張恒,，周萍

　　（桂林電子科技大學(xué) 電子工程與自動(dòng)化學(xué)院,，廣西 桂林 541000）

       摘要：語(yǔ)音端點(diǎn)檢測(cè)直接決定了語(yǔ)音識(shí)別的精度和速度,。車載環(huán)境是一個(gè)非常復(fù)雜的環(huán)境，信噪比(SNR)有可能出現(xiàn)很低的情況,，對(duì)于傳統(tǒng)的時(shí)域端點(diǎn)檢測(cè)方法來(lái)說(shuō),，在這種環(huán)境下的端點(diǎn)檢測(cè)效果很差，而雙門限在高信噪比條件下,，端點(diǎn)檢測(cè)的效果非常好,，識(shí)別率很高，這就使得提高車載環(huán)境下語(yǔ)音SNR非常關(guān)鍵,。文章提出采用改進(jìn)的小波去噪和改進(jìn)的雙門限方法進(jìn)行端點(diǎn)檢測(cè),。實(shí)驗(yàn)結(jié)果表明，綜合改進(jìn)小波去噪和改進(jìn)雙門限的方法雖然有一定量的信號(hào)失真,，但失真在可接受范圍之內(nèi),，并且在不增大運(yùn)算量的情況下端點(diǎn)檢測(cè)的效果比傳統(tǒng)的雙門限效果要好，表明了本文算法的有效性,。

　　關(guān)鍵詞：車載環(huán)境,；小波去噪；雙門限,；端點(diǎn)檢測(cè)

　　中圖分類號(hào)：TN912.34文獻(xiàn)標(biāo)識(shí)碼：ADOI： 10.19358/j.issn.1674-7720.2017.05.007

　　引用格式：張恒,，周萍.車載環(huán)境下語(yǔ)音端點(diǎn)檢測(cè)的研究［J］.微型機(jī)與應(yīng)用，2017,36（5）：21-23.

0引言

　　*基金項(xiàng)目：廣西研究生教育創(chuàng)新計(jì)劃資助項(xiàng)目（YCSZ2015152）隨著語(yǔ)音識(shí)別技術(shù)的研究和發(fā)展,，應(yīng)用語(yǔ)音技術(shù)開(kāi)發(fā)的產(chǎn)品已涉及到人們生活的多個(gè)方面,，有聲控電話交換,、語(yǔ)音撥號(hào)系統(tǒng)、聲控智能玩具,、醫(yī)療服務(wù)等,，促進(jìn)了整個(gè)社會(huì)經(jīng)濟(jì)的發(fā)展，在未來(lái)也將帶來(lái)社會(huì)科技的變革,。目前,，語(yǔ)音識(shí)別技術(shù)已經(jīng)應(yīng)用在很多玩具車上，很多廠商也正在加快速度研究車載語(yǔ)音系統(tǒng),。經(jīng)過(guò)幾十年來(lái)人們對(duì)語(yǔ)音識(shí)別技術(shù)的探索和研究,，語(yǔ)音識(shí)別技術(shù)以及用于開(kāi)發(fā)語(yǔ)音的硬件設(shè)備都在不斷地改進(jìn)更新，語(yǔ)音識(shí)別產(chǎn)品已經(jīng)逐步從實(shí)驗(yàn)室走向工廠,，各廠商已經(jīng)推出各種系統(tǒng)的汽車產(chǎn)品,。

　　語(yǔ)音端點(diǎn)檢測(cè)在語(yǔ)音信號(hào)處理中是一個(gè)極其重要的環(huán)節(jié)，它決定了后面的處理結(jié)果,，比如對(duì)語(yǔ)音信號(hào)的特征提取,、模式匹配時(shí)的正確率。車載環(huán)境下的語(yǔ)音噪聲非常復(fù)雜,，車內(nèi)發(fā)動(dòng)機(jī)聲音,、輪胎與路面之間的摩擦聲、空氣擾動(dòng),、窗外嘈雜聲等［1］,，使得信噪比降低。在低信噪比的條件下,，使用傳統(tǒng)的雙門限端點(diǎn)檢測(cè)方法,，會(huì)大大降低識(shí)別率，雙門限在信噪比較高時(shí)有非常好的效果,，而使用頻率或其他模式匹配的檢測(cè)方法會(huì)增加其運(yùn)算量,，不利于車載環(huán)境下的實(shí)時(shí)性要求，因此本文提出一種基于改進(jìn)的小波降噪和改進(jìn)的基于短時(shí)能量與過(guò)零率雙門限端點(diǎn)檢測(cè)的方法,，最大限度地還原語(yǔ)音有效信號(hào),，為之后的特征提取和模式匹配提供良好的資源。

