数据采集与处理
數據採集與處理
수거채집여처리
JOURNAL OF DATA ACQUISITION & PROCESSING
2012年
1期
51-56
,共6页
话音激活检测%经验模式分解%总体平均经验模式分解%EEMD域统计模型
話音激活檢測%經驗模式分解%總體平均經驗模式分解%EEMD域統計模型
화음격활검측%경험모식분해%총체평균경험모식분해%EEMD역통계모형
提出了一种基于EEMD域统计模型的话音激活检测算法.算法首先利用总体平均经验模态分解(Ensemble empirical mode decomposition,EEMD)对带噪语音进行分解,得到信号的本征模式函数(Intrinsic mode function,IMF)分量,选择与原信号的相关性最高的两个分量相加组成主分量；然后对主分量进行频域分解,引入统计模型,求出EEMD城特征参数；最后利用噪声与语音的EEMD域特征参数的不同来进行语音激活检测.实验结果表明,在不同信噪比情况下,本文算法性能优于目前常用的VAD算法,特别在噪声强度大时体现出明显的优势.
提齣瞭一種基于EEMD域統計模型的話音激活檢測算法.算法首先利用總體平均經驗模態分解(Ensemble empirical mode decomposition,EEMD)對帶譟語音進行分解,得到信號的本徵模式函數(Intrinsic mode function,IMF)分量,選擇與原信號的相關性最高的兩箇分量相加組成主分量；然後對主分量進行頻域分解,引入統計模型,求齣EEMD城特徵參數；最後利用譟聲與語音的EEMD域特徵參數的不同來進行語音激活檢測.實驗結果錶明,在不同信譟比情況下,本文算法性能優于目前常用的VAD算法,特彆在譟聲彊度大時體現齣明顯的優勢.
제출료일충기우EEMD역통계모형적화음격활검측산법.산법수선이용총체평균경험모태분해(Ensemble empirical mode decomposition,EEMD)대대조어음진행분해,득도신호적본정모식함수(Intrinsic mode function,IMF)분량,선택여원신호적상관성최고적량개분량상가조성주분량；연후대주분량진행빈역분해,인입통계모형,구출EEMD성특정삼수；최후이용조성여어음적EEMD역특정삼수적불동래진행어음격활검측.실험결과표명,재불동신조비정황하,본문산법성능우우목전상용적VAD산법,특별재조성강도대시체현출명현적우세.
