作者：桂。

時(shí)間：2017-05-31 ?17:43:22

鏈接：http://www.cnblogs.com/xingshansi/p/6925355.html?

---

前言

總結(jié)一下基本的有話幀檢測(cè)（Voice activity detection, VAD）技術(shù)，基于神經(jīng)網(wǎng)絡(luò)的待后面梳理完神經(jīng)網(wǎng)絡(luò)的理論后再作整理。

一、雙門限

這是一種Boosting的思路，即：兩個(gè)弱分類器可以組合更強(qiáng)的分類器，依次類推，三、四門限其實(shí)都可。每一種門限對(duì)應(yīng)一種判決準(zhǔn)則。

基本的雙門限：短時(shí)能量+短時(shí)過(guò)零率，其原理是元音能量較大，用短時(shí)平均能量檢測(cè)，輔音頻率較高，用短時(shí)平均過(guò)零率檢測(cè)。

考慮到噪聲的影響，通常作平滑處理。如：中值濾波，medfilt.

二、相關(guān)

該算法通過(guò)計(jì)算信號(hào)的相關(guān)系數(shù)，主要利用信號(hào)、噪聲相關(guān)系數(shù)的差異性。依次擴(kuò)展的方法包括：1）最大端點(diǎn)檢測(cè);2）利用相關(guān)函數(shù)的歸一化R，主/副峰比值;3)音頻的相關(guān)函數(shù)具有一定的周期性，可以轉(zhuǎn)換成余弦求解→自相關(guān)函數(shù)余弦角值的端點(diǎn)檢測(cè)。

三、方差

語(yǔ)音與噪聲在頻譜域中差異大，有話幀：隨頻帶變化較大，噪聲變化較小，此類方法推廣的應(yīng)用：1）均勻子帶劃分;2）Bark子帶劃分;3)小波包Bark子帶。

四、譜熵

熵是衡量不確定性的量度，噪聲在頻譜分布較均勻，熵較大;語(yǔ)音分布不均勻，熵較小，歸一化的能量得到概率密度，依此計(jì)算出熵，利用該原理可以實(shí)現(xiàn)VAD檢測(cè)。

五、能零比和能熵比

能零比：短時(shí)能量與短時(shí)過(guò)零率的比值;

能熵比：短時(shí)能量與譜熵的比值。

六、其他方法

EMD的端點(diǎn)檢測(cè)，本質(zhì)是降噪+VAD檢測(cè)，丟棄EMD分解的高頻分量，對(duì)剩余的IMF分量進(jìn)行VAD檢測(cè)。

小波變換與基于EMD的方法大同小異。

總結(jié)

以上是生活随笔為你收集整理的常用有话帧检测技术（VAD）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。