语音检测

摘要： 本文通过介绍广播电台日常业务工作中的广播信号监测技术,结合当前广播信号监测技术手段以及其存在的缺点、发展方向,通过语音信号监测技术与广播信号监测工作相结合,提出了基于调制频谱的广播信号监测方法。

摘要： The acceleration of life rhythm and rapid development of the Internet information technology lead to the increasing demand of news video storage and reutilization.It is a meaningful subject about how to segment a long news video into several small news items.A news video segmentation algorithm based on audio and video features is proposed.It only extracts anchor person feature and silence track feature which are the basic visual and audio features,respectively.Anchor person feature is detected via face recognition are combined Short-time energy and zero-crossing rate are used to detect silence feature and filter them with condition.Two features are combined to analyze the borders of different news item.The experiments are performed with news videos which are 3000 minutes in total,and the result is great:recall rate is 0.856 3,precision 0.932 6 and f1 measure 0.892 8.The accuracy of the border detected is frame.Analysis has been done about the influence of the length,restrictions and redundancy of silence track to the result.%随着人们生活节奏的加快和网络信息技术的迅猛发展,对新闻视频节目的存储和再利用需求日益剧增,如何将较长的新闻视频节目按其内容拆分成多个新闻条目成为了一个有意义的课题.提出了一种基于音视频特征的新闻拆条算法,仅提取了新闻视频在视觉、音频上的基本特征即主持人特征和音频静音段特征进行分析.通过人脸识别提取主持人特征,使用短时能量和过零率提取静音特征,并对其加以条件筛选,结合这两个特征完成拆条工作.针对总计时长3 000分钟的新闻联播节目进行实验,得到较好的实验结果:召回率0.856 3,准确率0.932 6和F1值0.892 8.且视频边界的准确度精确到帧.同时分析了静音段长度阈值、限制条件和毛刺现象对于新闻拆条结果的影响.

摘要： Audio mixing is indispensable to achieve the sense of reality in video conference systems.In this paper,a digital audio mixing algorithm with equal-loudness is proposed.Voice activity detection (VAD) is first performed by the average power and short-term autocorrelation sequence of signal.Then,the noise caused by audio mixing directly is filtered by the time-varying filter,where the passband variation of the filter depends on the result of voice activity detection.Finally,to achieve the effect of equal-loudness,the weight of each channel signal in audio mixing is calculated with the average loudness of voice.Simulation results show that the proposed algorithm can make the average loudness of each channel signal close to the same,which can effectively decrease the distortion of small-signal.%在电视会议系统中,为获得接近真实的会议交流氛围,混音技术不可或缺.本文利用语音信号的响度特性,提出一种自动等响度数字混音算法.该算法首先利用信号平均功率和短时自相关函数进行语音活动检测(VAD),判断参与混音的每路信号中是否含有语音信号.然后,利用时变滤波器进行滤波处理,抑制混音过程中引入的噪声.最后,利用语音信号响度计算各路信号的权重,使各路语音的平均响度保持一致.仿真实验结果表明,本文的混音算法可使各路信号的平均响度基本相同,并具有良好的语音质量.

摘要： Child-directed Speech(CDS) has large influence on early child growth,so it is significant to recognize CDS from a speech and make full use of it.In order to improve the detection accurary,this paper constructs a Chinese CDS detection model based on Adaboost algorithm.It uses a decision tree as a weak classifier for extracting features of Chinese CDS to learn,and forms weak classifier tuple,while the classification results of this group of weak classifiers are weighted voting,to distinguish the voice category.Experimental results show that the vowel duration of CDS is longer than nonCDS;increasing the number of weak classifiers will improve the accuracy of Chinese CDS;the longer the length of test speech is,the higher the detection accuracy of Chinese CDS;compared with v-SVM algorithm,Adaboost algorithm has higher accuracy and precision in Chinese CDS detection,and it improves the robustness of the detection system.%儿向语音对早期儿童成长有较大影响,正确检测并充分利用儿向语音具有现实意义.为此,构建一种基于Adaboost算法的汉语儿向语音检测模型,以提高检测准确率.使用决策树作为弱分类器对提取的汉语儿向语音特征进行学习,并组成弱分类器元组,同时对该弱分类器组的分类结果进行加权,区分待测语音的类别.实验结果表明,汉语儿向语音的元音持续时长超过非儿向语音的元音持续时长;提升弱分类器的数量可提高汉语儿向语音检测正确率;分段语音时间越长,汉语儿向语音检测正确率越高;采用改进的Adaboost算法比采用v-SVM算法具有更高的准确率和精度,同时可增强系统的鲁棒性.

