基于小波卷积的语音端点动态精确检测
音频与语音处理
2018-09-26 v1
摘要
语音端点的精确检测是影响诸如自动语音识别（ASR）系统等需从语音信号中提取语音片段的系统性能的重要因素。现有端点检测（EPD）方法多基于短时能量（STE）、过零率（ZCR）及其变体。但基于 STE 和 ZCR 的 EPD 算法在存在说话人产生的非语音声音伪迹（NSAs）时常常失效。也有基于模式识别和分类技术提出的算法，但需要标注数据用于训练。本文提出一种称为基于小波卷积的语音端点检测（WCSEPD）的新算法来提取语音端点。WCSEPD 利用小波卷积将语音信号分解为高频和低频分量，并计算两个频率分量的基于熵的阈值。低频阈值用于提取浊音语音段，而高频阈值用于通过滤除非语音声音伪迹来提取清音语音段。WCSEPD 不需要任何标注数据用于训练，且能自动提取语音段。实验结果表明，所提算法在存在 NSAs 的情况下能精确提取语音端点。
引用
@article{arxiv.1804.06159,
title = {Precise Detection of Speech Endpoints Dynamically: A Wavelet Convolution based approach},
author = {Tanmoy Roy and Tshilidzi Marwala and Snehashish Chakraverty},
journal= {arXiv preprint arXiv:1804.06159},
year = {2018}
}
备注
25 Pages