端點檢測課程報告

1、信息工程系課程設(shè)計報告 課 程 MATLAB通信工程仿真 端點檢測 專 業(yè) 通信工程 班 級 2013級本科一班 學(xué)生姓名 學(xué)號1314學(xué)生姓名 學(xué)號1314學(xué)生姓名 學(xué)號1314學(xué)生姓名 學(xué)號1314 學(xué)生姓名 學(xué)號1314二一四年十二月目 錄目錄.- 1- . 摘要 .- 2- 關(guān)鍵詞.- 2 -1.程序描述.- 3-1.1程序功能.- 3-1.2基本原理.- 3-1.3端點檢測的過程與目的.- 3-2.程序?qū)崿F(xiàn).- 5-2.1代碼分析.- 6-2.2過零計算.- 7-2.3計算短時能量.- 8-2.4算法說明.- 9-3.實驗結(jié)果.- 13-參考文獻(xiàn).- 14-摘 要：通過本次課程設(shè)計，

2、主要訓(xùn)練學(xué)生對MATLAB通信系統(tǒng)建模與仿真設(shè)計的方法和技巧。作為一個完整的語音識別系統(tǒng)，其最終實現(xiàn)及使用的效果不僅僅限于識別的算法，許多相關(guān)因素都直接影響著應(yīng)用系統(tǒng)的成功與否。語音識別的對象是語音信號，端點檢測的目的就是在復(fù)雜的應(yīng)用環(huán)境下的信號流中分辨出語音信號和非語音信號，并確定語音信號的開始及結(jié)束。關(guān)鍵詞：過零計算 短時能量計算 端點檢測1.程序描述1.1 程序功能: 從包含語音的一段信號中找出語音的起始點及結(jié)束點。1.2 基本原理: 整個端點檢測可分為四個階段：靜音段、過渡段、語音段、結(jié)束。使用一個變量表示當(dāng)前狀態(tài)。靜音段，如果能量或過零率超過低門限，就開始標(biāo)記起始點，進(jìn)入過渡段。過渡

3、段當(dāng)兩個參數(shù)值都回落到低門限以下，就將當(dāng)前狀態(tài)恢復(fù)到靜音狀態(tài)。而如果過渡段中兩個參數(shù)中的任一個超過高門限，即被認(rèn)為進(jìn)入語音段。處于語音段時，如果兩參數(shù)降低到門限以下，而且總的計時長度小于最短時間門限，則認(rèn)為是一段噪音，繼續(xù)掃描以后的語音數(shù)據(jù)，否則標(biāo)記結(jié)束端點。1.3端點檢測的過程與目的: 一般的信號流都存在一定的背景聲，而語音識別的模型都是基于語音信號訓(xùn)練的，語音信號和語音模型進(jìn)行模式匹配才有意義。因此從信號流中檢測出語音信號是語音識別的必要的預(yù)處理過程。詳細(xì)說來，端點檢測有兩個過程：1基于語音信號的特征，用能量、過零率、商（entropy）、音高（pitch）等參數(shù)以及它們的衍生參數(shù)，來判斷

4、信號流中的語音或非語音信號。2在信號流中檢測到語音信號后，判斷此處是否是語句的開始點或結(jié)束點。在商用語音系統(tǒng)中，由于信號多變的背景和自然對話模式而更容易使句中有停頓（非語音），特別是在爆發(fā)聲母前總會有無聲間隙。因此，這種開始或結(jié)束的判定尤為重要。此外端點檢測的目的還在于: 1減少識別器的數(shù)據(jù)處理量: 可以大量減少信號傳輸量及識別器的運(yùn)算負(fù)載，對于語音對話的實時識別有重要作用。 2拒絕非語音的信號：對非語音信號的識別不僅是一種資源浪費(fèi)，而且有可能改變對話的狀態(tài)，造成對用戶的困擾。 3在需要打斷（barge-in）功能的系統(tǒng)中，語音的起始點是必須的。在端點檢測找到語音的起始點時，系統(tǒng)將停止提示音的

5、播放。完成打斷功能。2. 程序?qū)崿F(xiàn) 語音信號的端點檢測程序流程圖： 輸出樣本端點檢測圖像 開始端點檢測 調(diào)整能量門限 計算短時能量和過零率 設(shè)置參數(shù) 幅度歸一化 輸入語音信號 2.1代碼分析第一部分：常數(shù)設(shè)置%常數(shù)設(shè)置FrameLen = 240;%指定幀長FrameInc = 80;%指定幀移，每一幀中未重疊的部分amp1 = 10; %初始短時能量高門限amp2 = 2; %初始短時能量低門限zcr1 = 10; %初始過零率高門限zcr2 = 5; %初始過零率低門限maxsilence = 8; % 8*10ms = 80ms 語音段中允許的最大靜音長度，如果語音段中的靜音幀數(shù)未超過此

6、值，則認(rèn)為語音還沒結(jié)束；如果超過了該值，則對語音段長度count進(jìn)行判斷，若count<minlen，則認(rèn)為前面的語音段為噪音，舍棄，跳到靜音狀態(tài)0；若count>minlen，則認(rèn)為語音段結(jié)束；minlen = 15; % 15*10ms = 150ms語音段的最短長度，若語音段長度小于此值，則認(rèn)為其為一段噪音 status = 0; %初始狀態(tài)為靜音狀態(tài) count = 0; %初始語音段長度為0 silence = 0; %初始靜音段長度為02.2 過零計算短時過零表示一幀語音信號波形穿過橫軸(零電平)的次數(shù)。過零分析是語音時域分析中最簡單的一種。對于連續(xù)語音信號，過零意味著

