王彪

（寶雞文理學院 數(shù)學系，陜西 寶雞 721013）

近些年來，語音信號處理技術(shù)已經(jīng)發(fā)展的相當成熟。對語音信號進行各種分析處理之前，要首先從原始語音信號中找到有用的語音成分，即要確定有音段和無音段，這也正是語音端點檢測工作的任務(wù)。因此，語音端點檢測是語音分析、語音合成和語音識別等語音信號處理中的最初始、最基本的環(huán)節(jié)，也是最重要的環(huán)節(jié)[1]。

目前，比較常用的端點檢測方法大多是傳統(tǒng)方法，這些方法在較高的信噪比下均能給出較高的檢出率，但是在低信噪比下卻不夠理想[2]。比如：基于短時能量的方法，基于短時過零率的方法，其中，前者在背景噪聲較小時較為有效，而后者在背景噪聲較大時較為有效。

為了能夠較為準確的檢查語音，以提高語音識別率，本文提出了一種改進的語音端點檢測方法。在傳統(tǒng)基于能量和過零率的端點檢測方法基礎(chǔ)上，再加入第三道門限——近似熵，即通過每幀信號的近似熵進一步區(qū)分有音段和無音段。最后通過仿真實驗加以驗證，改進的方法取得了較好的檢測效果。

1 傳統(tǒng)端點檢測方法

基于能量和過零率的端點檢測方法把語音短時能量和過零率結(jié)合起來，利用二者進行檢測。該方法采用兩級判別法，首先用語音的短時能量E判別，在此基礎(chǔ)上再用過零率進行第二次判別。做第一級判別時，通常采用雙門限方法。如圖1所示，根據(jù)短時能量首先選擇一個較高的門限R1，信號的能量大多在門限R1之上?？芍赫Z音的起始位置和終止位置在該門限與短時能量包絡(luò)交點所對應(yīng)的時間間隔之外（即AB段向外）[3]。然后根據(jù)噪聲平均能量確定一個較低的門限R2，找到短時能量包絡(luò)與門限R2的兩個交點C和D，而CD段就是所判定的語音段。接下來作第二級判別，這次以短時平均過零率Z為依據(jù)，從CD段之外的信號段去搜索短時平均過零率包絡(luò)與某個門限M3的交點E、F，如圖2所示。E和F就是語音段的起始位置和終止位置。

圖1 基于短時能量端點檢測原理Fig.1 Endpoint detection principle based on short time energy

2 近似熵

近似熵（Approximate entropy，簡稱 ApEn）是最近發(fā)展起來的一種度量序列的復雜性和統(tǒng)計量化的規(guī)則。它是在20世紀90年代初由Pincus為了克服混沌現(xiàn)象中求解熵的困難提出的。Pincus給出的近似熵的定義及計算方法如下[4]：

圖2 基于短時過零率端點檢測原理Fig.2 Endpoint detection principle based on the short-time zero-crossing rate

1）給定長為N點的時間序列u：u（1），u（2），…，u（N），按順序組成m維矢量X（i）：X（i）=[u（i），u（i+1），…，u（i+m-1），i=1～N-m=1]。 對每一個i計算矢量X（i）與其余矢量X（j）之間的距離：

2）給定閾值r>0，統(tǒng)計d[X（i），X（j）]≤r的數(shù)目及此數(shù)目與矢量個數(shù)N-m+1 的比值，記作（r），先將（r）取對數(shù)，再求其對所有i的平均值，記作 φm（r），即

實際應(yīng)用中，對數(shù)據(jù)的采樣點數(shù)不可能達到N→∞，可以根據(jù)有限長N個采樣點ApEn（m，r）對進行估計：

近似熵本質(zhì)上是確定一個時間序列的復雜程度，它反映了當維數(shù)m發(fā)生變化時，時間序列產(chǎn)生新模式的概率的大小。

3 改進的語音端點檢測方法

在噪聲背景下，基于短時能量和過零率的端點檢測方法效果有限，不能較準確的檢測語音信號。為提高檢測率，本文提出了改進的譜熵端點檢測方法，即在短時能量和短時過零率兩級門限的基礎(chǔ)上，加入了第三級門限——近似熵，以能更好的完成檢測任務(wù)。文中改進的端點檢測方法步驟如下：