摘要： The adaptive filtering algorithm based on recursive least square algorithm was applied to a laser Doppler vibrometer and the corresponding weak vibration measuring devices were built up . Compared with Chebyshev low-pass filtering algorithm , simulation and experimental results show that this adaptive filtering algorithm can suppress the random Gaussian white noise and restore the original signal; the RLS algorithm can effectively filter out noise from the vibration signal , and restore the low-frequency 20 Hz signal drowned out in the noise; the RLS algorithm also can filter out noise from voice leading voice to being pure and enhance speech signal . The above verifies the feasibility of this algorithm in the heterodyne vibration measurement . The algorithm is simple and easy to use , fast and has strong convergence . In the aspect of filtering random noise , the RLS algorithm is more effective than low-pass filter .%将递归最小二乘自适应滤波算法应用于激光多普勒测振技术中,搭建了相应的微弱振动测量装置.模拟仿真与实验中,通过与设计的切比雪夫低通滤波算法对比,结果表明:该递归最小二乘自适应滤波算法能够有效抑制随机高斯白噪声,还原出原始信号;能够对简谐振动信号实现有效滤波,并且可以还原出淹没在噪声中的低频20 Hz信号;文中算法可以去除语音噪声,使声音更加纯净,增强语音信号,以此验证了该算法在外差振动测量中的可行性.该算法简单易用、收敛性强、速度快,尤其对于随机噪声的去除比普通的低通滤波器更加有效.

摘要： with the advent of the era of“Internet +”, in the life more and more items to realize intelligent control. Look now, college students com-monly use an alarm clock, mobile phone to timing, however, in addition to both often occur when the timing is not allowed, and out of adaptability, everyone will be out of the idea of want to sleep involuntarily close them, lead to miss many important things. This study on the spot to Zigbee wireless transmission protocol as the beginning of the project design, through the feedback CC2530 chip with the voice module, in order to achieve the effect of“never pillow bell”, allowing students to a more regular routine.%随着“互联网+”时代的到来，生活中越来越多的物品得以实现智能化控制。放眼现在，大学生普遍使用闹钟、手机进行定时，然而，二者除经常会出现时定时不准的情况外，而且出于适应性，大家会出于想再睡一会的想法不由自主的关闭它们，导致错过许多很重要的事情。本研究针对这一痛点，以Zigbee无线传输协议作为项目设计的切入点，通过CC2530芯片与语音模块的反馈，以达到“头不离枕头铃不停”的效果，使得大学生可以更有规律的作息。

摘要： 虚拟阵列DOA(Direction Of Arrival)估计算法由于计算量低和资源利用率高得到了快速发展,然而虚拟阵列语音信号DOA估计算法还少有报道.本文为了提高语音信号DOA估计的准确度,对虚拟阵列语音信号DOA估计算法进行了改进.算法首先对接收信号进行能量及熵结合的语音分帧检测;其次基于功率谱方差最小和谱熵最大两个原则分别对检测后的信号进行选帧,并对选出的帧做DOA估计;最后将两者的DOA估计结果进行加权平均.本文对方差选帧的DOA估计结果、谱熵选帧的DOA估计结果和两者加权平均后的DOA估计结果进行了比较.实验结果和分析表明结合方差选帧及谱熵选帧的DOA估计算法在用于虚拟阵列语音信号DOA估计时有更高的准确率.

摘要： 介绍了语音问题的种类,阐述了语音检测方法及其在网络中的应用,探讨了通信网络中网元级以及网元内部的语音问题定位的方法.%This paper introduces the types of phonetic problems, expounds the voice detection method and its application in the network, and probes into the methods for the positioning of positioning of phonetic problems of network element and internal network elements in communication network.

