周妙琪，方福海，李婷，李軍成

（湖南人文科技學(xué)院 數(shù)學(xué)與金融學(xué)院，湖南 婁底 417000）

0 引言

在聲源定位研究中，為了提高聲源定位的準(zhǔn)確性，通常需要研究聲源的端點(diǎn)以幫助確定聲源的位置，因此語(yǔ)音端點(diǎn)檢測(cè)是聲源定位研究中一個(gè)很重要的課題，它在人工智能、語(yǔ)音處理、通信系統(tǒng)、公安偵查等方面都有重要應(yīng)用。

語(yǔ)音端點(diǎn)檢測(cè)又被稱(chēng)為語(yǔ)音活動(dòng)檢測(cè)（Voice Activity Detection，VAD），是一種通過(guò)判定語(yǔ)音的起止點(diǎn)區(qū)分語(yǔ)音和非語(yǔ)音信號(hào)的檢測(cè)技術(shù)。語(yǔ)音端點(diǎn)檢測(cè)的方法有很多，如能零比法、頻帶方差法、譜熵法、雙門(mén)限法、人工神經(jīng)網(wǎng)絡(luò)法等。在真實(shí)環(huán)境的聲源定位中，噪聲不可避免，為了提高目標(biāo)聲音采集與運(yùn)用的效率，可首先利用降噪算法對(duì)語(yǔ)音進(jìn)行降噪處理。目前，聲源定位中的語(yǔ)音降噪的方法有很多，較為典型的有譜減法、維納濾波法、子空間法等。

在語(yǔ)音端點(diǎn)檢測(cè)方法中，雙門(mén)限法較為常見(jiàn)，該算法在語(yǔ)音不含噪聲時(shí)效果比較理想，但當(dāng)語(yǔ)音含有噪聲時(shí)容易失效。而在語(yǔ)音降噪算法中，子空間法是一種有效的方法，它能將噪聲部分減弱，凸顯語(yǔ)音部分，從而改進(jìn)語(yǔ)音質(zhì)量，使之更符合人耳的聽(tīng)覺(jué)感受。為了使雙門(mén)限法在噪聲環(huán)境中也能取得較好的端點(diǎn)檢測(cè)結(jié)果，本文首先利用子空間法對(duì)帶噪語(yǔ)音進(jìn)行降噪處理，然后再采用雙門(mén)限法進(jìn)行語(yǔ)音端點(diǎn)檢測(cè)，為聲源定位中的含噪語(yǔ)音端點(diǎn)檢測(cè)提供一種手段。

1 算法描述

1.1 子空間語(yǔ)音降噪算法的基本原理

子空間法[11-12]首先將語(yǔ)音信號(hào)的向量空間分解為信號(hào)子空間和噪聲子空間，然后將帶噪語(yǔ)音進(jìn)行KLT（Karhunen-Loeve Transform）變換，消除其噪聲子空間并保留信號(hào)子空間，從而估計(jì)出干凈語(yǔ)音，最后通過(guò)逆KLT變換得到降噪后的語(yǔ)音。子空間法的步驟可描述為：

Step.1將語(yǔ)音信號(hào)的向量空間分解為信號(hào)子空間x和噪聲子空間v，語(yǔ)音信號(hào)可以表示為y=x+v。

Step.2對(duì)干凈語(yǔ)音x的線(xiàn)性估計(jì)為x=Hy，根據(jù)有約束的優(yōu)化問(wèn)題求得最優(yōu)線(xiàn)性濾波器Hopt。

Step.3將含噪的觀測(cè)語(yǔ)音變換到KLT域，得到KLT系數(shù)。

Step.4根據(jù)干凈語(yǔ)音在KLT域的稀疏性對(duì)KLT系數(shù)進(jìn)行加權(quán)處理，得到稀疏化的干凈語(yǔ)音的KLT系數(shù)估計(jì)值。

Step.5最后通過(guò)逆KLT變換得到降噪后的語(yǔ)音Hopty。

1.2 雙門(mén)限語(yǔ)音端點(diǎn)檢測(cè)算法的基本原理

雙門(mén)限法[1-2]最初是基于短時(shí)平均能量和短時(shí)平均過(guò)零率這兩個(gè)參數(shù)提出的，其原理是漢語(yǔ)的韻母中元音的能量較大，所以可以由短時(shí)能量找到音節(jié)中的韻母，而聲母是輔音，頻率較高，相對(duì)應(yīng)的平均過(guò)零率較大，所以可以用平均過(guò)零率找到聲母，于是利用這兩個(gè)特征就能找出完整的漢字音節(jié)[3-7]。

