專利名稱：一種基于隱半馬爾可夫模型的噪聲魯棒的語音檢測方法
專利說明一種基于隱半馬爾可夫模型的噪聲魯棒的語音檢測方法 發(fā)明領(lǐng)域 本發(fā)明涉及一種在噪聲環(huán)境下語音信號處理范疇下，基于隱半馬爾可夫模型的噪聲魯棒的語音檢測方法。

背景技術(shù)：
語音檢測用于檢測信號中語音部分和噪聲部分，已經(jīng)在語音編碼、傳輸、語音增強(qiáng)以及語音識別等領(lǐng)域廣泛使用?；诮y(tǒng)計(jì)模型的方法目前也取得了較好的檢測效果，但這些方法在不同噪聲類型、不同信噪比環(huán)境下檢測效果波動較大。而在實(shí)際的應(yīng)用中，噪聲環(huán)境是多樣的、不可避免的，因此噪聲魯棒性成為目前語音檢測的熱點(diǎn)。提出適應(yīng)不同噪聲環(huán)境的魯棒的語音檢測算法，對于語音編碼、增強(qiáng)、識別等應(yīng)用都具有重要意義。


發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題噪聲環(huán)境下傳統(tǒng)語音檢測缺乏魯棒性，提供一種在不同信噪比、不同噪聲環(huán)境下，基于隱半馬爾可夫模型的噪聲魯棒的語音檢測方法。
本發(fā)明采用的技術(shù)方案一種基于隱半馬爾可夫模型的噪聲魯棒的語音檢測方法，其特征在于步驟如下 (1)建立包含語音及非語音兩個狀態(tài)Q＝{q0，q1}的隱半馬爾可夫模型λ＝(A，B，π，τ)，其中 q0為非語音，q1為語音； A＝{aij}，i，j＝0，1為狀態(tài)qi，qj轉(zhuǎn)移概率； B＝{bi(Ot)}，i＝0，1；t＞0為輸入信號DCT變換系數(shù)Ot＝{o1，o2，...，oK}，K＞0在給定狀態(tài)qi下條件分布概率bi(Ot)＝P(Ot|qi)，其中o1，o2，...，oK相互獨(dú)立； π＝{πi}，i＝0，1；πi＞0為狀態(tài)qi先驗(yàn)分布概率； τ＝{P(d|qi)}，i＝0，1；d＞0為狀態(tài)qi持續(xù)d的概率； (2)依據(jù)訓(xùn)練數(shù)據(jù)集統(tǒng)計(jì)結(jié)果初始化對隱半馬爾可夫模型中狀態(tài)的先驗(yàn)分布概率π＝{πi}、狀態(tài)持續(xù)時(shí)間分布Weibull的參數(shù)(ki，ωi)，信號幀序號t＝0； (3)若輸入語音S信號為空，結(jié)束；否則，對S進(jìn)行DCT變換

t＝t+1； (4)若t＜P，判定當(dāng)前信號為噪聲VAD＝0，轉(zhuǎn)(3)；若t＝P，估計(jì)給定狀態(tài)下輸入信號DCT變換系數(shù)Ot分布的Gauss參數(shù)(μiG，σi)和Laplace參數(shù)(μiL，li)，計(jì)算前P幀的似然比LRTt，初始化似然比檢驗(yàn)閾值η，判定當(dāng)前信號為噪聲VAD＝0，轉(zhuǎn)(3)；若t＞P，計(jì)算似然比LRTt，若LRTt≥η則判定當(dāng)前信號為語音VAD＝1，若LRTt＜η則判定當(dāng)前信號為噪聲VAD＝0，轉(zhuǎn)(5)； (5)調(diào)整給定狀態(tài)下DCT變換系數(shù)Ot分布的Gauss參數(shù)(μiG，σi)及Laplace參數(shù)(μiL，li)，更新似然比檢驗(yàn)閾值η；轉(zhuǎn)(3)。
根據(jù)本發(fā)明的又一個方面，其中步驟(1)又進(jìn)一步包括 依據(jù)訓(xùn)練數(shù)據(jù)集統(tǒng)計(jì)結(jié)果，確定 (1)a00＝a11＝0，a10＝a01＝1； (2)對q0，b0(oit)為Gauss分布 (3)對q1，b1(oit)為分布 其中 (4)對q0及q1，P(d|qi)為Weibull分布 根據(jù)本發(fā)明的又一個方面，其中步驟(2)又進(jìn)一步包括 (a)依據(jù)訓(xùn)練集中標(biāo)記數(shù)據(jù)統(tǒng)計(jì)噪聲持續(xù)時(shí)間頻數(shù)F0及語音持續(xù)時(shí)間頻數(shù)F1； (b)由Fi近似W(d；ki，ωi)參數(shù)(ki，ωi)的最大似然估計(jì)； (c)隱半馬爾可夫模型中狀態(tài)的先驗(yàn)分布概率