1小波去噪

　　小波去噪在處理非平穩(wěn)信號(hào)上有很大的優(yōu)勢(shì),，其中關(guān)鍵的步驟是閾值的選取,，這對(duì)于去噪的效果影響較大。

　　1.1小波變換

　　小波變換（Wavelet Transform,WT）是近幾十年發(fā)展起來(lái)的一種新的數(shù)學(xué)分析方法,，特別是近十幾年,，在很多領(lǐng)域都有廣泛的應(yīng)用。小波變換的實(shí)質(zhì)是由一個(gè)低通濾波器和一系列帶通濾波器組成,。它是短時(shí)傅里葉變換（STFT）的變化形式,，繼承和發(fā)展了局部化的思想,，具有多頻率分析、能夠聚焦到信號(hào)的細(xì)節(jié),，被稱作是“數(shù)學(xué)顯微鏡”［2］,。小波變換能隨信號(hào)頻率的改變而調(diào)整分析窗口大小，具有一定的自適應(yīng)性,，能夠解決很多Fourier不能解決的問(wèn)題,，特別是在非平穩(wěn)信號(hào)中，小波變換的優(yōu)勢(shì)更加突顯,。

　　1.2小波去噪原理

　　基于小波變換的優(yōu)勢(shì),，小波去噪成為小波變換重要的應(yīng)用之一。去噪的方法主要有：模具極大值檢測(cè)法,、相關(guān)性去噪,、閾值法,、平移不變量小波去噪法［3］,。其中閾值法運(yùn)用較為廣泛，其算法運(yùn)算量低,，易于實(shí)現(xiàn),，且效果很好。本文主要基于改進(jìn)的閾值法進(jìn)行去噪,。小波去噪分為3個(gè)過(guò)程,，其步驟可總結(jié)為［4］：（1)小波分解；（2)閾值處理,；（3)小波重構(gòu),。

　　小波閾值去噪主要有軟閾值和硬閾值法，它們都具有自己的優(yōu)缺點(diǎn),，通常采用兩者結(jié)合的方式對(duì)小波系數(shù)進(jìn)行估計(jì),。軟閾值和硬閾值法是1994年由Donoho在小波變換的基礎(chǔ)上提出的［5］。下面分別介紹它們以及本文改進(jìn)的閾值法,。

　?。?）硬閾值法和軟閾值法

　　硬閾值，當(dāng)小于等于閾值時(shí)將小波系數(shù)置零,，當(dāng)大于閾值時(shí)保持小波系數(shù)不變,，其閾值函數(shù)如式（1）：

　　j,k=wj,k|wj,k|≥λ

　　0|wj,k|<λ（1）

　　軟閾值，當(dāng)小于等于閾值時(shí)將小波系數(shù)置零,，當(dāng)大于閾值時(shí)對(duì)小波系數(shù)閾值進(jìn)行收縮處理,，其閾值函數(shù)如式(2)［6］：

　　上面的兩個(gè)公式中j,k為量化后的小波系數(shù)，wj,k為小波分解系數(shù),，λ為設(shè)定的閾值,。

　　對(duì)于上面的軟,、硬閾值，要根據(jù)具體的噪聲環(huán)境而做出選擇,，因此其閾值法具有一定的局限性,，不能很好地適用于強(qiáng)噪聲或復(fù)雜噪聲環(huán)境下?；谏厦骈撝岛瘮?shù)的缺陷,，本文提出了以下改進(jìn)的閾值法，使其能運(yùn)用到車載環(huán)境中,。

　?。?）本文改進(jìn)的閾值法

　　為了克服閾值法的缺點(diǎn)，本文采用如下的閾值函數(shù)進(jìn)行去噪:

