一种改进的语音端点检测方法研究

王彪

（宝鸡文理学院 数学系，陕西 宝鸡 721013）

近些年来，语音信号处理技术已经发展的相当成熟。对语音信号进行各种分析处理之前，要首先从原始语音信号中找到有用的语音成分，即要确定有音段和无音段，这也正是语音端点检测工作的任务。因此，语音端点检测是语音分析、语音合成和语音识别等语音信号处理中的最初始、最基本的环节，也是最重要的环节[1]。

目前，比较常用的端点检测方法大多是传统方法，这些方法在较高的信噪比下均能给出较高的检出率，但是在低信噪比下却不够理想[2]。比如：基于短时能量的方法，基于短时过零率的方法，其中，前者在背景噪声较小时较为有效，而后者在背景噪声较大时较为有效。

为了能够较为准确的检查语音，以提高语音识别率，本文提出了一种改进的语音端点检测方法。在传统基于能量和过零率的端点检测方法基础上，再加入第三道门限——近似熵，即通过每帧信号的近似熵进一步区分有音段和无音段。最后通过仿真实验加以验证，改进的方法取得了较好的检测效果。

1 传统端点检测方法

基于能量和过零率的端点检测方法把语音短时能量和过零率结合起来，利用二者进行检测。该方法采用两级判别法，首先用语音的短时能量E判别，在此基础上再用过零率进行第二次判别。做第一级判别时，通常采用双门限方法。如图1所示，根据短时能量首先选择一个较高的门限R1，信号的能量大多在门限R1之上。……