雙門(mén)限法利用二級(jí)判決判定聲音的起止點(diǎn)，第一級(jí)判決：在輸入語(yǔ)音信號(hào)的短時(shí)能量包絡(luò)線(xiàn)上選取一個(gè)較高的閾值（門(mén)限值）T2進(jìn)行一次粗判，能量高于T2的肯定是聲音信號(hào)，語(yǔ)音的起止點(diǎn)位置應(yīng)在該門(mén)限值與短時(shí)能量包絡(luò)交點(diǎn)的時(shí)間點(diǎn)以外。再在短時(shí)平均能量上確定一個(gè)較低的閾值（門(mén)限值）T1，并從兩端往外搜索，分別找到短時(shí)能量包絡(luò)與T1相交的兩個(gè)點(diǎn)，于是這兩個(gè)點(diǎn)就是用雙門(mén)限法根據(jù)短時(shí)能量所判定的語(yǔ)音段的起止點(diǎn)；第二級(jí)判決：再以短時(shí)平均過(guò)零率為準(zhǔn)，從一級(jí)判決的兩點(diǎn)的兩端往外搜索，找到短時(shí)平均過(guò)零率低于某個(gè)閾值（門(mén)限值）T3的兩個(gè)點(diǎn)，這便是輸入語(yǔ)音段的起止點(diǎn)。

整個(gè)語(yǔ)音端點(diǎn)檢測(cè)可以分為4段：靜音、過(guò)渡段、語(yǔ)音段、結(jié)束。在靜音段，如果短時(shí)能量或過(guò)零率超越了低門(mén)限，就開(kāi)始標(biāo)記起點(diǎn)，進(jìn)入過(guò)渡段。在過(guò)渡段中，由于參數(shù)的數(shù)值比較小，不能確信是否處于真正的語(yǔ)音段，因此只要兩個(gè)參數(shù)的數(shù)值回落到低門(mén)限以下，就將當(dāng)前狀態(tài)恢復(fù)到靜音狀態(tài)，而如果過(guò)渡段中兩個(gè)參數(shù)都超過(guò)了高門(mén)限，則確定進(jìn)入了語(yǔ)音段，即檢測(cè)到語(yǔ)音起點(diǎn)。雙門(mén)限法端點(diǎn)檢測(cè)的步驟為：

Step.1 語(yǔ)音輸入，采集輸入語(yǔ)音信號(hào)序列x，得出語(yǔ)音信號(hào)時(shí)域波形，設(shè)n=0。

Step.2 設(shè)置合適的幀長(zhǎng)和幀移對(duì)語(yǔ)音信號(hào)進(jìn)行分幀處理，計(jì)算出幀數(shù)。根據(jù)時(shí)域波形圖估算前導(dǎo)無(wú)話(huà)段時(shí)長(zhǎng)，計(jì)算出前導(dǎo)無(wú)語(yǔ)段幀數(shù)。

Step.3 求取短時(shí)平均能量和短時(shí)平均過(guò)零率，再計(jì)算前導(dǎo)無(wú)話(huà)段的短時(shí)能量和短時(shí)過(guò)零率的平均值。

Step.4 依據(jù)前導(dǎo)無(wú)話(huà)段的短時(shí)能量和短時(shí)過(guò)零率的倍數(shù)來(lái)設(shè)置短時(shí)能量和短時(shí)過(guò)零率的閾值（即門(mén)限值）T1、T2、T3進(jìn)行端點(diǎn)檢測(cè)。

Step.5 測(cè)量短時(shí)平均能量CN大于T1且短時(shí)平均過(guò)零率大于T3時(shí)則則標(biāo)記為有效語(yǔ)音，否則為無(wú)效語(yǔ)音。

Step.6 當(dāng)檢測(cè)為有效語(yǔ)音時(shí)n=n+1，判斷當(dāng)n≥3時(shí)，則標(biāo)記為有效語(yǔ)音和無(wú)效語(yǔ)音的起點(diǎn)或者終點(diǎn)[8-10]。

1.3 本文的算法步驟

當(dāng)語(yǔ)音不含噪聲時(shí)，雙門(mén)限法能取得較好的端點(diǎn)檢測(cè)效果，但當(dāng)語(yǔ)音含有噪聲時(shí)其端點(diǎn)檢測(cè)效果較差。為了對(duì)含噪語(yǔ)音的端點(diǎn)進(jìn)行有效檢測(cè)，本文首先利用子空間法對(duì)含噪語(yǔ)音進(jìn)行降噪處理，再利用雙門(mén)限法進(jìn)行端點(diǎn)檢測(cè)，這樣使得雙門(mén)限法在語(yǔ)音含有噪聲的情形下仍能較好地使用。本文的算法步驟如圖1所示。