　　 (j+1)為閾值;其中σ為噪聲標(biāo)準(zhǔn)差,，σ等于高頻系數(shù)的絕對(duì)中值,，σ=median（abs（D））,Nj為高頻系數(shù)的長(zhǎng)度。

2改進(jìn)的雙門限算法

　　由于雙門限算法簡(jiǎn)單可行,、復(fù)雜程度低,、運(yùn)算量小、實(shí)時(shí)性較好等,，很多學(xué)者或科研人員在其上改進(jìn)各種算法,。

　　2.1雙門限算法原理

　　語(yǔ)音信號(hào)一般可分為無(wú)聲段（靜音段）、清音段,、濁音段,，由于他們的能量是有一定區(qū)別的，顯然濁音段能量大于清音段,，清音段大于無(wú)聲段,，但在實(shí)際檢測(cè)過(guò)程中，由于噪聲以及清音段本身能量較低的特點(diǎn),，使得無(wú)聲段與清音段難以區(qū)分［7］,，所以還有一種信號(hào)特征用于其檢測(cè)，即短時(shí)過(guò)零率,。短時(shí)過(guò)零率表示信號(hào)穿過(guò)橫坐標(biāo)（零電平）的次數(shù),。短時(shí)能量和短時(shí)過(guò)零率函數(shù)定義分別為式（4）、式（5）：

　　對(duì)于上面式（4）和式（5）,，x（m）為語(yǔ)音信號(hào),，En為能量，h（n-m）為相關(guān)的濾波器,，Zn為過(guò)零率,。

　　2.2本文改進(jìn)的雙門限算法

　　語(yǔ)音開(kāi)始和結(jié)尾對(duì)于端點(diǎn)檢測(cè)至關(guān)重要，因?yàn)殚撝档脑O(shè)定要通過(guò)靜音段確定，而為了增強(qiáng)檢測(cè)的適應(yīng)性,，應(yīng)根據(jù)具體的噪聲環(huán)境確定能量閾值,，而不能單一運(yùn)用一個(gè)閾值到所有的信噪比環(huán)境下。通常需要通過(guò)能量的最大值max和最小值min來(lái)確定一個(gè)閾值,，即采用一種折中的方法選取閾值,。參考文獻(xiàn)［7］采用的是當(dāng)能量的最大值max比上能量的最小值min小于33.33時(shí)，閾值下限ITL設(shè)置為0.03max+0.97min,，反之ITL設(shè)置為4min,；閾值上限ITU設(shè)置為4ITL［8］。

　　由于低信噪比環(huán)境下以上雙門限算法有一定局限性,，端點(diǎn)檢測(cè)的效果很差,，通過(guò)大量的采集數(shù)據(jù)和實(shí)驗(yàn)，本文得出如下的改進(jìn)門限法,。設(shè)置能量閾值的上,、下限如式（6）所示：

　　ITL=1.45 IMM

　　ITU=1.55 ITL（6）

　　IMM為前15幀的能量幅值的平均值。

　　通過(guò)前面改進(jìn)的小波去噪方法提高了信噪比,，使得端點(diǎn)檢測(cè)識(shí)別率提高,，這樣在車載壞境下的特征提取和模式匹配準(zhǔn)確度會(huì)提高。下面給出實(shí)驗(yàn)結(jié)果,。

3實(shí)驗(yàn)結(jié)果

　　通過(guò)多次采集不同車載環(huán)境下的噪聲,，采用sym8小波，分解層數(shù)為5時(shí)效果比較明顯,。圖1給出了改進(jìn)小波去噪效果，分別在-5 db,、0 db,、5 db時(shí)的去噪效果比較，其橫坐標(biāo)為語(yǔ)音的采樣點(diǎn)數(shù),，縱坐標(biāo)為語(yǔ)音信號(hào)幅度值,。表1是幾種不同噪聲環(huán)境下輸出的SNR和MSE。

