語音激活檢測技術算法研究及其在語音編碼器中的應用.pdf

1、本文研究了幾種常用的語音激活檢測算法，進行了仿真和比較，并在傳統(tǒng)算法的基礎上提出改進算法，提高了VAD檢測的綜合性能，能夠比較準確區(qū)分各種含噪語音的語音/靜音幀。同時，將語音激活檢測應用到高斯混合模型的低碼率語音編碼器系統(tǒng)中，大大降低了編碼速率。
　　 語音激活檢測技術性能的優(yōu)劣很大程度影響了編碼器最終的編碼速率，因此準確的語音激活檢測對合成語音的質(zhì)量非常關鍵，本文提出了一些改進的激活檢測算法。第一種算法是在傳統(tǒng)的基于倒譜參數(shù)進

2、行語音激活檢測算法的基礎上，綜合利用短時能量和過零率，建立了綜合參數(shù)的判決準則，從而提高了性能。第二種是在傳統(tǒng)譜熵VAD檢測基礎上，綜合利用了譜減法的降噪增強和自適應子帶劃分，通過這兩方面的改進，使得語音激活檢測的準確率進一步提高。仿真結果表明改進算法可以從不同的背景噪聲中有效地檢測出語音，優(yōu)于傳統(tǒng)檢測算法，且運算量較之并沒有明顯的增加?？紤]到語音激活檢測技術可以對語音中聲音和噪聲部分進行有效的區(qū)分，為了進一步降低GMM編碼器的編碼速率

3、，本文將語音激活檢測技術應用到GMM 語音編碼器中。在語音編碼之前，首先執(zhí)行VAD算法檢測出語音幀和靜音幀，然后對兩者采用不同的編碼算法，語音幀采用基于高斯混合模型的編碼器算法，由于GMM參數(shù)較少，可以使碼率得到一定降低；另外，靜音幀僅發(fā)送幀幅度均值。同樣解碼段，對語音/靜音幀分別采用不同的解碼算法。仿真結果表明：該編碼器可以使全語音時的編碼速率降低到2.35kb/s左右，且解碼得到的語音有較理想的清晰度、可懂度和自然度，令人比較滿意。