摘要： 本文首先对语音检测算法做出概述,具体采用了过零率与自相关联合判别法;然后结合DSP的实际情况,选用了TMS320VC5416DSP,将算法在DSP中实现,对于短波信号,在实时性和准确率上都达到很好的效果.

摘要： 介绍了一套在TI公司的低端处理芯片TMS320VC5402上实现的语音能量、短时平均幅度差和过零率的语音检测算法。该套算法能在较低的信噪比情况下准确地检测出语音信号，而且代码精练，硬件成本低，可靠性高，能够满足实时系统的需要，适用于各种需要语音检测的应用需求。

摘要： 共振峰和谐波成分是语音的一个典型特征。因为语音和环境的多变性，采用普通的方法提取这些特征存在很多困难。本文提出了一种在窄带语谱图上通过图像增强的方法，求取谐波成分的分布区域，最后求取这些区域内的能量总和，得到共振峰谐波能量参数。把共振峰谐波能量参数作为特征构建语音和端点检测系统。实验表明这个特征不但能抑制高能量突发噪声，而且在非平稳噪声背景下的语音检测也表现出了优秀性能。

摘要： 近年来,针对少资源语言的语音关键词检出技术受到了国内外研究机构的广泛关注.本文在基于动态时间规整(Dynamic Time Warping,DTW)的关键词检出框架下,提出了基于音素边界的局部匹配策略,用以解决基于样例的语音关键词检出任务中的近似查询问题.在QUESST2014评测数据上采用多种特征进行了实验验证.实验结果显示,基于音素边界的局部匹配策略不仅在近似查询(T2和T3)任务上的检出效果明显提升,在精确查询(T1)任务上也获得了有效提升.随后的系统融合实验表明,基于音素边界的局部匹配策略能够大幅提升融合系统的性能.

摘要： 近年来,针对少资源语言的语音关键词检出技术受到了国内外研究机构的广泛关注.本文在基于动态时间规整(Dynamic Time Warping,DTW)的关键词检出框架下,提出了基于音素边界的局部匹配策略,用以解决基于样例的语音关键词检出任务中的近似查询问题.在QUESST2014评测数据上采用多种特征进行了实验验证.实验结果显示,基于音素边界的局部匹配策略不仅在近似查询(T2和T3)任务上的检出效果明显提升,在精确查询(T1)任务上也获得了有效提升.随后的系统融合实验表明,基于音素边界的局部匹配策略能够大幅提升融合系统的性能.

摘要： 近年来,针对少资源语言的语音关键词检出技术受到了国内外研究机构的广泛关注.本文在基于动态时间规整(Dynamic Time Warping,DTW)的关键词检出框架下,提出了基于音素边界的局部匹配策略,用以解决基于样例的语音关键词检出任务中的近似查询问题.在QUESST2014评测数据上采用多种特征进行了实验验证.实验结果显示,基于音素边界的局部匹配策略不仅在近似查询(T2和T3)任务上的检出效果明显提升,在精确查询(T1)任务上也获得了有效提升.随后的系统融合实验表明,基于音素边界的局部匹配策略能够大幅提升融合系统的性能.

摘要： 近年来,针对少资源语言的语音关键词检出技术受到了国内外研究机构的广泛关注.本文在基于动态时间规整(Dynamic Time Warping,DTW)的关键词检出框架下,提出了基于音素边界的局部匹配策略,用以解决基于样例的语音关键词检出任务中的近似查询问题.在QUESST2014评测数据上采用多种特征进行了实验验证.实验结果显示,基于音素边界的局部匹配策略不仅在近似查询(T2和T3)任务上的检出效果明显提升,在精确查询(T1)任务上也获得了有效提升.随后的系统融合实验表明,基于音素边界的局部匹配策略能够大幅提升融合系统的性能.

摘要： 近年来,针对少资源语言的语音关键词检出技术受到了国内外研究机构的广泛关注.本文在基于动态时间规整(Dynamic Time Warping,DTW)的关键词检出框架下,提出了基于音素边界的局部匹配策略,用以解决基于样例的语音关键词检出任务中的近似查询问题.在QUESST2014评测数据上采用多种特征进行了实验验证.实验结果显示,基于音素边界的局部匹配策略不仅在近似查询(T2和T3)任务上的检出效果明显提升,在精确查询(T1)任务上也获得了有效提升.随后的系统融合实验表明,基于音素边界的局部匹配策略能够大幅提升融合系统的性能.

