论文开题报告：基于倒谱特征的端点检测算法研究

大学本科毕业论文(设计)开题报告
学院：　信息学院　　专业班级：　08通信B班　

课题名称 基于倒谱特征的端点检测算法研究

1、 本课题的的研究目的和意义：

语音信号端点检测对多通道传输系统、语音识别系统等起着提高传输系统效率和识别系统精度的作用。传统的检测方法采用短时能量、过零率和自相关参数，在高信噪比环境下可以获得较好的检测效果，但在低信噪比环境下其检测性能却急剧下降。基于倒谱距离的改进方法，通过分析信号的倒谱参数来进行带噪语音的端点检测，仿真结果表明，在低信噪比环境下较之传统的方法能更准确地检测出语音的端点。

本毕业设计题目要求能够充分掌握数字信号处理理论知识，并利用该技术对语音信号做分析和处理，在此基础上能够利用MATLAB编程技术实现对于语音信号的端点检测，
……（新文秘网https://www.wm114.cn省略558字，正式会员可完整阅读）……　
通过将信号的几种特征参数相结合来检测端点。而对语音端点的判决方式也由原来的单一门限和双门限发展到基于模糊逻辑和模式分类的判决。

从语音端点检测技术的发展历程及各种方法的性能看，语音端点检测技术的发展具有如下特点：
a)语音端点检测技术研究取得了长足的进展，特别是近十几年来，学者们针对噪声环境下语音端点检测所做的大量工作。语音端点检测算法的性能已经由最初的仅适用于较高SNR平稳高斯白噪声环境发展到可适用于一5 dB这样低SNR部分非乎稳噪声环境下的检测。
b)从语音端点检测算法所采用的判决准则来看，语音端点检测技术的发展大致经历了两个阶段：门限判决阶段和模式分类阶段。两个阶段并不是完全分开的，而是互相混叠的，新方法往往是建立在传统方法的基础上的。
c)新的特征参数的提出和新的判决准则的建立是推动语音端点检测算法演进的两个重要因素，也是语音端点检测技术研究取得突破的关键。
d)基于模式分类的判决方法在语音端点检测技术的发展过程中具有重要的作用。建立在统计模型基础上的模式分类方法相比门限判决方法对噪声具有很强的鲁棒性，因而近年来效果较好的检测方法几乎都是采用基于模式分类的判决方法。


3、 本课题的主要研究内容（提纲）和成果形式：
在频域内,语音信号的短时谱等于激励源频谱与滤波器频谱的乘积,浊音信号的短时谱中包含的快变化的周期性细致结构,必定对应着周期性脉冲激励的基和各次谐波。
基音检测
语音的倒谱是将语音的短时谱取对数后再进行IDFT 得到的,所以浊音信号的周期性激励反映在倒谱上是同样周期的冲激。借此,可从倒谱波形中估计出基周期。一般把倒谱波形中第二个冲激,认为即是对应激励源的基频。
先计算倒谱.然后在预期的基音周期附近寻找峰值。如果倒谱的峰值超出了预先规定的门限，则输入而峰的位置就是基音周期的良好估值.如果投有超出门限的峰值，10－20ms，计算倒谱一次，这是因为在一般语音中激励参数是缓慢变化的。


4、拟解决的关键问题：
1、滤波
2、倒谱计算
3、端点检测
4、 研究思路、方法和步骤：

按照语音产生模型的理论，语音信号是由激励信号与声道响应相卷积产生的，要想
提取反映声道特性的谱包络，就必须通过解卷积去掉激励信号。由同态解卷积所导出的倒谱分析方法，只需十几个倒谱系数就能相当好地描述语音信号的声道特性，所以用倒谱参数取代传统的时域参数作为语音端点检测的判决参量。
检测算法流程
倒谱距离检测方法的具体步骤如下:
(1) 预处理。对8k Hz采样信号进行归一化并去掉直流分量，然后进行加窗分帧处理，帧长取256个采样点，帧移64点，对每一帧信号加256点的矩形窗。
(2) 估计噪声倒谱系数。阶数P取12，首先假定抽样信号起始若干帧是背景噪声，利用这几帧倒谱系数的统计平均值作为背景噪声倒谱系数的估计值，用向量Co表示 ……（未完，全文共3102字，当前仅显示1567字，请阅读下面提示信息。收藏《论文开题报告：基于倒谱特征的端点检测算法研究》）