1）先將語音信號用加窗分幀，得到第i幀語音為s（n，i）。

2）計算每幀信號短時能量，設(shè)置第一級門限R1。

3）計算每幀信號短時平均過零率，設(shè)置第二級門限R2。

4）計算每幀信號近似熵，設(shè)置第三級門限R3。對語音信號進行三級門限檢測。

4 仿真實驗

下面通過MATLAB軟件進行試驗仿真，以驗證文中方法的有效性和優(yōu)越性。

用普通計算機麥克風錄入說話人的語音，將其保存為.wav文件，以漢語拼音ang的.wav文件為例，進行說明。首先對給語音ang以randn函數(shù)加入隨機噪聲，然后分別用基于短時能量、基于過零率和本文的方法對染噪語音進行端點檢測。得到如下結(jié)果：

圖3 原始語音波形Fig.3 The original speech waveform

圖4 染噪語音波形Fig.4 Noisy speech waveform

圖5 基于短時能量端點檢測Fig.5 Endpoint detection based on short time energy

圖6 基于過零率端點檢測Fig.6 Endpoint detection based on the zero crossing rate

圖7 本文的端點檢測方法Fig.7 The endpoint detection method in this paper

表1 不同端點檢測方法的準確率Tab.1 The accuracy rate of different endpoint detection method

從上面圖中波形和表中數(shù)據(jù)可知：文中方法無論對原始信號還是對染噪信號進行端點檢測，都有很好的效果，在波形上要比基于短時能量、過零率的方法清晰，在數(shù)據(jù)上要更加的準確，從而說明了本文方法的有效性和優(yōu)越性。

5 結(jié)束語

首先，文中介紹了傳統(tǒng)語音端點檢測方法，如基于短時能量、基于過零率、基于短時能量——過零率的端點檢測方法[5]；其次，敘述了近似熵；再次，提出改進的端點檢測方法[6]，在傳統(tǒng)基于能量和過零率的端點檢測方法基礎(chǔ)上，再加入第三道門限——近似熵；最后，用MATLAB軟件做仿真實驗，依次用四種方法對語音信號進行端點檢測，實驗表明本文的方法取得了比傳統(tǒng)方法更為理想的結(jié)果。

當然，文中的方法還有一定的不足之處，如：能否在不同信噪比下去驗證本方法？這是亟待解決的問題，需要進行更加深入地研究。

[1]顧亞強，趙暉，昊波.一種語音信號端點檢測的改進方法[J].計算機仿真，2010，27（5）：340-343.

GU Ya-qiang，ZHAO Hui，WU Bo.An improved method of the voice endpoint detection [J].Computer Simulation，2010，27（5）：340-343.

[2]李曄，張仁智，崔慧娟，等.低信噪比下基于譜熵的語音端點檢測算法[J].清華大學學報：自然科學版，2005，45（10）：1397-1400.

LI Ye，ZHANG Ren-zhi，CUI Hui-juan，et al.Voice activity detection algorithm with low signal-to-noise ratios based on the spectrum entropy[J].Jouranl of Tsinghua University：Science and Technology，2005，45（10）：1397-1400.

[3]侯周國.于HMM的漢語數(shù)字語音識別系統(tǒng)研究 [D].湖南：湖南師范大學，2006.

[4]雷雄國，曾以成，李凌.基于近似熵的語音端點檢測[J].聲學技術(shù)，2007，26（1）：121-125.

LEIXiong-guo，ZENG Yi-cheng，LILing.Noisyspeech endpointdetection based on approximate entropy[J].Technical Acoustics，2007，26（1）：121-125.

[5]李晉.語音信號端點檢測算法研究[D].湖南：湖南師范大學，2006.

[6]馬靜霞.帶噪語音端點檢測方法的研究[D].河北：燕山大學，2007.