根據(jù)本發(fā)明的又一個方面，其中步驟(4)又進(jìn)一步包括 (a)計(jì)算前向變量αit，i＝0，1 若t＝1， 若t＞1， (b)計(jì)算似然比 (c)t＝P時(shí)，由輸入信號前P幀的DCT變換系數(shù)Ot，其中P＞0，1≤t≤P，估計(jì)B分布的參數(shù)(μiG，σi)及(μiL，li)為 其中P，R為常數(shù)； (d)t＝P時(shí)，由輸入信號前P幀的DCT變換系數(shù)Ot，其中P＞0，1≤t≤P，估計(jì)似然比檢驗(yàn)閾值為
根據(jù)本發(fā)明的又一個方面，其中步驟(5)又進(jìn)一步包括 (a)若當(dāng)前幀判定為噪音，調(diào)整參數(shù)(μiG，σi)及閾值η η＝ρ0η+(1-ρ0)LRTt 否則調(diào)整參數(shù)(μiL，li)及閾值η η＝ρ1η+(1-ρ1)LRTt 其中0＜ρ0，ρ1＜1為更新常數(shù)；


圖1為本發(fā)明方法基本流程圖。

具體實(shí)施例方式 下面參考附圖，對本發(fā)明的實(shí)施例進(jìn)行詳細(xì)的說明。
首先對本發(fā)明的原理進(jìn)行說明。
人類發(fā)聲機(jī)制是聲帶受到一定的外力產(chǎn)生震動，并經(jīng)其后一系列的共鳴器官協(xié)調(diào)形成。因此整個發(fā)聲過程可以認(rèn)為是一個生命周期，受人類器官自身特性的約束，發(fā)聲的生命周期可以認(rèn)為存在一定的統(tǒng)計(jì)規(guī)律。而這種統(tǒng)計(jì)規(guī)律通常是噪聲魯棒的，即人類的發(fā)聲可以認(rèn)為不受環(huán)境中噪聲的影響，因此準(zhǔn)確描述這種統(tǒng)計(jì)規(guī)律，將使得噪聲環(huán)境下語音活動建模更加符合實(shí)際情況，提高了語音檢測的噪聲魯棒性。工程上常使用Birnbaum-Saunders分布及Weibull分布描述生命周期。
具體而言，本發(fā)明所提出的方法基本流程如圖1所示。
本發(fā)明主要包括的核心思想對輸入聲音信號建立隱半馬爾可夫模型；通過訓(xùn)練數(shù)據(jù)集檢驗(yàn)?zāi)Ｐ蜕婕胺植嫉念愋?，并利用該?shù)據(jù)集以及輸入聲音信號前若干幀估計(jì)模型中涉及的參數(shù)；通過似然比檢驗(yàn)進(jìn)行語音檢測；其后動態(tài)更新模型參數(shù)及似然比檢驗(yàn)閾值。
本發(fā)明的算法描述如下 1.建立包含語音及非語音兩個狀態(tài)Q＝{q0，q1}的隱半馬爾可夫模型λ＝(A，B，π，τ)，其中q0為非語音，q1為語音； A＝{aij}，i，j＝0，1為狀態(tài)qi，qj轉(zhuǎn)移概率； B＝{bi(Ot)}，i＝0，1；t＞0為輸入信號DCT變換系數(shù)Ot＝{o1，o2，...，oK)，在給定狀態(tài)qi下條件分布概率bi(Ot)＝P(Ot|qi)，其中o1，o2，...，oK相互獨(dú)立； π＝{πi}，i＝0，1；πi＞0為狀態(tài)qi先驗(yàn)分布概率； τ＝{P(d|qi)}，i＝0，1；d＞0為狀態(tài)qi持續(xù)d的概率； 依據(jù)TIMIT訓(xùn)練數(shù)據(jù)集統(tǒng)計(jì)結(jié)果發(fā)現(xiàn)模型涉及的分布類型如下 (1)a00＝a11＝0，a10＝a01＝1； (2)對q0，b0(oit)為Gauss分布 (3)對q1，b1(oit)為分布 其中 (4)對q0及q1，P(d|qi)為Weibull分布 依據(jù)訓(xùn)練數(shù)據(jù)集統(tǒng)計(jì)結(jié)果初始化對隱半馬爾可夫模型中狀態(tài)的先驗(yàn)分布概率π＝{πi}、狀態(tài)持續(xù)時(shí)間分布的參數(shù)(ki，ωi)，信號幀序號t＝0；方法如下 (a)依據(jù)訓(xùn)練集中標(biāo)記數(shù)據(jù)統(tǒng)計(jì)噪聲持續(xù)時(shí)間頻數(shù)F0及語音持續(xù)時(shí)間頻數(shù)F1； (b)由Fi近似W(d；ki，ωi)參數(shù)(ki，ωi)的最大似然估計(jì)； (c)隱半馬爾可夫模型中狀態(tài)的先驗(yàn)分布概率
