【VAD音頻事件檢測(cè)基本原理綜述2000字】

VAD音頻事件檢測(cè)基本原理綜述目錄TOC\o"1-2"\h\u4170VAD音頻事件檢測(cè)基本原理綜述 1227432.1音頻事件與音頻庫(kù) 154772.1.1音頻事件檢測(cè)概述 139112.1.2音頻庫(kù)的獲取建立 1318542.2語(yǔ)音激活檢測(cè) 2103062.2.1語(yǔ)音激活檢測(cè)原理概述 2327332.2.2短時(shí)能量分析 222962.2.3短時(shí)過(guò)零分析 367372.3語(yǔ)音激活檢測(cè)實(shí)驗(yàn) 32.1音頻事件與音頻庫(kù)2.1.1音頻事件檢測(cè)概述任何人的聲音都可以聽(tīng)到作為一個(gè)音頻。在本文中，音頻事件的檢測(cè)可以分為兩種類型：語(yǔ)音和非語(yǔ)音。雖然不同的聲音信號(hào)需要不同的檢測(cè)方法，所有現(xiàn)有的聲音檢測(cè)和識(shí)別系統(tǒng)大致可以分為兩部分：特征提取算法和模式匹配算法[15]。音頻事件檢測(cè)，主要是指給定的音頻周期，能夠準(zhǔn)確判斷音頻事件的開(kāi)始和結(jié)束，并對(duì)事件進(jìn)行正確的分類檢測(cè)。本節(jié)將介紹如何在音頻檢測(cè)事件中捕獲音頻。2.1.2音頻庫(kù)的獲取建立在本文中，我們建立了一個(gè)音頻庫(kù)，包括腳步聲，門(mén)的聲音，門(mén)的聲音和聲音。音頻主要通過(guò)自己錄制和網(wǎng)絡(luò)下載兩種方式來(lái)獲取，并刪除音質(zhì)太模糊、聲音太大的噪聲，最終建立本實(shí)驗(yàn)的音頻庫(kù)。音頻庫(kù)有四種音頻事件，即，腳步聲，門(mén)的聲音，門(mén)和聲音。聲音庫(kù)中的腳步聲，解鎖聲音，開(kāi)關(guān)門(mén)聲音三種聲音通過(guò)網(wǎng)絡(luò)下載，然后得到剪輯的方法。從300種不同類型的鞋，不同的地面和不同的運(yùn)動(dòng)。解鎖聲音根據(jù)不同的鎖定材料和解鎖速度收集150種。根據(jù)門(mén)的質(zhì)量和開(kāi)關(guān)門(mén)的速度，收集了150種開(kāi)關(guān)聲音。而語(yǔ)音是在環(huán)境噪聲低于35dB的隔音室，由5名男性(22歲±QUOTE2)和5名女性(22歲±QUOTE2)分別錄制20種語(yǔ)音共200種，參與錄音的志愿者均為本校學(xué)生，普通話發(fā)音標(biāo)準(zhǔn)，且沒(méi)有任何語(yǔ)言障礙和咽喉疾病病史。與其他研究者一樣，在語(yǔ)音樣本的獲取中使用了一些約束條件，為了建立最佳的語(yǔ)音數(shù)據(jù)采樣庫(kù)，本文采用了一些折衷的方法。實(shí)驗(yàn)句子的選擇主要遵循以下原則：(1)中文表達(dá)采用標(biāo)準(zhǔn)普通話，不含帶各種方言；(2)盡可能避開(kāi)無(wú)聲輔音，如、、、，避免由這些音可能引起的基音周期軌跡的不連續(xù)；(3)男性和女性均容易發(fā)聲。2.2語(yǔ)音激活檢測(cè)人類的發(fā)音器官包括肺、氣管、咽喉、聲帶、聲門(mén)、鼻子和嘴，在通道的上方喉嚨叫，并通過(guò)改變部分形狀不同的發(fā)音叫做聲門(mén)。[19]是一個(gè)收縮的肺人類語(yǔ)音壓縮支氣管氣流通過(guò)聲門(mén)和通道的音頻振蕩通道開(kāi)始引起和結(jié)束在口腔、聲門(mén)喉，包括口腔、鼻腔通道是從開(kāi)始到小舌鼻孔為止。當(dāng)小舌下垂、鼻道和鼻的聲音通道耦合產(chǎn)生的。聲音產(chǎn)生的過(guò)程，取決于整個(gè)舌、唇、頜和舌的通道橫截面積，功能通道的橫截面積隨垂直位置的變化而變化，稱為通道面積函數(shù)。人的發(fā)音過(guò)程有三種不同類型的激勵(lì)，導(dǎo)致三種不同的聲音，是濁音，清音塞音。常用的語(yǔ)音激活檢測(cè)方法有短時(shí)能量法和短時(shí)過(guò)零率法。這兩種方法是時(shí)域算法，簡(jiǎn)單，快速，易于實(shí)現(xiàn)。語(yǔ)音激活檢測(cè)（語(yǔ)音活動(dòng)檢測(cè)，VAD）的基本原理流程圖如圖2-1所示。