[发明专利]一种针对受白噪声干扰语音信号的静音检测方法

说明书

技术领域

本发明属于数字语音信号处理技术领域，特别涉及一种针对受白噪声干扰语音信号的静音检测方法。

背景技术

语音交流是人类之间最常见也是最重要的一种信息交换方式，随着数字通信技术的发展，人和人之间通过数字通信系统而不是面对面进行语音沟通正在成为一种普遍的生活方式。语音信号在数字通信系统的传输过程中，不可避免会受到各类噪声信号的干扰，而白噪声是其中最常见的一种。

研究表明，人在通话过程中，活动语音信号段的时间仅占整个通话时间的35％到40％。静音检测(VAD)技术，是数字语音信号处理的一项重要技术，它通过采用各种算法检测出会话中的静默时间段和活动时间段，并根据检测结果对这两种信号采用不同的处理措施，从而提高语音信号处理的整体效果。因为静默时间段的信号只有噪声存在，而噪声的弱相关性使得对它们编码需要的比特数比活动时间段的信号要少得多。但如果噪声被检测为语音，话音激活因子将增加，静默压缩的优点将不能得到充分体现；如果语音被检测为噪声，重构语音的可懂度和自然度也将被削弱。

因此，准确识别噪声信号和语音信号对提高数字语音信号处理效果有重要的意义。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种针对受白噪声干扰语音信号的静音检测方法，该方法在噪声功率时变和低信噪比的情况下，对白噪声的检测分辨能保持非常高的准确性。

本发明的目的通过以下的技术方案实现：

一种针对受白噪声干扰语音信号的静音检测方法，包括以下步骤：

对待处理的数字语音信号流进行第一次分帧处理，得到第一次分帧信号；对第一次分帧信号进行频域FFT变换后取绝对值，然后利用小波框架进行分解，得到多个子信号；对多个子信号同时进行第二次分帧处理，分别得到第二次分帧信号；计算各个第二次分帧信号的能量大小；根据能量大小，利用分段阈值机制得到当前第一次分帧信号的静音检测结果。

具体的，步骤如下：

(1)对待处理的数字语音信号流r_[n]进行分帧处理，其中第k个分帧时域信号记为θ(k)，其包含512个元素；

(2)对分帧信号θ(k)进行频域FFT变换后取绝对值，然后利用下式的小波框架进行分解，得到3个子信号：

(3)对3个子信号同时进行以32个元素为单位的分帧处理，每个子信号得到8个分帧信号，计算这8个分帧信号的能量大小，分别记为P1＝[p_1,1,p_1,2,...,p_1,8]；P2＝[p_2,1,p_2,2,...,p_2,8]；P3＝[p_3,1,p_3,2,...,p_3,8]；

(4)令P＝[p₁,p₂,...,p₈]＝[p_1,1+p_2,1+p_3,1,p_1,2+p_2,2+p_3,2,,...,p_1,8+p_2,8+p_3,8,]，且定义：

(5)基于如下分段阈值机制对Δ(k,i)进行处理：

(6)得到第k个分帧信号的静音检测结果Φ(k)，若值为1，则表示分帧信号为语音帧，若值为0，则表示分帧信号为纯噪声帧：

优选的，步骤(5)中两个分段阈值t₁取0.4和t₂取0.65。

优选的，将步骤(6)中得到的静音检测结果作为当前子帧的初步结果，获取前面一段时间内M个子帧的判决结果Φ(k-M)、Φ(k-M+1)、...、Φ(k-1)，采用下列公式得到当前第k个分帧信号的最终判决结果：

这样，当前子帧的最终判决结果(是语音信号还是纯噪声信号)由前面一段时间的判决结果(M个子帧)和当前子帧的初步结果共同决策，保护浊音信号后面紧接的轻音信号不会被误判为噪声信号，具有平滑效果。同时判决结果出来后就反馈到前面一段时间的判决，形成一种递归决策机制。

优选的，在信号的前M个子帧的判决过程中假定前面已经有M个纯噪声帧。从而可以避免频繁切换语音有无状态给听者带来的不适，实现拖尾保护。