楊　熙

?

一種面向智能家居的語音端點(diǎn)檢測方法仿真

楊熙

(湖南科技學(xué)院 電子與信息工程學(xué)院，湖南 永州 425199）

為了人機(jī)之間的智能化溝通，實(shí)現(xiàn)家居的真正智能化，有必要在智能家居系統(tǒng)中引入語音識(shí)別技術(shù)，而端點(diǎn)檢測是語音識(shí)別前端處理中很重要的一環(huán)。文章針對傳統(tǒng)的雙門限端點(diǎn)檢測算法在實(shí)際運(yùn)用中存在的一些漏檢和虛檢情況，做了一些修正，并對改進(jìn)后的算法進(jìn)行了仿真驗(yàn)證。實(shí)驗(yàn)結(jié)果表明改進(jìn)后的算法具有一定的抗噪聲能力。

語音識(shí)別；智能家居；端點(diǎn)檢測

0　引言

隨著社會(huì)的進(jìn)步，人們對家居品質(zhì)的需求越來越高，智能家居成為當(dāng)今的熱點(diǎn)，但人機(jī)接口方面卻仍局限于按鍵、觸摸屏等手動(dòng)操作，沒有實(shí)現(xiàn)人機(jī)之間基于自然語言的智能化溝通[1]。為了讓人與機(jī)器和人與人的交流方式一樣，實(shí)現(xiàn)家居的真正智能化，有必要引入語音識(shí)別技術(shù)。端點(diǎn)檢測是語音識(shí)別前端處理中很重要的一環(huán)，它的工作就是確定語音信號(hào)的開始位置和結(jié)束位置。精確的端點(diǎn)檢測，不僅有利于讓系統(tǒng)僅處理語音輸入，降低對系統(tǒng)存儲(chǔ)空間的要求，還能節(jié)省處理時(shí)間，提高識(shí)別率。

實(shí)際應(yīng)用中，有效的語音端點(diǎn)檢測算法不僅要考慮檢測的精確性，還要求算法具有簡單性。鑒于智能家居語音識(shí)別控制系統(tǒng)中，需要識(shí)別的語音樣本來自室內(nèi)，故采用雙門限端點(diǎn)檢測算法。為了有一定的抗噪聲性能，對傳統(tǒng)的雙門限檢測法進(jìn)行了改進(jìn)。

1 傳統(tǒng)的雙門限端點(diǎn)檢測算法

語音信號(hào)通常有濁音段、清音段和靜音段之分，傳統(tǒng)的雙門限是利用兩個(gè)有效參數(shù)：短時(shí)能量和過零率，來實(shí)現(xiàn)語音端點(diǎn)的檢測。從能量的角度來區(qū)分“靜音”還是“有聲”，但清音段的能量小，可也屬于語音段。那么怎么來處理？考慮到它的過零率比較大，因此用過零率來檢測。端點(diǎn)檢測時(shí)，必須先分幀，分幀后再求短時(shí)能量和過零率，然后逐幀跟閾值進(jìn)行比較并判斷。

1.1短時(shí)能量

式（1）中，幀長為N，n取0，1T，2T，…，這里T代表幀移。

1.2過零率

過零率指的是樣本改變符號(hào)的次數(shù)。對于語音信號(hào)，定義為一幀信號(hào)中波形通過零電平的次數(shù)[2]。第幀語音信號(hào)的短時(shí)過零率Z為：

式（3）中，sgn[ ]為符號(hào)函數(shù)。

濁音能量較大，用短時(shí)能量來檢測，清音的頻率較高，用過零率來找到它。經(jīng)典的雙門限端點(diǎn)檢測算法如圖1所示。能量門限有兩個(gè)：一個(gè)較高的門限amp1，另外一個(gè)門限是amp2，門限amp2比門限amp1稍微要取得低些。若超過能量門限amp1，肯定是語音已開始，通過低門限amp1確定語音的開始N1和終止處N2，如果是清音的話，能量很弱，再用過零率進(jìn)一步來精確端點(diǎn)。

傳統(tǒng)的雙門限端點(diǎn)檢測算法在實(shí)際應(yīng)用時(shí)，如果處理不當(dāng)，存在錯(cuò)把干擾當(dāng)語音的虛檢或錯(cuò)把停頓當(dāng)語音結(jié)束的漏檢問題，特別是當(dāng)有較大干擾時(shí)[3]。

圖1.用能量和過零率進(jìn)行端點(diǎn)檢測

為了克服傳統(tǒng)端點(diǎn)檢測算法的一些缺點(diǎn)，因此有必要對它做一些修正。下面對傳統(tǒng)的算法做了一些改進(jìn)。

2　改進(jìn)的端點(diǎn)檢測算法

（1）采用多門限判定。除了設(shè)定短時(shí)能量的高低兩個(gè)門限amp1和amp2，過零率閾值zcr，還增設(shè)了字與字之間的最大靜音門限maxsilence；最小語音長度門限minlen。其中maxsilence是為了防止漏檢；minlen是為了排除一些突發(fā)性的噪聲，防止誤檢。