摘要： 语音段检测技术在监听等情形下有着重要应用.传统的说话人分类方法在两人音色较相似以及双边说话人语音时长很不均衡的数据效果不佳,这时候极易出现大类错误.本文提出一种基于深层网络(DNN)分离的改进目标说话人语音段检测方法,通过语音分离技术的引入,有效地解决了语音段检测中大类错误问题,并能够进一步提高检测的准确性.在非平稳噪声和信噪比较低的情况下,标定准确,鲁棒性好.也为语音段检测提供了一种新思路.

摘要： 语音段检测技术在监听等情形下有着重要应用.传统的说话人分类方法在两人音色较相似以及双边说话人语音时长很不均衡的数据效果不佳,这时候极易出现大类错误.本文提出一种基于深层网络(DNN)分离的改进目标说话人语音段检测方法,通过语音分离技术的引入,有效地解决了语音段检测中大类错误问题,并能够进一步提高检测的准确性.在非平稳噪声和信噪比较低的情况下,标定准确,鲁棒性好.也为语音段检测提供了一种新思路.

摘要： 本发明提供一种基于语音识别和能量检测的语音质量检测方法和系统，所述方法包括：S1、识别通话时两端语音中表征通话异常的特征词，并记录特征词出现的时刻；S2、分析一端语音中所述特征词前后设定时间段内，对应对端语音中语音段的能量，将能量异常的语音段标记为异常语音段，记录所述异常语音段的起始时刻和结束时刻；S3、基于记录的所述异常语音段和所述特征词进行语音质量检测。基于语音还原技术和语义识别技术检测会话内容是否出现了表征通话语音异常中断的特征词，结合语音能量检测分析出现特征词前后一段时间对应对端相同时间段内的语音能量，若语音能量异常或为零，则确定为异常通话，对语音异常类型进行全面判定。

摘要： 本发明实施例提供了一种语音活动检测模型训练、语音活动检测方法及相关装置，所述语音活动检测模型训练方法包括获取语音活动检测训练数据集，包括语音活动检测训练音频帧特征和基准语音活动类别，其中，所述语音活动检测训练音频帧特征通过训练完成的音频特征提取模型，基于所述语音活动检测训练音频帧获取；利用所述语音活动检测模型，根据所述语音活动检测训练音频帧特征，获取所述语音活动检测训练音频帧的训练语音活动类别，优化所述语音活动检测模型，直至得到训练完成的所述语音活动检测模型，可以避免训练得到的语音活动检测模型的过拟合，可以提高训练完成的所述语音活动检测模型的鲁棒性。

摘要： 本发明公开了一种构建语音端点检测模型的方法及语音端点检测系统，属于语音识别技术领域。本发明的一种构建语音端点检测模型的方法，先采集音频数据并合成混合语音，而后对混合语音进行特征提取得到62维特征，再将62维特征输入至RNN模型进行训练得到语音端点检测模型。本发明的一种语音端点检测系统，包括采集单元、计算单元、传输单元和终端，采集单元与计算单元电连接，计算单元和终端分别与传输单元连接。本发明克服了现有技术中，语音识别准确性和稳定性不高的不足，提供了一种构建语音端点检测模型的方法及语音端点检测系统，对各类噪声下的语音数据具有较高的识别率，可以应用部署至实时会议通信设备。

摘要： 本发明实施例提供了一种语音活性检测模型生成方法、系统及语音活性检测方法、系统，可以从训练数据集中提取音频数据及音频标识，对提取的音频数据进行采样，获得音频数据的一维离散数组；对获得的音频数据的一维离散数组进行分帧加窗处理，获得音频数据的多帧音频信号；提取音频数据的各帧音频信号的梅尔频率倒谱系数MFCC；根据音频数据的各帧音频信号的MFCC确定音频数据的各帧音频信号的音频特征参数，将确定的音频数据的音频特征参数确定为提取的音频数据的音频特征参数；将与提取的音频数据对应的音频标识及提取的音频数据的音频特征参数输入支持向量机SVM中进行模型训练，获得语音活性检测模型。本发明提高了语音活性检测的精度。

