复杂噪声环境下的语音端点检测系统

oiceTechnology

文章编号：1002-8684（2010）07-0052-04

语音技术

复杂噪声环境下的语音端点检测系统*

张

皓1，梁维谦

2

论文··

（1.清华大学微纳电子研究所，北京100084；2.清华大学电子工程系，北京100084）

【摘

要】提出了一套完整的复杂噪声环境下非实时语音信号端点检测系统。首先进行基于样本幅度的预分类处

理，然后使用门限过零率算法处理整体幅度很小的样本；整体幅度较大的样本使用引入了自适应噪声估计策略和段落包络幅度特征的改进算法。实际测试表明，在复杂噪声环境下此系统正确率达90.7%，可满足实际系统需求。【关键词】段落包络幅度；复杂噪声环境；语音端点检测；自适应噪声估计【中图分类号】TN912

【文献标识码】A

AVoiceActivityDetectionSystemforComplicatedNoiseEnvironment

ZHANGHao1，LIANGWei-qian2

（1.InstituteofMicroelectronics，TsinghuaUniversity，Beijing100084，China；

2.Dept.ofElectronicEngineering，TsinghuaUniversity，Beijing100084，China）

【Abstract】

Avoiceactivitydetectionsystemisproposed.

Atthesame，

Thereisapre-processingmoduletodecidewhich

adaptivenoise

processwillbeimplemented.twonovelfeaturesareintroducedintothesystem：

estimationandsegmentamplitudeenvelope.TheVADsystemisevaluatedbysamplesobtainedfromactualexams，andtheresultshowsthatthesystemhasahighperformanceincomplicatednoiseenvironment.

【Keywords】segmentenvelopeamplitude；complicatednoiseenvironment；voiceactivitydetection；adaptivenoise

estimation

1

引言

语音信号端点检测的目的是当系统收到一段包含

语音干扰（如背景的讲话声）时，准确的端点检测会变得非常困难。对于复杂噪声下的端点检测问题，前人已提出很多方法，如基于频域能量特征[4-5]、差分能量和差分过零率[6]、高阶统计量[7]等。面向电信工程应用，标准化组织提出了一些标准算法可供参考，如国际电信联盟（ITU）提出的G.729B[8]和3GPP提出的AMR-WB

语音的信号时对语音端点进行定位，丢弃语音前后的噪声段，将语音交付下一级进行后续处理。

语音端点检测的作用主要有3个方面：第一，能提高后续处理（如语音识别处理）的准确性和处理效率；第二，能为后续处理提供段落分割的依据；第三，能为噪声估计算法提供段信息。

以提供噪声信息用于噪声估计。对于在较好的环境（基本没有噪声，清晰的发音）下产生的语音，使用传统的基于短时时域能量和短时过零率[1]及自相关法[2-3]的算法便可达到检测端点的目的。然而实际使用中有很多因素使准确的端点检测较困难，其中比较特殊的一类是由人的发音方式引起的，如语音中夹杂咳嗽、呼吸等声音。使可靠的语音端点检测困难的第二个因素是语音产生的周围环境，当周围环境中含有各种背景环境噪声（如电风扇的风声）、非静态噪声（如开门声）、

Speechcodec中的端点检测算法[9]等。

笔者针对基于语音识别的发音评测系统提出了一套复杂噪声环境下的语音端点检测算法，发音评测系统特性决定了端点检测模块的判决结果不能丢失语音信息，否则注定会造成评分失误；同时由于评分系统包含吸收模型，所以允许样本起始点和结束点有少量的噪声引入。

2

端点检测系统结构框架

如图1所示，系统除前端处理、门限过零率模块[10]

外，噪声估计模块、端点检测模块、包络确定延时模块构成了系统主模块。

*[基金项目]国家高技术研究发展计划（863计划）重点项目（2008AA010700）

輩电声技术讂輰

2010年第34卷第07期