态估计的汉语语音端点检测算法,较一些常规的端点检测方法如基于能量的端点检测方法,具有更高的精度和鲁棒性．并用TI的TMS320VC5410 DSP来实现一个带端点检测的语音识别系统．通过进行汉语孤立词语音识别实验,表明这种算法是有效的,能得到较高的识别率．     

面向噪声环境下医疗语音信号端点检测方法

在语音信号处理领域,端点检测作为语音信号处理的初始化工作,有效合理的端点检测方法不仅可以减少数据的存储量和处理时间,而且可以排除无声段的噪声干扰,使语音的后续处理更加准确.本文为医疗语音信号处理提供一种医院噪声环境下医疗语音信号的端点检测方法.综合采用频域下的特征倒谱距离、能量谱、能量谱方差、统计学特征谱熵值4种特征作为控制条件判断语音的端点.通过设计软件验证了算法的有效性.     

基于单类支持向量机的稳健语音端点检测

可靠的语音端点检测算法是稳健语音识别系统所必须的。针对现有算法在噪声环境下的稳健性问题,提出了基于单类SVM(Support Vecfor Machine)的端点检测算法。通过对多特征信息进行在线学习与综合,以及采用双层决策机制,有效提高了语音检测的稳健性。实验表明,算法在多种噪声环境和信噪比条件下有效,明显提高了语音识别系统在噪声环境下的识别率。     

基于短时平均幅度的语音端点检测的改进

介绍了计算机语音处理中端点检测的方法,分析了短时平均幅度的语音端点检测的不足之处,并提出改进方法,最后给出实验结果。     

语音信号端点检测方法研究

讨论并比较了语音信号端点检测的方法,分析了各种方法的原理及优缺点。对语音信号的端点检测的进一步研究具有深远的意义。     

基于谱减法和短时能量的语音端点检测方法

语音端点检测在语音信号处理中是一个很重要的方面,在分析了传统的能量阈值的端点检测算法基础之上,针对其不足,笔者提出了一种基于谱减法和短时能量的检测方法。它结合语音增强,进行自适应门限判决。实验结果表明,与传统的能量阈值法比较,该方法在低信噪比的情况下具有较高的准确率和稳定性,是一种简单有效的方法。     

基于稳健噪声估计的语音增强研究

提出了一种基于噪声估计的语音增强方法。通过对含噪语音中的噪声直接进行估计,避免了采用端点检测方法（VAD）,该方法能及时更新噪声,能有效地消除噪声。     

在噪声背景下的语音识别端点检测

在研究时,首先进行加性噪声模型的建立,而后通过滤波对带噪语音信号进行预处理,采用维纳滤波进行滤波。在进行语音信号的预处理后,使用VAD算法进行端点检测。建立整个试验系统后,找出了最佳方案。     

基于HMM的安多藏语非特定人孤立词语音识别研究

以VC++6.0为开发平台,实现一个基于隐马尔可夫模型(Hidden Markov Model,简称HMM)非特定人的安多藏语孤立词语音识别系统。对有声段语音进行MFCC参数的提取,对提取后的MFCC参数进行矢量量化后训练HMM模型,形成特征模板库,最后进行识别。根据安多藏语的特点,改进端点检测的方法,提高了孤立词语音信号检测的准确性,并进一步提高了识别率。     

基于两级判别法的端点检测算法研究

本文介绍了一种基于两级判别法的端点检测算法,该算法利用短时能量和短时平均过零率相结合的方法,继承了二者的优点,弥补了单独使用短时能量端点检测容易丢失清音、拖尾音的问题,通过短时平均过零率的第二级判别进一步扩大语音段的范围,在高信噪比和低信噪比情况下分别验证.实验证明:这种算法简单易行,大大提高了端点检测的准确率,并具有较好的抗噪性.     

Matlab在语音信号处理教学中的应用

《语音信号处理》作为一门理论性和实践性很强的课程,具有概念抽象、计算量大等特点.针对语音信号处理课程特点,将Matlab引入该课程教学,以端点检测和语音识别为例,阐述了Matlab在语音信号处理教学中的应用.该方法增强了学生对语音信号处理的理解,促进了学生学习的主动性,提高了课堂教学质量.     

基于LabVIEW的语音信号处理

针对LabVIEW的语音信号分析,为了体现LabVIEW的简洁性与可靠性,分别通过声卡和LabVIEW自带的程序包对声音进行信号采集与声音信息保存,并利用LabVIEW自身强大的信号处理能力进行信号分析处理,对语音信号进行端点检测、滤波、加窗等预处理。研究结果表明,通过与理论数值的对比,可以得到与预期一致的实验结果,并能够通过更加简单易懂的程序完成该功能,从而充分体现了G语言的简洁性、可靠性。     

基于HMM语音识别的FPGA实现

采用软硬件协同设计的方法,搭建了一个高效地基于隐马尔可夫模型（Hidden Markov Model,HMM）语音识别的FPGA实验验证平台。结合FPGA结构特点,直接使用加法器、乘法器、比较器等建立一个Viterbi算法结构,采用改进的方法计算Viterbi得分和预计算逻辑实现了一种简单的基于HMM的语音模板匹配。实验表明该实现方案是切实可行的,FPGA实验验证平台有利于资源复用,减少工作量,并易于调试,为语音识别其他功能模块的嵌入炎设计打下良好基础．     

2.4Kb/s MELP声码器的FPGA实现

设计了一种基于FPGA的MELP声码器,在对MELP算法进行深入分析的基础上,提出了利用DSPBuilder在Matlab中建模并在FPGA上设计声码器的思路及实现过程,最后对编解码系统进行功能仿真,仿真结果表明,合成语音信号与原始信号很好的拟合,系统编解码后语音质量基本良好.     

基于小波包Bark子带方差的端点检测算法

传统的端点检测方法大多数抗噪性不好,基于能量和短时过零率的双参数双门限端点检测在静音状态下效果较好,但是在噪声环境中性能下降.针对这个问题,使用小波包变换把信号分解成17个Bark子带,求出平均方差值,然后采用单参数双门限方法进行端点检测.实验证明,即使在-2dB的噪声环境下,该方法仍然能取得较好的端点检测效果.     

一种自适应的异常声音端点检测方法

在综合分析声音端点检测技术的基础上,针对公共场所异常声音的特点,提出一种综合短时优化过零率和短时TEO对数能量自适应端点检测方法,以及特征数据的模糊归一化方法,在此基础上引入背景噪声动态建模、前后端延时确认、阈值动态更新机制,进行异常声音端点检测。Matlab仿真实验表明,该方法能较好地适应低信噪比背景噪声变化的公共场所环境,具有较好的检出率和较低的误报率。     

浅谈PLD/FPGA器件在汽车电子中的应用

PLD／FPGA器件的开发软件和分类使用日益广泛，笔者结合我国在汽车电子方面的现状，详细分析了FPGA器件在诸如车用语音信号、图像、自适应处理等汽车电子方面的各种应用。