一种基于倒谱均值减的语音端点检测改进方法  

An Improved Speech Endpoint Detection Based on Cepstral Mean Subtraction

作　　者：王帛[1] 冯新喜[2] 余侃民[2] 朱必浩[2] 

机构地区：[1]中国人民解放军95971部队 [2]空军工程大学电讯工程学院

出　　处：《电光与控制》2011年第7期77-80,共4页Electronics Optics & Control

基　　金：中国人民解放军空军装备部科研基金项目(KJ09131)

摘　　要：端点检测是语音识别理论研究中的关键技术之一,为了提高语音端点检测方法的抗噪性和准确性,引入倒谱均值减(Cepstral Mean Subtraction,CMS)设计一种新的语音端点检测方法。在传统倒谱均值减算法的基础上,采用隐马尔可夫模型(Hidden Markov Model,HMM)提取最佳特征子集,利用二次分类对传统算法加以改进。针对语音信号清音部分与白噪声频谱特征极其相似,在检测中容易发生误识的问题,提出了加权平滑修正的解决方法,从一定程度上降低了检测中的分类误识率。最后,与传统端点检测方法进行性能比较,证明了该方法的有效性。Endpoint detection is one of the critical technologies in speech recognition.To improve the noise robustness and accuracy,a new endpoint detection method based on Cepstral Mean Subtraction（CMS） was designed.On the basis of original CMS algorithm,Hidden Markov Model（HMM） was adopted to extract the optimal feature subset and secondary classification is used to improve the classification quality.To reduce misrecognition due to the similarity between unvoiced sound and white noise in Cepstral feature,weighted smoothing algorithm was proposed in endpoint detection.The effectiveness of the algorithm was proved by comparison with the traditional method.

关 键 词：端点检测 倒谱均值减 加权平滑 语音识别 

分 类 号：V271.4[航空宇航科学与技术—飞行器设计] TN912.34[电子电信—通信与信息系统]