3.若輸入語音S信號為空，結(jié)束；否則，對S進(jìn)行DCT變換

t＝t+1； 4.若t＜P，判定當(dāng)前信號為噪聲VAD＝0，轉(zhuǎn)(3)；若t＝P，估計(jì)給定狀態(tài)下輸入信號DCT變換系數(shù)Ot分布的參數(shù)(μiG，σi)和(μiL，li)，計(jì)算前P幀的似然比LRTt，初始化似然比檢驗(yàn)閾值η，判定當(dāng)前信號為噪聲VAD＝0，轉(zhuǎn)(3)；若t＞P，計(jì)算似然比LRTt，若LRTt≥η則判定當(dāng)前信號為語音VAD＝1，若LRTt＜η則判定當(dāng)前信號為噪聲VAD＝0，轉(zhuǎn)(5)；方法如下 (a)計(jì)算前向變量αit，i＝0，1 若t＝1， 若t＞1， (b)計(jì)算似然比 (c)t＝P時(shí)，由輸入信號前P幀的DCT變換系數(shù)Ot，其中P＞0，1≤t≤P，估計(jì)B分布的參數(shù)(μiG，σi)及(μiL，li)為 其中P，R為常數(shù)； (d)t＝P時(shí)，由輸入信號前P幀的DCT變換系數(shù)Ot，其中P＞0，1≤t≤P，估計(jì)似然比檢驗(yàn)閾值為
5.調(diào)整給定狀態(tài)下DCT變換系數(shù)Ot分布的參數(shù)(μiG，σi)及(μiL，li)，更新似然比檢驗(yàn)閾值η；轉(zhuǎn)(3)；方法如下 (a)若當(dāng)前幀判定為噪音，調(diào)整參數(shù)(μiG，σi)及閾值η η＝ρ0η+(1-ρ0)LRTt 否則調(diào)整參數(shù)(μiL，li)及閾值η η＝ρ1η+(1-ρ1)LRTt 其中ρ0，ρ1為常數(shù)； 在NOIZEUS數(shù)據(jù)集的語音檢測實(shí)驗(yàn)中，常數(shù)P＝15，R＝20，ρ0＝0.99，ρ1＝0.79； 實(shí)驗(yàn)數(shù)據(jù)如下表所示
可以看到，本發(fā)明在多種噪聲環(huán)境下取得效果幾乎一致，且大多數(shù)情況優(yōu)于國際標(biāo)準(zhǔn)的G.729B及AMR2。
綜上所述，根據(jù)上述方法即檢測噪聲環(huán)境下輸入信號中的語音幀和噪音幀。
對于本領(lǐng)域的普通技術(shù)人員來說可顯而易見的得出其他優(yōu)點(diǎn)和修改。因此，具有更廣方面的本發(fā)明并不局限于這里所示出的并且所描述的具體說明及示例性實(shí)施例。因此，在不脫離由隨后權(quán)利要求及其等價(jià)體所定義的一般發(fā)明構(gòu)思的精神和范圍的情況下，可對其作出各種修改。
權(quán)利要求
1.基于隱半馬爾可夫模型的噪聲魯棒的語音檢測方法，其特征在于步驟如下
(1)建立包含語音及非語音兩個狀態(tài)Q＝{q0，q1}的隱半馬爾可夫模型λ＝(A，B，π，τ)，其中
q0為非語音，q1為語音；
A＝{aij}，i，j＝0，1為狀態(tài)qi，qj轉(zhuǎn)移概率；
B＝{bi(Ot)}，i＝0，1；t＞0為輸入信號DCT變換系數(shù)Ot＝{o1，o2，...，oK}，K＞0在給定狀態(tài)qi下條件分布概率bi(Ot)＝P(Ot|qi)，其中o1，o2，...，oK相互獨(dú)立；
π＝{πi}，i＝0，1；πi＞0為狀態(tài)qi先驗(yàn)分布概率；
τ＝{P(d|qi)}，i＝0，1；d＞0為狀態(tài)qi持續(xù)d的概率；
(2)依據(jù)訓(xùn)練數(shù)據(jù)集統(tǒng)計(jì)結(jié)果初始化對隱半馬爾可夫模型中狀態(tài)的先驗(yàn)分布概率π＝{πi}、狀態(tài)持續(xù)時(shí)間分布Weibull的參數(shù)(ki，ωi)，信號幀序號t＝0；
(3)若輸入語音S信號為空，結(jié)束；否則，對S進(jìn)行DCT變換
t＝t+1；