7、時域波形通過時間軸；而對于離散信號，如果相鄰的取樣值的改變符號稱為過零。過零率就是樣本改變符號次數(shù) tmp1 = enframe(x(1:end-1), FrameLen, FrameInc); %分幀處理，tmp1和tmp2為分幀后形成的二維數(shù)組 tmp2 = enframe(x(2:end) , FrameLen, FrameInc);語音信號是一種典型的非平穩(wěn)信號，但是語音信號具有短時平穩(wěn)性, 因此在處理中要對采樣的語音信號進(jìn)行分割成一幀一幀的短時語音序列。分幀處理有利于對語音信號進(jìn)行準(zhǔn)確的分析 并且能夠提高識別率 這時再分別求出每幀的短時能量和短時過零率signs = (tmp1.*t

8、mp2)<0;當(dāng) tmp1.*tmp <0 的時候，說明tmp1>0,tmp2<0 或tmp1<0,tmp2>0; 即信號過零點。 diffs = (tmp1 -tmp2)>0.02;當(dāng)信號過零點，而tmp1與tmp2距離又過近（<0.02）的話就認(rèn)為是噪音，舍去. zcr = sum(signs.*diffs, 2);定義語音信號Xn(m)的過零率為Zn,則Zn=2.3計算短時能量語音和噪聲的區(qū)別可以體現(xiàn)在它們的能量上，語音段的能量比噪聲段能量大，語音段的能量是噪聲段能量疊加語音聲波能量的和。在信噪比很高時，那么只要計算輸入信號的短時能量或短時

9、平均幅度就能夠把語音段和噪聲背景區(qū)分開amp = sum(abs(enframe(filter(1 -0.9375, 1, x), FrameLen, FrameInc), 2);過零率有兩類重要的應(yīng)用: 用于粗略地描述信號的頻譜特性,就是用將為若干個通道, 對各通道進(jìn)行短時平均過零率和短時能量的計算,即可粗略地估計頻譜特性; 用于判別清音和濁音、有話和無話。計算過零率容易受低頻干擾, 特別是50 Hz 交流干擾的影響。解決這個問題的辦法,一個是做高通濾波器或帶通濾波,減小隨機(jī)噪聲的影響（filter函數(shù)濾波器）%調(diào)整能量門限amp1 = min(amp1, max(amp)/4);amp2

10、= min(amp2, max(amp)/8);若第N幀音信號Xn(m)短時能量為En,則En=2.4算法說明for n=1:length(zcr)goto = 0;switch statusstatus是判斷語音在哪個狀態(tài)的函數(shù)，當(dāng)status=0時，為靜音狀態(tài)status=1時，為可能開始狀態(tài)；當(dāng)status=2時，為語音狀態(tài)，當(dāng)status=3時，為結(jié)束狀態(tài)； case 0,1 % 0 = 靜音, 1 = 可能開始 if amp(n) > amp1 % 確信進(jìn)入語音段 x1(end+1) = max(n-count-1,1); status = 2; %進(jìn)入語音段 silence

11、= 0; count = count + 1; elseif amp(n) > amp2 | . % 可能處于語音段從靜音段開始，當(dāng)amp（n）高于短時能量低門限時，可能進(jìn)入語音段，如果信號長度大于最短語音長度的話，即為語音段，否則為靜音段。在語音段的時候，當(dāng)amp（n）高于短時能量低門限時，將保持在語音段，當(dāng)amp（n）低于短時能量低門限時，進(jìn)入靜音段。 zcr(n) > zcr2 從靜音段開始，當(dāng)zcr（n）高于過零率低門限時，可能進(jìn)入語音段，如果信號長度大于最短語音長度的話，即為語音段，否則為靜音段。在語音段的時候，當(dāng)zcr（n）高于過零率低門限時，將保持在語音段，當(dāng)amp（

12、n）低于過零率低門限時，進(jìn)入靜音段。status = 1; count = count + 1;else % 靜音狀態(tài)status = 0; % 進(jìn)入靜音段count = 0;else % 語音結(jié)束status = 3; end endcase 3, status=0; x2(end+1)=x1(end)+count-silence/2-1; endend % count = count-silence/2;% v_count(i)=v_count(i)+v_count(i-1);% v_silence(i)=v_count(i)+v_silence(i);if length(x2)<l

13、ength(x1) x2(end+1)=length(zcr);endsubplot(311)（將多個圖畫到一個平面的工具。3是把圖排成3行，1是排成1列，1表示在圖中的位置，從左到右計數(shù)）plot(x)（命令打開圖形窗口的工具，將x軸為橫坐標(biāo)）axis(1 length(x) -1 1)（ axis(xmin xmax ymin ymax ) -xmin和xmax分別表示在繪圖時x、 y軸的上下限 ）ylabel(Speech);（ylabel是表明y軸的意義，定義y軸為Speech）for i=1:length(x2);line(x1(i)*FrameInc x1(i)*FrameInc,

14、 -1 1, 'Color', 'red');line(x2(i)*FrameInc x2(i)*FrameInc, -1 1, 'Color', 'green');End（當(dāng)line(a,b,c)時，相應(yīng)地會在三維圖中畫一條線。） % line(x1*FrameInc x1*FrameInc, -1 1, 'Color', 'red');% line(x2*FrameInc x2*FrameInc, -1 1, 'Color', 'red');subplot(312

15、)plot(amp);axis(1 length(amp) 0 max(amp)ylabel('Energy');for i=1:length(x2);line(x1(i) x1(i), min(amp),max(amp), 'Color', 'red');line(x2(i) x2(i), min(amp),max(amp), 'Color', 'green');endsubplot(313)plot(zcr);axis(1 length(zcr) 0 max(zcr)ylabel('ZCR');for