论文总字数：21626字

目 录

1

1 引言 1

1.1 研究背景 1

1.2 研究意义 1

1.3 本文工作内容 2

2 常用的语音端点检测算法 2

2.1 基于短时平均能量和短时平均过零率的双门限法 2

2.1.1　短时平均能量 2

2.1.2　短时平均过零率 3

2.1.3　基于短时平均能量和短时平均过零率的双门限法 3

2.2　基于倒谱距离的语音端点检测 4

2.3　基于谱熵的语音端点检测 5

2.3.1　谱熵的定义 5

2.3.2　谱熵法端点检测的改进 5

2.4　基于相关法的端点检测 5

2.4.1　自相关函数最大值的端点检测 5

2.4.2　归一化自相关函数的端点检测 5

2.5　基于能零比的端点检测 6

3 常用语音信号降噪算法 6

3.1 自适应滤波器 6

3.1.1 自适应滤波去噪 6

3.1.2 基本LMS算法原理 6

3.1.3 LMS算法的实施步骤 10

3.2 谱减法 10

3.3 维纳滤波法 11

3.3.1 维纳滤波基本原理 11

3.3.2 具体步骤 11

4 MATLAB仿真软件简介 12

4.1 MATLAB的概况 12

4.2 MATLAB的语言特点 12

4.3 MATLAB的仿真流程 13

5 基于LMS自适应滤波的端点检测算法流程 14

5.1 语音信号的预处理 14

5.1.1 带噪语音信号产生和信噪比计算 14

5.1.1　消除趋势项和直流分量 15

5.1.2　加窗分帧 15

5.2 归一化的LMS算法 17

5.3 能熵比法的双门限端点检测 17

5.4 MATLAB程序流程图 18

6 仿真结果与对比分析 18

6.1 低信噪比环境下各端点检测算法的仿真结果与分析 18

6.1.1 基于短时平均能量和短时平均过零率的双门限法 19

6.1.2 基于倒谱距离的语音端点检测 20

6.1.3 基于谱熵的语音端点检测 21

6.1.4 基于归一化自相关函数的语音端点检测 22

6.1.5 基于能零比的端点检测 23

6.1.6 基于能熵比的端点检测 24

6.1.7 小结 25

6.2 低信噪比环境下各语音信号降噪算法的仿真结果与分析 25

6.2.1 基本LMS自适应滤波算法 25

6.2.2 谱减法 26

6.2.3维纳滤波法 26

6.2.4 归一化LMS自适应滤波算法 27

6.2.5小结 27

6.3 基于LMS自适应滤波的语音端点检测算法 27

7 结论 29

参考文献 30

致谢 31

基于LMS自适应滤波的语音端点检测算法

黄梁

, China

Abstract: The purpose of voice endpoint detection is to find the starting point and end point of speech speech from a speech signal containing human voice. The existing endpoint detection technology in high noise environment is extremely high accuracy, but in the actual situation due to the introduction of noise will make the system performance significantly reduced. Therefore, it is of great practical significance to study endpoint detection at low SNR. In this paper, the existing endpoint detection technology and speech noise reduction technology are studied, and the speech endpoint detection based on improved LMS adaptive filtering and entropy ratio method is proposed. Finally, the basic algorithm and the proposed algorithm are simulated by MATLAB simulation environment. From the simulation results, the proposed algorithm is more accurate and can detect the endpoints of speech at low SNR.

Key words: Voice endpoint detection；LMS adaptive filtering；Entropy method

1 引言

1.1 研究背景

语音作为人类社会交流最有效的方式之一，承载着信息传递与分享的重要任务。随着经济与科技的发展与进步，语音信号处理的地位也日益凸显。而作为语音信号处理研究的关键领域，语音识别的根本目的就是使人与机器之间也能像人与人之间一样通过语音交流与沟通。像以往人们与机器交流是通过键盘、按键、鼠标等外部输入工具来实现的，而设想中的语音交流方式只需要一个听筒接受语音信号就可以了，这将是人机交互的一项重大突破。可以很容易预见的语音识别技术有语音输入技术，代替键盘输入可以大大提高文字输入速度、减轻人员工作强度。还有语音控制技术，让人通过语音来控制机器运行，可以提供一种更加方便安全的控制方式。而就现在而言，大部分手机具有的语音助手功能，可以使人直接通过语音命令来让手机完成某项任务。