VAD判決糾正糾正VAD判決特征提取預(yù)處理語(yǔ)音輸入VAD輸出VAD判決糾正糾正VAD判決特征提取預(yù)處理門(mén)限計(jì)算門(mén)限計(jì)算圖2-1VAD基本原理框圖2.2.1語(yǔ)音激活檢測(cè)原理概述語(yǔ)音激活檢測(cè)技術(shù)是一種區(qū)分語(yǔ)音和噪聲的技術(shù)。語(yǔ)音激活檢測(cè)在靜音壓縮技術(shù)中具有重要意義，同時(shí)在語(yǔ)音合成、回聲消除、語(yǔ)音編碼、噪聲消除、語(yǔ)音識(shí)別等方面有著良好的應(yīng)用[20]。語(yǔ)音激活檢測(cè)技術(shù)已經(jīng)發(fā)展得非常成熟，因此，VAD檢測(cè)的應(yīng)用擴(kuò)展到非語(yǔ)音應(yīng)用領(lǐng)域中，其目的是從語(yǔ)音信號(hào)流來(lái)識(shí)別和消除長(zhǎng)時(shí)間的沉默期的特點(diǎn)，沉默的抑制效果，節(jié)省處理時(shí)間，系統(tǒng)分類。下面將根據(jù)語(yǔ)音信號(hào)的特點(diǎn)對(duì)語(yǔ)音激活檢測(cè)算法進(jìn)行介紹，并對(duì)聲音的腳步聲、門(mén)的聲音和聲音的測(cè)試算法進(jìn)行測(cè)試，以說(shuō)明鎖的合理性。2.2.2短時(shí)能量分析語(yǔ)音信號(hào)的能量隨時(shí)間的變化，清音和濁音之間的能量差異顯著。因此，短時(shí)能量分析可以描述語(yǔ)音的語(yǔ)音變化。對(duì)于短時(shí)間的能量值采樣幀和加權(quán)平方，定義如下：(2-1)式中為窗函數(shù)，為窗長(zhǎng)。窗函數(shù)的選擇影響著短時(shí)能量的計(jì)算，如果窗長(zhǎng)過(guò)長(zhǎng)，這個(gè)窗口相當(dāng)于低通濾波器，太強(qiáng)的平穩(wěn)信號(hào)，短時(shí)能量幾乎沒(méi)有什么變化，不能反映時(shí)變特征的語(yǔ)音信號(hào)；另一方面，如果窗口太小，不能提供足夠的平滑效果，語(yǔ)音振幅瞬時(shí)變化的細(xì)節(jié)被保留，有振幅信封沒(méi)有變化規(guī)律。2.2.3短時(shí)過(guò)零分析短時(shí)過(guò)零分析是語(yǔ)音信號(hào)處理的一種有效方法。對(duì)于連續(xù)的語(yǔ)音信號(hào)，零交叉意味著時(shí)域波形通過(guò)時(shí)間軸。對(duì)于離散的語(yǔ)音信號(hào)，零交叉意味著樣本的數(shù)量來(lái)改變符號(hào)。其中，X（n）的短時(shí)過(guò)零率定義如下(2-2)式中，是符號(hào)函數(shù)，即(2-3)為窗函數(shù)。此外，利用短時(shí)平均過(guò)零數(shù)還可以從背景噪音中提取出有用的語(yǔ)音信號(hào)。2.3語(yǔ)音激活檢測(cè)實(shí)驗(yàn)利用MATLABR2008a開(kāi)發(fā)環(huán)境的語(yǔ)音活動(dòng)檢測(cè)實(shí)驗(yàn)中，幀的長(zhǎng)度是FrameLen=30和MS=10毫秒frameinc堆棧幀，語(yǔ)音活動(dòng)檢測(cè)的實(shí)驗(yàn)是在錄制的語(yǔ)音庫(kù)進(jìn)行，語(yǔ)音，測(cè)試結(jié)果的聲音，聲和門(mén)鎖開(kāi)關(guān)腳步2-5如圖2-2所示。通過(guò)觀察，利用短時(shí)能量、短時(shí)過(guò)零率的特征，語(yǔ)音活動(dòng)檢測(cè)可以檢測(cè)到語(yǔ)音和非語(yǔ)音的聲音和結(jié)束，并通過(guò)沉默切段，音頻信號(hào)的算法，刪除，保存為下面的語(yǔ)音特征提取和分類。腳步聲圖2-2基于語(yǔ)音的VAD檢測(cè)圖2-3基于開(kāi)鎖聲的VAD檢測(cè)圖2-4基于開(kāi)關(guān)門(mén)聲的VAD檢測(cè)圖2-5基于腳步聲的VAD檢測(cè)與上述實(shí)驗(yàn)結(jié)果相比，我們可以發(fā)現(xiàn)，VAD檢測(cè)技術(shù)對(duì)語(yǔ)音有更好的效果，但