(4)若t＜P，判定當(dāng)前信號為噪聲VAD＝0，轉(zhuǎn)(3)；若t＝P，估計(jì)給定狀態(tài)下輸入信號DCT變換系數(shù)Ot分布的Gauss參數(shù)(μiG，σi)和Laplace參數(shù)(μiL，li)，計(jì)算前P幀的似然比LRTt，初始化似然比檢驗(yàn)閾值η，判定當(dāng)前信號為噪聲VAD＝0，轉(zhuǎn)(3)；若t＞P，計(jì)算似然比LRTt，若LRTt≥η則判定當(dāng)前信號為語音VAD＝1，若LRTt＜η則判定當(dāng)前信號為噪聲VAD＝0，轉(zhuǎn)(5)；
(5)調(diào)整給定狀態(tài)下DCT變換系數(shù)Ot分布的Gauss參數(shù)(μiG，σi)及Laplace參數(shù)(μiL，li)，更新似然比檢驗(yàn)閾值η；轉(zhuǎn)(3)。
2.根據(jù)權(quán)利要求1的基于隱半馬爾可夫模型的噪聲魯棒的語音檢測方法，其特征在于所述的步驟(1)進(jìn)一步包括
依據(jù)訓(xùn)練數(shù)據(jù)集統(tǒng)計(jì)結(jié)果，確定
(1.1)a00＝a11＝0，a10＝a01＝1；
(1.2)對q0，b0(oit)為Gauss分布
(1.3)對q1，b1(oit)為分布
其中
(1.4)對q0及q1，P(d|qi)為Weibull分布
3.根據(jù)權(quán)利要求1的基于隱半馬爾可夫模型的噪聲魯棒的語音檢測方法，其特征在于所述的步驟(2)進(jìn)一步包括
(2.1)依據(jù)訓(xùn)練集中標(biāo)記數(shù)據(jù)統(tǒng)計(jì)噪聲持續(xù)時(shí)間頻數(shù)F0及語音持續(xù)時(shí)間頻數(shù)F1；
(2.2)由Fi近似W(d；ki，ωt)參數(shù)(ki，ωi)的最大似然估計(jì)；
(2.3)隱半馬爾可夫模型中狀態(tài)的先驗(yàn)分布概率
4.根據(jù)權(quán)利要求1的基于隱半馬爾可夫模型的噪聲魯棒的語音檢測方法，其特征在于所述的步驟(4)進(jìn)一步包括
(4.1)計(jì)算前向變量αit，i＝0，1
若t＝1，
若t＞1，
(4.2)計(jì)算似然比
(4.3)t＝P時(shí)，由輸入信號前P幀的DCT變換系數(shù)Ot，其中P＞0，1≤t≤P，估計(jì)B分布的參數(shù)(μiG，σi)及(μiL，li)為
其中P，R為常數(shù)；
(4.4)t＝P時(shí)，由輸入信號前P幀的DCT變換系數(shù)Ot，其中P＞0，1≤t≤P，估計(jì)似然比檢驗(yàn)閾值為
5.根據(jù)權(quán)利要求1的基于隱半馬爾可夫模型的噪聲魯棒的語音檢測方法，其特征在于所述的步驟(5)進(jìn)一步包括
(5.1)若當(dāng)前幀判定為噪音，調(diào)整參數(shù)(μiG，σi)及閾值η
η＝ρ0η+(1-ρ0)LRTt
否則調(diào)整參數(shù)(μiL，li)及閾值η
η＝ρ1η+(1-ρ1)LRTt
其中0＜ρ0，ρ1＜1為更新常數(shù)。
全文摘要
一種基于隱半馬爾可夫模型的噪聲魯棒的語音檢測方法(1)建立隱半馬爾可夫模型λ＝(A，B，π，τ)；(2)隱半馬爾可夫模型λ中π，τ的參數(shù)初始化；(3)對非空輸入信號進(jìn)行DCT變換；(4)利用前若干幀輸入信號及似然比分別估計(jì)B的參數(shù)和似然比檢驗(yàn)閾值，進(jìn)行似然比檢驗(yàn)，完成語音檢測；(5)動態(tài)調(diào)整B的參數(shù)及似然比檢驗(yàn)閾值。本發(fā)明根據(jù)語音及噪音的時(shí)延特征，動態(tài)調(diào)整模型參數(shù)及檢驗(yàn)閾值，利用似然比檢驗(yàn)進(jìn)行語音檢測，實(shí)現(xiàn)了噪聲魯棒的實(shí)時(shí)語音檢測。
文檔編號G10L15/14GK101807397SQ20101011753
公開日2010年8月18日 申請日期2010年3月3日 優(yōu)先權(quán)日2010年3月3日
發(fā)明者劉祥龍, 梁苑, 單寶松, 樓奕華, 李未 申請人:北京航空航天大學(xué)