语音信号端点检测方法与展望

对语音信号端点检测的主要方法，如基于短时能量的方法、基于HMM的方法、基于自相关相似距离的方法等进行了深入研究。分析了这些方法的原理、优点与不足，并进行了比较。针对各种检测方法在应用中，尤其是应用于噪声环境中的局限性，指出了语音信号端点检测领域进一步研究的方向。     

一种Robust语音识别的改进谱减方法

文章提出一种概率谱减的方法,它从混噪语音信号中,根据所有可能出现的噪声序列的概率情况来减去相应的频谱。这种概率谱减技术要比单纯的谱减技术能更好地利用环境中不同类型的噪声特征。对不特定话者84个孤立词电话语音的实验显示,误识率下降了33．9％。     

采用子带长时信号变化特征的稳健语音活动检测

为提高语音活动检测(VAD)在低信噪比下的准确率,提出了一种基于子带长时信号变化特征的VAD算法.将语音信号转换到频域,并分解为几个不重复的子频带,对这些子带信号分别提取长时信号变化特征,然后采用GMM在线建立语音和非语音模型,以模型的似然比进行VAD判决.实验结果表明,算法在较低的信噪比下能够显著地提高语音活动检测的准确率,且在多种噪声环境和信噪比条件下具有较好的稳健性.应用于语音识别系统的实验表明,该算法能有效提高噪声环境下的语音识别率.     

一种基于迟滞编码的自动语音端点检测方法

端点检测在语音识别中占有十分重要的地位，端点检测的准确性将直接影响整十语音识别系统的性能。已往的自动端点检测方绝大多数都是利用帧平均能量EN，帧平均跨零数ZN，帧平均跨零积A和帧平均零比B等参敦来确定语音段的始点和终点。这些方法的缺点是难以设置对各次实验都合适的固定阈值，这给实际应用带来了很多不便。本文提出了一种基于迟滞编码的自动端点检测方法——在对语音信号进行迟滞编码的基础上，利用各杖的码字和来判斯语音段的起点和终点。该方法充分利用了噪声和信号的统计特性，克服了已往端点检测方法的不足。实验结果表明．该方法具有良好的性能。     

一种基于矢量量化的语音信号频带扩展方法

在不增加信息量的前提下,对语音信号进行频带扩展,以提高语音的听觉质量,已经成为人们研究的热点.本文围绕语音信号频带扩展中的两个重要问题--谱包络的重建和宽带激励信号的产生,分析了传统基于矢量量化的频带扩展方法中的不足.文章中针对这两个问题,对谱包络的重建方法作了改进,并提出了一种新的宽带激励信号产生方法.实验结果均表明改进的算法明显优于传统算法.     

一种有效的语音信号盲分离方法

利用语音信号的短时平稳特性,本文提出了一种WVA分布与联合对角化的盲分离方法,该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响,估计出源语音信号,实现对混叠信号的盲分离.通过仿真实验,结果表明,本算法具有分离效果好,能有效的将混叠的盲语音信号分离.     

一种改进的Link16信号检测方法

直接序列扩频、高速跳频与跳时相结合的技术,造成了对Link16信号的检测具有相当的难度。文中针对突发Link16信号脉冲宽度强规律性,借鉴双滑动窗算法在突发信号检测上的应用,提出了改进后基于相关处理的双滑动窗Link16信号检测方法,该方法可实现复杂电磁环境下对Link16信号的高灵敏度、高概率检测,同时正确估算出脉宽、码速率等参数信息。仿真实验数据验证了理论分析的正确性和所述方法的有效性,相较于其他Link16信号检测方法,改进后的基于相关处理的双滑动窗检测算法明显提高了在低信噪比下对Link16信号的检测能力。     

一种简化的语音信号盲分离算法

近年来所提出的许多瞬时混合信号盲分离算法大都是基于高阶统计量(HOS：High Order Statistics)，这使得算法不易收敛且计算量较大。在本文中，我们证明了当源信号是非平稳信号(语音信号、音乐信号等)时，使用二阶统计量(SOS：Second Order Statistics)就足以成功地对混合信号进行盲分离，从而，大大简化了计算的复杂度。据此，我们提出一种基于二阶统计量的盲分离算法，并在试验中用此算法成功地分离了语音和音乐的混合信号。     

一种基于谱熵的语音端点检测方法

在低信噪比环境下,为了提高语音端点检测的效果,提出了一种适应于低信噪比环境的语音端点检测方法。基于子带谱熵法,引入正参数对基本的谱熵法进行算法改进,得到改进后的子带谱熵法,通过增加预判环节选择合适的正参数,加大语音信号与噪声信号的区分度,进一步改善在低信噪比环境下算法的效果,得到新的语音端点检测算法。仿真实验表明,新的算法不仅快速高效,具有较强鲁棒性,而且适合在低信噪比环境中较准确的检测出语音端点。     

