摘 要： 為了提高語音激活檢測在汽車內(nèi)部噪聲環(huán)境下的檢測性能，提出了一種基于分帶譜熵的語音激活檢測算法。將實驗仿真結(jié)果與ITU標準G.729B中的檢測性能進行了分析比較,結(jié)果表明，該算法在汽車內(nèi)部噪聲環(huán)境下具有較高的準確率和穩(wěn)定性，且算法的復雜度較低，具有一定的實用價值。
關(guān)鍵詞： 語音激活檢測；分帶譜熵；汽車內(nèi)部噪聲
語音激活檢測VAD(Voice Activity Detection)指采用一定的信號處理技術(shù)來檢測信號中是否包含語音信號，并且從背景噪聲中找出每一段語音的開始和終止，以明確找出語音信號存在的范圍。目前該技術(shù)被廣泛應(yīng)用在語音編碼、語音增強、語音合成、回聲抵消以及語音通信等領(lǐng)域。
語音激活檢測的研究歷史很長，從最早的基于短時能量、過零率的判斷，到基于語音模型和統(tǒng)計知識的各種復雜算法，語音激活檢測算法的原理和實現(xiàn)方法都在不斷地更新。近年來，一些學者提出了基于支持向量機[1]、小波理論[2]、神經(jīng)網(wǎng)絡(luò)[3]和循環(huán)累積量[4]等理論的檢測方法，對語音檢測方法的研究給出了新的思路。如何在保證算法魯棒性的同時降低算法的復雜度是一個極具挑戰(zhàn)性的問題,也是目前語音激活檢測中的熱點問題。本文設(shè)計了一種基于分帶譜熵的語音激活檢測算法，該方法采用分帶譜熵作為判決參數(shù)，達到了較高的判別準確率及較低的算法復雜度。
1 特征提取
特征提取的框圖如圖1所示。首先對加噪語音進行分幀和加窗處理，然后進行時頻變換，由參考文獻[5]知，與常用的FFT相比，用離散余弦變換譜熵來區(qū)分噪聲與語音具有更大的隔離度，因此本文選用離散余弦變換(DCT)。離散余弦變換的定義式為：
在DCT變換之后,對DCT系數(shù)進行分帶,分成32個子帶，然后分別計算它的能量，其計算公式為：
為了提高概率密度函數(shù)分辨語音信號和非語音信號的能力，提出了一些經(jīng)驗性的約束。首先，由于大部分語音信號都在250 Hz~6 000 Hz頻帶內(nèi)，因此有:
為進一步提高語音激活檢測的準確率，本文采用短時平均能量進行加權(quán)的方法，即：
從圖2(c)和圖2(d)可以看出，加權(quán)譜熵對幀能量更加敏感，而通過對其取對數(shù),在一定程度上降低了能量的影響。正因為如此，本文采用加權(quán)譜熵的對數(shù)值作為特征量，提高了算法的魯棒性。
2 語音激活檢測算法
(1) 對輸入的語音信號s(n)進行分幀處理,幀長32 ms (256個樣點)，得到每幀信號si(n)，i表示第i幀，并對si(n)進行加窗處理，窗函數(shù)采用漢明窗。
(2) 自適應(yīng)閾值的確定。可合理假設(shè)待檢測語音的前幾幀是非語音信號，本文中假設(shè)前10幀為非語音信號，計算其加權(quán)譜熵的對數(shù)值，然后求它們的最大值，門限值就是前10幀信號的加權(quán)譜熵的對數(shù)值中的最大值。
(3) 計算每一幀信號的加權(quán)譜熵的對數(shù)值，然后把它與門限值進行比較。如果大于門限值，則判為語音幀，否則判為噪聲幀或靜音幀。
(4)對判決結(jié)果進行平滑處理。為了有效地避免激活狀態(tài)的頻繁切換，本文對判決結(jié)果進行平滑后處理。由于無論是非語音信號還是語音信號，一般都會持續(xù)一段時間，因此為了剔除判決時的少數(shù)壞點，在判決結(jié)束后加入了平滑后處理。即:
3 仿真與實驗結(jié)果
本文的算法用VC、Matlab進行仿真。圖3所示為原始語音、加噪語音(噪聲為汽車內(nèi)部噪聲,信噪比為0 dB)、人工標注的結(jié)果和使用本文算法檢測的結(jié)果。圖3(a)是一段純凈語音，其采樣率為8 000 Hz。圖3(b)是加噪語音，所加噪聲為汽車內(nèi)部噪聲，信噪比為0 dB。圖3(c)為本文算法檢測的結(jié)果。圖3(d)為人工標注的結(jié)果。由圖3(c)可以看出,本文的方法對低信噪比條件下的語音依然具有較好的分類效果。
為進一步說明本文算法對加噪語音進行檢測的魯棒性,對本文算法和G.729B中的VAD算法進行對比。對1 000幀中文信號進行實驗, 測試環(huán)境分別選取了-5 dB、 0 dB、5 dB、10 dB、20 dB、30 dB等6個不同的信噪比，充分體現(xiàn)了算法在不同信噪比下的性能。圖4給出了不同算法在相同背景噪聲類型(都為汽車內(nèi)部噪聲)、不同信噪比情況下的檢測準確率。
從圖4可以看出，本文算法的性能基本上不隨信噪比的變化而變化。同時可以看出當信噪比逐漸降低時，G.729B算法性能有了明顯的下降。
本文中提出了一種能夠準確進行VAD判決的算法。該算法提取了加權(quán)譜熵的對數(shù)值作為特征，然后通過自適應(yīng)閾值，實現(xiàn)語音和靜音(或噪聲)的準確檢測。實驗結(jié)果表明，該語音激活檢測算法在汽車內(nèi)部噪聲條件具有較高的準確率和穩(wěn)定性，是一種有效、簡單的語音激活檢測算法。
參考文獻
[1] 齊峰巖,鮑長春. 一種基于支持向量機的含噪語音的清/濁/靜音分類的新方法[J].電子學報,2006,34(4):605-611.
[2] AGHAJANI K H, MANZURI M T, KARAMI M, et al. A robust voice activity detection based on wavelet transform. 2008 Second International Conference on Electrical Engineering (ICEE). Lahore, Pakistan,2008.
[3] 柳燕，鮑長春. 基于競爭網(wǎng)絡(luò)的語音激活算法研究[J].信號處理，2006，22 (1):57-60.
[4] 竇慧晶，李如瑋，鮑長春. 一種基于循環(huán)累積量的語音激活檢測算法[C].黃山：第九屆全國人機語音通訊學術(shù)會議(NCMMSC2007）,2007.
[5] 汪濤，胡劍凌.基于低信噪比條件下的VAD算法研究[J].電子工程師，2005,31(2)：42-45.