摘 要：提出了一種時頻結(jié)合的帶噪語音端點檢測方法。選取時域短時能量和頻域熵構(gòu)成一個新的特征，采用自適應(yīng)門限進(jìn)行端點檢測。實驗結(jié)果表明該方法在低信噪比環(huán)境下較傳統(tǒng)方法提高了端點檢測的準(zhǔn)確率，魯棒性較好。
　　關(guān)鍵詞： 端點檢測 短時能量 頻域熵
　　中圖分類號:TN912 文獻(xiàn)標(biāo)識碼:A 文章編號:1672-3791(2011)04(a)-0000-00
　　
　　語音信號檢測（VAD）的目的是區(qū)分語音和背景噪聲，在自動語音識別系統(tǒng)中（ASR）尤為重要，正確的端點檢測能提高語音識別的速度和正確率。端點檢測方法有很多，大體可分為兩類。一類是門限法[1]，這種方法是對每一幀語音信號選取一種特征參數(shù)，采用一種判決準(zhǔn)則來調(diào)整門限，從而檢測語音幀和非語音幀，達(dá)到端點檢測的目的。另一類是模式匹配法[2]，估計出語音和噪聲信號的模型參數(shù)，其檢測過程類似于識別過程。與模式匹配法相比，門限法更為簡單，快捷。門限法中，比較經(jīng)典的有Rabiner L R[3]提出的用短時能量和短時過零率作為參數(shù)，利用短時能量來檢測濁音，短時過零率來檢測清音，兩者配合實現(xiàn)端點檢測。但是，大量實驗表明，在低信噪比時，這兩個特征很容易受到干擾，且不穩(wěn)定，魯棒性較差。為了尋找魯棒性更好的特征參數(shù)，Shen J L[4]首次提出基于熵的語音端點檢測方法。Shen的實驗表明，語音的熵與噪聲的熵存在很大的區(qū)別。譜熵法在機(jī)械類非平穩(wěn)噪聲下（volvo）和低信噪比下其效果比能量檢測更為有效。本文把時域短時能量和頻域熵結(jié)合起來對帶噪語音信號進(jìn)行分析，提取短時能量和頻域熵的乘積（能量熵）作為新的特征參數(shù)，并采用自適應(yīng)門限進(jìn)行帶噪語音端點檢測。實驗結(jié)果表明，此方法在低信噪比下能準(zhǔn)確檢測到語音端點，魯棒性較好。
　　
　　端點檢測方法
　　1.1 語音預(yù)加重
　　預(yù)加重的目的是提升高頻部分，使信號的頻譜平坦化，保持在低頻到高頻的整個頻帶中能用同樣的信噪比求頻譜，以便于頻譜分析和聲道參數(shù)分析。帶噪語音信號經(jīng)一階FIR數(shù)字濾波器，以濾除50Hz的電源工頻干擾，然后進(jìn)行分幀、加窗處理，得到語音信號序列。
　　1.2 特征參數(shù)
　　1.2.1 時域短時能量： （1）
　　其中為第i幀短時能量，N為一幀的采樣點數(shù)。
　　1.2.2 譜熵
　　熵，來源于統(tǒng)計熱力學(xué)，是紊亂程度的測度，在信息論中表示信源的不確定性。先對每一幀信號進(jìn)行快速傅立葉變換，得到，從而完成由時域到頻域的轉(zhuǎn)變。
　　概率密度函數(shù)：