圖1 本文算法步驟

2 仿真實(shí)驗(yàn)與對(duì)比分析

本文的仿真實(shí)驗(yàn)利用MATLAB進(jìn)行，首先分別在純凈語(yǔ)音中添加white噪聲、volvo噪聲、pink噪聲，然后分別利用雙門(mén)限法和本文算法對(duì)含噪語(yǔ)言進(jìn)行端點(diǎn)檢測(cè)，并對(duì)結(jié)果進(jìn)行對(duì)比分析。

第1組實(shí)驗(yàn)將時(shí)長(zhǎng)為2s的純凈男聲語(yǔ)音“上海開(kāi)放港口”分別添加信噪比為0dB的white噪聲、volvo噪聲、pink噪聲，分別利用雙門(mén)限法和本文算法對(duì)含噪語(yǔ)言進(jìn)行端點(diǎn)檢測(cè)的結(jié)果如圖2所示，其中實(shí)線(xiàn)表示語(yǔ)音字節(jié)的起始點(diǎn)，虛線(xiàn)表示語(yǔ)音字節(jié)的終止點(diǎn)[11-12]。

圖2 第1組實(shí)驗(yàn)的結(jié)果對(duì)比

由圖2可知，本文算法的語(yǔ)言端點(diǎn)檢測(cè)效果明顯要好于雙門(mén)限法。為了定量比較雙門(mén)限法與本文算法，本文利用準(zhǔn)確率或查準(zhǔn)率（PRC）、查全率（RCL）和綜合性能測(cè)度（F-measure）對(duì)兩種算法的語(yǔ)言端點(diǎn)檢測(cè)效果進(jìn)行評(píng)價(jià)，三個(gè)參數(shù)的定義為[13]

其中，M表示檢測(cè)出的正確語(yǔ)音分割點(diǎn)數(shù)，A表示檢測(cè)出的總分割點(diǎn)數(shù)，N表示實(shí)際語(yǔ)音分割點(diǎn)數(shù)。一般地，PRC、RCL、F值越大，表明算法的效果越好。分別利用雙門(mén)限法和本文算法對(duì)含噪語(yǔ)言進(jìn)行端點(diǎn)檢測(cè)的效果評(píng)價(jià)結(jié)果如表1所示。

表1 第1組實(shí)驗(yàn)的檢測(cè)效果評(píng)估結(jié)果

由表1可知，在第1組實(shí)驗(yàn)中，對(duì)于添加三種不同噪聲的語(yǔ)音，本文算法的PRC、RCL、F值都要明顯大于雙門(mén)限法，這表明本文算法的語(yǔ)音端點(diǎn)檢測(cè)效果明顯優(yōu)于雙門(mén)限法。

第2組實(shí)驗(yàn)將時(shí)長(zhǎng)為4s的純凈男聲語(yǔ)音“我國(guó)的地勢(shì)，西北高，東南低”分別添加信噪比為0dB的white噪聲、volvo噪聲、pink噪聲，分別利用雙門(mén)限法和本文算法對(duì)含噪語(yǔ)言進(jìn)行端點(diǎn)檢測(cè)的結(jié)果如圖3所示，其中實(shí)線(xiàn)表示語(yǔ)音字節(jié)的起始點(diǎn)，虛線(xiàn)表示語(yǔ)音字節(jié)的終止點(diǎn)。

圖3 第2組實(shí)驗(yàn)的結(jié)果對(duì)比

由圖3可知，本文算法的語(yǔ)言端點(diǎn)檢測(cè)效果也要明顯好于雙門(mén)限法。為了定量比較雙門(mén)限法與本文算法，分別利用PRC、RCL和F值對(duì)兩種算法進(jìn)行效果評(píng)價(jià)，結(jié)果如表2所示。

表2 第2組實(shí)驗(yàn)的檢測(cè)效果評(píng)估結(jié)果

由表2也可知，在第2組實(shí)驗(yàn)中，對(duì)于添加三種不同噪聲的語(yǔ)音，本文算法的語(yǔ)音端點(diǎn)檢測(cè)效果優(yōu)于雙門(mén)限法[13]。

3 結(jié)論

本文將子空間降噪算法與雙門(mén)限法結(jié)合起來(lái)，使得雙門(mén)限端點(diǎn)檢測(cè)算法在含有噪聲的環(huán)境下也能正常檢測(cè)，該算法從語(yǔ)音降噪和特征提取兩方面很好的解決了不同環(huán)境噪聲的語(yǔ)音端點(diǎn)檢測(cè)問(wèn)題。實(shí)驗(yàn)結(jié)果表明，本文算法提高了聲源定位中語(yǔ)音端點(diǎn)檢測(cè)的準(zhǔn)確率和查全率，相較于雙門(mén)限端點(diǎn)檢測(cè)算法，其準(zhǔn)確性更高。