從表1中可以得出在低信噪比的環(huán)境下小波去噪發(fā)揮了它的優(yōu)勢(shì),。圖1幾種不同低信噪比條件下的去噪效果通過(guò)小波去噪后,，得到了更好的語(yǔ)音資源，此時(shí)將去噪后的語(yǔ)音進(jìn)行端點(diǎn)檢測(cè)會(huì)得到更好的效果［9］,，表2列出了不同信噪比情況下幾種不同環(huán)境下車載語(yǔ)音端點(diǎn)檢測(cè)結(jié)果,，從中可以看出，“我到北京去”這段語(yǔ)音相比于傳統(tǒng)的雙門限,，去噪以及改進(jìn)后的雙門限檢測(cè)效果更好,，其檢測(cè)率高于傳統(tǒng)雙門限檢測(cè)率，且沒(méi)有增加算法的運(yùn)算量,，使實(shí)時(shí)性得到保障,。從圖1和表1數(shù)據(jù)分析,，小波去噪在車載強(qiáng)噪音環(huán)境下效果較為明顯，改進(jìn)的雙門限檢測(cè)方法也具有一定適應(yīng)性,，能夠在車載多變的噪聲環(huán)境下進(jìn)行檢測(cè),。從表1可以看出，在車載高SNR條件下,，檢測(cè)效果有明顯的提升,；在低SNR下，雖然檢測(cè)效果有所下降,，但相比于傳統(tǒng)的檢測(cè)效果還是有所提升,。通過(guò)信噪比SNR和均方誤差MSE衡量語(yǔ)音去噪的效果，從表中可以看到降噪明顯,。通過(guò)表2的對(duì)比看出,，端點(diǎn)檢測(cè)率提高了，表明語(yǔ)音檢測(cè)的有效性,。

4結(jié)論

　　對(duì)于車載環(huán)境下,，噪聲是比較大、比較復(fù)雜的,，低SNR會(huì)使傳統(tǒng)雙門限檢測(cè)方法的識(shí)別率大大降低［10］,，對(duì)于這一缺點(diǎn)，本文首先采用了改進(jìn)小波去噪算法提高車載環(huán)境下的SNR,，再使用改進(jìn)的雙門限算法進(jìn)行端點(diǎn)檢測(cè),。從實(shí)驗(yàn)結(jié)果來(lái)看，失真不影響檢測(cè)效率,，且提高了檢測(cè)率,，證明本文算法切實(shí)可行。

參考文獻(xiàn)

　?。?］ 馬龍華,，郝燕玲.車載環(huán)境下語(yǔ)音識(shí)別方法研究［D］.哈爾濱：哈爾濱工程大學(xué)，2009.

　?。?］ 吳勇,，吳傳生.基于小波去噪研究方法［D］.武漢：武漢理工大學(xué)，2007.

　?。?］ 金寶龍,，李輝，趙乃杰,，等.一種新的小波閾值去噪算法［J］.彈箭與制導(dǎo)學(xué)報(bào),，2011，31(1):167-169.

　　［4］ 趙廣超,，肖斌,，國(guó)闖，等.小波分析理論與圖像降噪處理［J］.微型機(jī)與應(yīng)用.2011,30(19): 35-37.

　?。?］ 段永剛,，馬立元，李永軍,，等.基于小波分析的改進(jìn)軟閾值去噪算法［J］.科學(xué)技術(shù)與工程,，2010，10(23):5755-5658.

　?。?］ 楊岳飛,，劉輝，譚檢平.帶噪語(yǔ)音信號(hào)小波去噪算法研究［J］.計(jì)算機(jī)工程與應(yīng)用,，2015,，51(14):211-213.

　　［7］ 陳東鈺,，周萍.基于雙門限算法的語(yǔ)音端點(diǎn)檢測(cè)和聲韻母分離研究［J］.桂林電子科技大學(xué)學(xué)報(bào),，2011，31(6):481-482.

　?。?］ 劉慶升,，徐霄鵬，黃文浩.一種語(yǔ)音端點(diǎn)檢測(cè)的探究［J］.計(jì)算機(jī)工程,，2003,29(3):120-121.

　?。?］ 魯遠(yuǎn)耀，周妮,，肖珂,，等.強(qiáng)噪音環(huán)境下改進(jìn)的語(yǔ)音端點(diǎn)檢測(cè)算法［J］.計(jì)算機(jī)應(yīng)用,2014,34(5):1386-1390.

　　［10］ 劉華平,，李昕，徐柏齡,，等.語(yǔ)音信號(hào)端點(diǎn)檢測(cè)方法綜述及展望［J］.計(jì)算機(jī)應(yīng)用研究,2008,25(8):2278-2283.