摘要： 本发明涉及一种用于人员(31)的语音信号的检测设备(10)以及用于检测人员(31)的语音信号的方法。检测设备(10)包括光源(30)、传感器装置(11)、评估装置(13)以及第一面状的载体介质(12)。第一面状的载体介质(12)构造为光导体，在光导体处提供有耦入区域(16)和耦出区域(18)。光源(30)的光(100)朝人员(31)的颈部前部区域(31’)的方向发出，在那里反射的光(100’)在耦入区域(16)中耦入到第一面状的载体介质(12)中，借助于内反射传输到耦出区域(18)并在那里耦出。耦出的光(100’)由传感器装置(11)检测，传感器装置提供说明耦出的光(100’)的飞行持续时间的传感器数据。借助于评估装置(13)将传感器数据转换成振动数据，并通过在应用语音诠释标准的情况下评估振动数据而提供语音信号。

摘要： 本公开关于一种语音质量检测模型的训练方法及语音质量的检测方法，所述训练方法包括：获取语音信号样本和所述语音信号样本通过网络传输时的网络服务质量QoS数据样本；将所述语音信号样本的音频特征和所述网络QoS数据样本输入到所述语音质量检测模型，得到估计的语音质量分数；基于所述语音信号样本的真实语音质量分数和所述估计的语音质量分数，确定所述语音质量检测模型的损失函数；基于确定的损失函数，对所述语音质量检测模型进行训练。

摘要： 本公开关于一种语音质量检测模型的训练方法、语音质量检测方法及装置。语音质量检测模型的训练方法包括：获取训练样本集，其中，训练样本集包括多个语音信号、语音信号对应的标注的语音质量分数和语音信号对应的语音活动检测信息；将语音信号的音频特征和语音信号对应的语音活动检测信息输入到语音质量检测模型中，得到估计的语音质量分数；根据估计的语音质量分数和标注的语音质量分数，确定语音质量检测模型的目标损失函数；通过目标损失函数调节语音质量检测模型的参数，对语音质量检测模型进行训练。

摘要： 本发明实施例提供了一种语音活动检测模型训练、语音活动检测方法及相关装置，所述语音活动检测模型训练方法包括获取语音活动检测训练数据集，包括语音活动检测训练音频帧特征和基准语音活动类别，其中，所述语音活动检测训练音频帧特征通过训练完成的音频特征提取模型，基于所述语音活动检测训练音频帧获取；利用所述语音活动检测模型，根据所述语音活动检测训练音频帧特征，获取所述语音活动检测训练音频帧的训练语音活动类别，优化所述语音活动检测模型，直至得到训练完成的所述语音活动检测模型，可以避免训练得到的语音活动检测模型的过拟合，可以提高训练完成的所述语音活动检测模型的鲁棒性。

摘要： 一种语音检测方法、语音检测装置、语音处理芯片以及电子设备，语音检测装置包括：子带生成模块、语音活动检测模块，所述子带生成模块用于对当前时域信号帧进行处理以得到若干个子带时域信号，所述语音活动检测模块用于根据所述当前时域信号帧的所述若干个子带时域信号的幅度，判断所述当前时域信号帧是否是有效语音信号。语音检测装置在时域上即可执行，由此降低了算法的复杂度，减少了功耗。

摘要： 本发明公开了一种构建语音检测模型的方法及语音端点检测系统，属于语音识别技术领域。本发明的一种构建语音检测模型的方法，先采集音频数据并合成混合语音，而后对混合语音进行特征提取得到62维特征，再将62维特征输入至RNN模型进行训练得到语音检测模型。本发明的一种语音端点检测系统，包括采集单元、计算单元、传输单元和终端，采集单元与计算单元电连接，计算单元和终端分别与传输单元连接。本发明克服了现有技术中，语音识别准确性和稳定性不高的不足，提供了一种构建语音检测模型的方法及语音端点检测系统，对各类噪声下的语音数据具有较高的识别率，可以应用部署至实时会议通信设备。