为提髙复杂噪声环境下语音信号端点检测的准确率，提岀一种基于梅尔频谱倒谱系数（MFCC）距离的多维特征语音信号端点检测算法。通过计算语音信号的MrcC距离，结合短时能量和短时过零率对特征距离进行修正，并更新其阈值，建立自适应噪声模型，实现复杂噪声中语音信号端点的准确检测。实验结果表明，与基于双限能量和基于倒谱距离的2种经典检测算法相比，在计算效率相同的条件下，该算法的检测准确率更高。
2022-08-05 11:43:02
1.23MB
1
分量和背景噪音的估值，为参考点判决阈值的选取做准备。接着检出语音信号大致的起止点作为实际起止点的参考点。然后利用汉语语音功率谱的特点，检测出实际的语音起止点。最
2022-08-03 22:00:45
508KB
1
基于MATLAB的基音周期估计包括端点检测算法、线性预测法、倒谱法、自相关法+含代码操作演示视频
运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。
2022-06-16 17:20:34
355KB
语音识别中双门限端点检测算法的研究，肖宜，，语音信号起止点的判别是任何一个语音识别系统必不可少的组成部分。有噪声的情况下，单纯用短时能量或者短时过零率不能准确检测出
2022-04-05 22:52:52
196KB
1
利用语音在语谱图中表现出的不同特征, 提出了一种基于语谱图的语音端点检测算法。首先利用基音频
率检测的原理在语谱图矩阵中搜索浊音段, 然后计算出浊音段的信噪比, 再根据信噪比和语谱图矩阵中浊音段的
峰值进行完整的端点检测。因多数突发噪声并没有稳定的频率或者频率不在人的基音频率范围内, 因此, 该算法能
够很好地抑制突发噪声的干扰, 实验结果表明, 在信噪比为 10 dB以上时该算法能够准确检测出语音的端点位置。
2021-08-04 17:34:05
615KB
1
语音端点检测是语音信号处理过程中的一个重要步骤，其检测准确性直接影响语音信号处理的速度和效果。传统的基于双门限法语言检测技术，在语音处于纯语音情况下判断语音端点较准确，但在语音处于噪声情况下，尤其是低信噪比的情况下，端点识别率很低，出错率很高。基于提高此方法识别率的目的，采用调整阈值个数，平滑滤波，引入语音结束最小长度的方法对其进行改进，通过了Matlab仿真实验，得出了较好的语音端点检测准确率。
2021-01-29 14:11:17
1.34MB
1