语音端点检测技术在语音识别中占有十分突出的地位，它是指从一段包含语音的信号中找到语音的起始点和结束点位置。准确的语音端点检测不仅能提高系统的实时处理性能，减少处理数据的时间，而且能使后续的语音信号处理的有效性、准确性大大提高。

1.2 研究意义

语音端点检测最早出现在贝尔实验室研究通信信道的时间分配上，该项目打算利用语音端点检测技术检测出无语音段，然后在该空白语音段传输其他信号来节省带宽。随后，语音信号端点检测的发展和应用也越来越多。如今说话人识别、语音识别、回声消除和语音编码是语音信号端点检测目前应用的主要方向。此外语音端点检测的主要目的之一是减少非语音信号进入下一级语音信号处理，从而减少数据处理量，加快处理速度，并且能减少带宽资源浪费。

在现代通信技术中，尤其是涉及语音通信上，语音端点检测都是其关键的前置必要处理过程，更为重要的是该技术对国防通信安全及如今的电子设备产品都有重要的影响。在国家通信安全上，有关部门有时需要对某些通信线路进行监控，识别出通信线路中特定人员的语音特征。而往往大部分语音信号是无声段，语音端点检测技术可以检测出有话段，排除无声段，从而节省了大量的人力物力。而在电子产品通讯领域，如4G、5G手机等通讯产品的开发上，语音端点检测技术能最大限度地减少无声段所占的数据传输量，减少语音信号传输的延迟，提高通话质量。由此可见，作为语音信号处理中的重要研究领域之一，语音端点检测技术拥有十分广阔的应用前景，研究价值十分巨大。

语音端点检测技术最常见的应用是在语音识别上，而语音识别系统的性能好坏在很大程度上取决于语音端点检测的准确性。在通常情况下，一段语音信号包含语音信息以及各种噪声信息，而语音识别所需要处理的应该是有效的语音信号，而不是包含噪声信息的含噪语音。如果噪声过大，而语音端点检测准确性较低，就会使整个系统的语音识别率下降。研究表明，即便是在无噪声干扰的静室中，语音识别的不准确大部分原因都是由语音端点检测产生的错误造成的。所以对于一个语音识别系统来说，有效准确的语音信号端点检测不仅可以提高整个语音识别系统识别的准确率，而且可以提高系统的处理速度和实时性，从而减少噪声的干扰，使整个语音识别系统的性能大大提高。因此，针对带噪语音信号，语音端点检测的意义更加重要。

1.3 本文工作内容

本毕业论文讨论了一些常用的端点检测技术和语音降燥算法，介绍了MATLAB软件仿真环境，并研究了基于归一化LMS自适应滤波算法的语音端点检测。在经过MATLAB仿真后，由仿真结果可以表明，在低信噪比下，经过归一化LMS自适应滤波处理的带噪语音信号明显提高了信噪比，降低了噪声干扰，使语音信号端点检测的准确性、抗噪声性能提高。

本论文的章节安排如下所示：

第一章为论文的引言部分，主要介绍了本毕业论文的研究背景、研究意义和工作内容。

第二章介绍了一些常用的语音端点检测算法。

第三章介绍了一些常用的语音降噪算法。

第四章介绍了本论文的仿真软件MATLAB。

第五章总结了本论文端点检测的全部流程。

第六章给出了本论文对各端点检测算法和语音降噪算法的仿真图表及分析，以及基于LMS自适应算法的语音端点检测的仿真图表与分析。

第七章是本设计的结论部分，给整个毕业设计做了一个概括总结。

2 常用的语音端点检测算法

2.1 基于短时平均能量和短时平均过零率的双门限法

2.1.1　短时平均能量

语音信号在短暂时间内可以看做是平稳的，它的能量随时间短时平稳变化。因此短时平均能量可以在一定程度上表现这种变化。

设时刻的语音信号能量为

剩余内容已隐藏，请支付后下载全文，论文总字数：21626字

相关图片展示：