针对基于模型的语音/非语音检测方法鲁棒性不强的问题,提出了一种层次化检测方法.该方法第一层对测试数据进行粗分类;第二层利用粗分类结果,首先根据高过零率比率( High Zero Crossing Rate Ratio,HZCRR)和短时能量(Short Time Energy,STE)特征选取数据建立静音和可听非语音初始模型,然后训练自适应检测模型,最后利用贝叶斯信息准则( Bayesian Information Criterion,BIC)对结果进行修正.实验结果表明:与基于模型的方法相比,能够适应各种测试数据且检测精度更高、鲁棒性更强.
展开▼