一种稳健的背景噪声检测方法

给出一种在缓变的强背景噪声情况下作语音增强时的噪声检测的新算法，用作检测的特征向量和阈值自适应更新。实验证明该算法有良好的稳健性，在信噪比0dB左右能有效检测各类背景噪声。     

语音信号处理技术

语音信号处理用以实现人一人、人一机器和机器一人的通信，是现代通信领域的重要环节。本文详细介绍了其三个分支，即语音编码、语音合成、语音识别和理解的研究和应用现状及其发展。     

一种鲁棒的语音信号基音标注算法

阐述了一种连续语音信号的最高振幅位的基音标注算法,该算法是在声带振动信号中找到喉部振动关闭点,并进行参数调整,从而自动完成在连续语音信号中的基音位置标注。实验证明,该算法能有效地克服以往标注算法中基音周期估计时加倍或减半的误差,从而保证了基音标注的鲁棒性。     

语音的端点检测处理技术

语音端点检测是语音识别过程中的一个重要环节,不同的端点检测方法对不同噪声的分辨能力不同。实际应用环境中的背景噪声主要为调谐噪声,传统能零积的方法对此噪声却无能为力,为了能有效去除调谐噪声,对能零积的方法做了改进,使用能量比过零率的方法,有效地去除了应用环境中的调谐噪声,并对普通白噪声也有同样效果。通过与MFCC倒谱进行比较,其检测概率与MFCC倒谱检测概率相同,而在实时性上能明显优于MFCC倒谱系数。     

MIMO系统中局域化最大似然信号检测算法

提出了一种MIM0系统中低复杂度的局域化最大似然信号检测算法，该方法通过调整信号有效搜索域大小，在计算复杂度与系统性能之间折衷．实验结果表明：该信号检测算法明显降低了高阶QAM调制的计算复杂度，在QPSK和16QAM调制时，当系统性能接近最大似然算法时计算量仅为其很小一部分。     

多带抗噪声语音识别算法研究

根据Flether等人的研究,基于感知独立性假设的子带识别方法被用于抗噪声鲁棒语音识别。本文拓展子带方法,采用基于噪声污染假定的多带框架来减少噪声影响。论文不仅从理论上分析了噪声污染假定多带框架在识别性能上的潜在优势,而且提出了多带环境下的鲁棒语音识别算法。研究表明：多带框架不仅回避了独立感知假设要求,而且与子带方法相比,多带方法能更好的减少噪声影响,提高系统识别性能。     

语音信号处理中TLC32044与TMS320C30的接口方法

本文叙述了在语音信号处理中使用ＴＬＣ３２０４４与ＴＭＳ３２０Ｃ３０时的接口方法,给出了经过验证的Ａ／Ｄ程序实例,其他应用领域可由此得到借鉴。     

对信号长度不敏感的瞬态信号检测方法

针对检测未知长度瞬态信号时累积和方法性能下降的问题,提出对瞬态信号长度不敏感的累积和检测方法.首先建立信号长度失配累积和方法检测模型,然后比较了该方法和常规累积和方法在长度匹配和失配情况下的理论和仿真检测性能,并利用海试单通道波束形成后数据对两种方法进行了比较.结果表明,本文所述方法对未知长度瞬态信号检测性能稳定,且优于长度失配时的常规累积和方法.     

再人式光纤陀螺信号检测方法

文章提出了一种针对再入式光纤陀螺(Re-FOG)的信号检测方法,采用正负交替变化的脉冲波调制,使不同循环圈数干涉信号得到不同的相位调制,从而分离出所需圈数的干涉信号并解算出转速。实验测试了陀螺样机,分离了第一圈和第二圈干涉信号并由此测量到转速。实验结果表明:所提出的信号检测方法能够有效地测出陀螺转速;所研制的光纤陀螺的零偏稳定性优于4°/h。     

基于TMS320VC5402的语音检测器

本文介绍的语音检测器以DSP芯片TMS320VC5402为核心,对短波电台接收到的信号进行分析和处理。数字语音信号采用串行输入／输出方式,语音检测算法则采用对语音信号进行降噪处理后,再进行短时平均幅度差和短时能量计算的方法。该语音检测器的电路简洁小巧,语音检测准确度高。     

采用特征分类直方图均衡化的鲁棒性语音识别

大部分噪声会引起语音倒谱域特征参数的非线性失真,导致识别系统性能下降。直方图均衡化方法是一种非线性补偿变换技术,较传统的基于线性变换技术的抗噪声方法进一步提高了系统的鲁棒性。但实际识别系统中,除了噪声引起语音特征的非线性失真外,还存在训练和测试数据的语音特征类分布不一致问题,从而难以保证传统的直方图均衡化方法发挥其优势。本文提出一种基于特征分类的直方图均衡化方法,首先对初步均衡化后的含噪语音特征矢量进行K均值分类,然后对各类别下的特征矢量再进行直方图均衡变换。实验结果表明,低信噪比时无论在平稳噪声还是非平稳噪声环境下,与传统的直方图均衡化方法相比都进一步增强了识别系统的鲁棒性。