（2）動(dòng)態(tài)設(shè)置閾值。利用語音前導(dǎo)無話段來估算噪聲的特性，即對前導(dǎo)無聲段，一般取200ms左右，估算背景噪聲的短時(shí)平均過零率和短時(shí)平均能量，再在這兩值的基礎(chǔ)上設(shè)置能量和過零率的閾值，這樣改進(jìn)后的端點(diǎn)檢測算法會(huì)具有一定的抗噪聲性能。這里高低能量門限分別取的是前導(dǎo)無話段平均能量值的2倍和4倍；過零率門限取前導(dǎo)無話段平均過零率的2倍；最大靜音門限maxsilence和最小語音長度門限minlen分別取8和5，maxsilence和minlen參數(shù)還和說話人的語速有關(guān)系，所以以上這些參數(shù)的選取都應(yīng)根據(jù)實(shí)際情況進(jìn)行調(diào)整。

（3）修正過零率。實(shí)際中由于噪聲的存在，系統(tǒng)存在零漂移，這時(shí)用式（3）計(jì)算出的短時(shí)過零率來區(qū)分清音段和無聲段，將會(huì)影響端點(diǎn)檢測效果。為了保證過零率計(jì)算的穩(wěn)定，需要對（3）式進(jìn)行修正。修正后的過零率按式（4）進(jìn)行計(jì)算。T為經(jīng)驗(yàn)值，這里取0.02。

算法思路是當(dāng)某幀信號(hào)大于能量低門限amp2或者大于過零率閾值ZCR時(shí)，找到語音的起始點(diǎn)，當(dāng)大于能量高門限amp1時(shí)，肯定是語音信號(hào)，如果它的持續(xù)時(shí)間還能不小于minlen，則就是我們所需的要檢測出來的語音信號(hào)。

整個(gè)端點(diǎn)檢測過程是基于狀態(tài)轉(zhuǎn)移的，有5個(gè)轉(zhuǎn)移狀態(tài)。其中status0表示包含噪聲的靜音態(tài)，status1表示語音的起始過渡態(tài)，status2表示真正的語音態(tài)，status3表示字與字間的停頓態(tài)，status4表示檢測完畢的結(jié)束態(tài)。設(shè)置標(biāo)志位fag，當(dāng)fag=1時(shí)，繼續(xù)往后掃描后續(xù)單字的端點(diǎn)，當(dāng)flag=0時(shí)，表示已經(jīng)找到語音的結(jié)束點(diǎn)，并返回。這5個(gè)狀態(tài)之間的轉(zhuǎn)換關(guān)系如圖2所示。

圖2.改進(jìn)端點(diǎn)檢測的狀態(tài)轉(zhuǎn)移示意圖

3　仿真與分析

圖3為女聲“關(guān)機(jī)”的端點(diǎn)檢測結(jié)果，從原語音波形可以看出來在50幀到100幀之間有明顯的突發(fā)性噪聲；圖4是女聲“打開空調(diào)”的語音樣本，疊加了40dB的高斯隨機(jī)噪聲。

圖3.女聲“關(guān)燈”的端點(diǎn)檢測結(jié)果

圖4.帶噪語音“打開空調(diào)”端點(diǎn)檢測結(jié)果

從圖3和圖4仿真結(jié)果可看出，用基于動(dòng)態(tài)噪聲的改進(jìn)端點(diǎn)檢測方法，對于突發(fā)性噪聲及信噪比不是太低時(shí)都有比較不錯(cuò)的端點(diǎn)檢測效果。

[1] 劉萌,趙建平,等.基于語音識(shí)別的家庭智能監(jiān)控系統(tǒng)設(shè)計(jì)[J].電聲技術(shù),2016,(10):58-59.

[2]孫一鳴,吳楊揚(yáng),李平.基于改進(jìn)雙門限法的語音端點(diǎn)檢測研究[J].長春理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,(1):92-95.

[3] 薛勝堯.基于改進(jìn)型雙門限語音端點(diǎn)檢測算法的研究[J].電子設(shè)計(jì)工程,2015,(4):78-81.

（責(zé)任編校：宮彥軍）

2016－02－16

湖南省教育廳科研項(xiàng)目（項(xiàng)目編號(hào)16C0683）；永州市科技計(jì)劃項(xiàng)目（項(xiàng)目編號(hào)永科[2015]9號(hào)）。

楊熙（1982－），女，湖南永州人，講師，碩士研究生，研究方向?yàn)檎Z音識(shí)別，嵌入式系統(tǒng)。

TP391

A

1673-2219（2017）10-0037-02