利用零频滤波建模源与系统信息的无监督语音活动检测
音频与语音处理
2023-03-28 v1 信号处理
摘要
语音活动检测（VAD）是语音技术应用的重要预处理步骤。该任务包括推导含发声信息的音频信号的段落边界。近年来，研究表明可利用零频滤波（ZFF）提取嗓音源和声道系统信息，而无需对语音信号做任何显式模型假设。本文探究零频滤波联合建模嗓音源与声道系统信息的潜力，并提出两种 VAD 方法。第一种方法使用由不同零频滤波信号组成的复合信号来划分浊音区域。第二种方法将该复合信号作为 rVAD 算法的输入。这些方法与文献中其它有监督和无监督 VAD 方法进行比较，并在 Aurora-2 数据库上跨一系列 SNR（20 至 -5 dB）进行评估。我们的研究表明，所提出的基于 ZFF 的方法性能可与最先进的 VAD 方法相媲美，且对附加退化和不同信道特性更具不变性。
引用
@article{arxiv.2206.13420,
title = {Unsupervised Voice Activity Detection by Modeling Source and System Information using Zero Frequency Filtering},
author = {Eklavya Sarkar and RaviShankar Prasad and Mathew Magimai. -Doss},
journal= {arXiv preprint arXiv:2206.13420},
year = {2023}
}
备注
Accepted at Interspeech 2022