采用一定的信號(hào)處理技術(shù)來(lái)檢測(cè)信號(hào)中是否包含語(yǔ)音信號(hào)，并從背景噪聲中找出每一段語(yǔ)音的開(kāi)始和終止，以明確找出語(yǔ)音信號(hào)存在的范圍，這就是語(yǔ)音激活檢測(cè)VAD（Voice Activity Detection）。該技術(shù)目前被廣泛應(yīng)用在語(yǔ)音編碼、語(yǔ)音增強(qiáng)、語(yǔ)音合成、回聲抵消以及語(yǔ)音通信等領(lǐng)域。

　　語(yǔ)音激活檢測(cè)的研究歷史很長(zhǎng)，從早的基于短時(shí)能量、過(guò)零率的判斷，到基于語(yǔ)音模型和統(tǒng)計(jì)知識(shí)的各種復(fù)雜算法，語(yǔ)音激活檢測(cè)算法的原理和實(shí)現(xiàn)方法都在不斷地更新。近年來(lái)，一些學(xué)者提出了基于支持向量機(jī)[1]、小波理論[2]、神經(jīng)網(wǎng)絡(luò)[3]和循環(huán)累積量[4]等理論的檢測(cè)方法，對(duì)語(yǔ)音檢測(cè)方法的研究給出了新的思路。如何在保證算法魯棒性的同時(shí)降低算法的復(fù)雜度是一個(gè)極具挑戰(zhàn)性的問(wèn)題，也是目前語(yǔ)音激活檢測(cè)中的熱點(diǎn)問(wèn)題。本文設(shè)計(jì)了一種基于分帶譜熵的語(yǔ)音激活檢測(cè)算法，該方法采用分帶譜熵作為判決參數(shù)，達(dá)到了較高的判別準(zhǔn)確率及較低的算法復(fù)雜度。

　　1 特征提取

　　特征提取的框圖如圖1所示。首先對(duì)加噪語(yǔ)音進(jìn)行分幀和加窗處理，然后進(jìn)行時(shí)頻變換，由參考文獻(xiàn)[5]知，與常用的FFT相比，用離散余弦變換譜熵來(lái)區(qū)分噪聲與語(yǔ)音具有更大的隔離度，因此本文選用離散余弦變換（DCT）。離散余弦變換的定義式為：

　　在DCT變換之后，對(duì)DCT系數(shù)進(jìn)行分帶，分成32個(gè)子帶，然后分別計(jì)算它的能量，其計(jì)算公式為：

　　為了提高概率密度函數(shù)分辨語(yǔ)音信號(hào)和非語(yǔ)音信號(hào)的能力，提出了一些經(jīng)驗(yàn)性的約束。首先，由于大部分語(yǔ)音信號(hào)都在250 Hz~6 000 Hz頻帶內(nèi)，因此有：

　　為進(jìn)一步提高語(yǔ)音激活檢測(cè)的準(zhǔn)確率，本文采用短時(shí)平均能量進(jìn)行加權(quán)的方法，即：

　　從圖2（c）和圖2（d）可以看出，加權(quán)譜熵對(duì)幀能量更加敏感，而通過(guò)對(duì)其取對(duì)數(shù)，在一定程度上降低了能量的影響。正因?yàn)槿绱耍疚牟捎眉訖?quán)譜熵的對(duì)數(shù)值作為特征量，提高了算法的魯棒性。

　　2 語(yǔ)音激活檢測(cè)算法

　?。?） 對(duì)輸入的語(yǔ)音信號(hào)s（n）進(jìn)行分幀處理，幀長(zhǎng)32 ms （256個(gè)樣點(diǎn)），得到每幀信號(hào)si（n），i表示第i幀，并對(duì)si（n）進(jìn)行加窗處理，窗函數(shù)采用漢明窗。

　　（2） 自適應(yīng)閾值的確定。可合理假設(shè)待檢測(cè)語(yǔ)音的前幾幀是非語(yǔ)音信號(hào)，本文中假設(shè)前10幀為非語(yǔ)音信號(hào)，計(jì)算其加權(quán)譜熵的對(duì)數(shù)值，然后求它們的值，門限值就是前10幀信號(hào)的加權(quán)譜熵的對(duì)數(shù)值中的值。

　?。?） 計(jì)算每一幀信號(hào)的加權(quán)譜熵的對(duì)數(shù)值，然后把它與門限值進(jìn)行比較。如果大于門限值，則判為語(yǔ)音幀，否則判為噪聲幀或靜音幀。

　?。?）對(duì)判決結(jié)果進(jìn)行平滑處理。為了有效地避免激活狀態(tài)的頻繁切換，本文對(duì)判決結(jié)果進(jìn)行平滑后處理。由于無(wú)論是非語(yǔ)音信號(hào)還是語(yǔ)音信號(hào)，一般都會(huì)持續(xù)一段時(shí)間，因此為了剔除判決時(shí)的少數(shù)壞點(diǎn)，在判決結(jié)束后加入了平滑后處理。即：

　　3 仿真與實(shí)驗(yàn)結(jié)果

　　本文的算法用VC、Matlab進(jìn)行仿真。圖3所示為原始語(yǔ)音、加噪語(yǔ)音（噪聲為汽車內(nèi)部噪聲，信噪比為0 dB）、人工標(biāo)注的結(jié)果和使用本文算法檢測(cè)的結(jié)果。圖3（a）是一段純凈語(yǔ)音，其采樣率為8 000 Hz。圖3（b）是加噪語(yǔ)音，所加噪聲為汽車內(nèi)部噪聲，信噪比為0 dB。圖3（c）為本文算法檢測(cè)的結(jié)果。圖3（d）為人工標(biāo)注的結(jié)果。由圖3（c）可以看出，本文的方法對(duì)低信噪比條件下的語(yǔ)音依然具有較好的分類效果。

　　為進(jìn)一步說(shuō)明本文算法對(duì)加噪語(yǔ)音進(jìn)行檢測(cè)的魯棒性，對(duì)本文算法和G.729B中的VAD算法進(jìn)行對(duì)比。對(duì)1 000幀中文信號(hào)進(jìn)行實(shí)驗(yàn)， 測(cè)試環(huán)境分別選取了-5 dB、 0 dB、5 dB、10 dB、20 dB、30 dB等6個(gè)不同的信噪比，充分體現(xiàn)了算法在不同信噪比下的性能。圖4給出了不同算法在相同背景噪聲類型（都為汽車內(nèi)部噪聲）、不同信噪比情況下的檢測(cè)準(zhǔn)確率。

　　從圖4可以看出，本文算法的性能基本上不隨信噪比的變化而變化。同時(shí)可以看出當(dāng)信噪比逐漸降低時(shí)，G.729B算法性能有了明顯的下降。

　　文中提出了一種能夠準(zhǔn)確進(jìn)行VAD判決的算法。該算法提取了加權(quán)譜熵的對(duì)數(shù)值作為特征，然后通過(guò)自適應(yīng)閾值，實(shí)現(xiàn)語(yǔ)音和靜音（或噪聲）的準(zhǔn)確檢測(cè)。實(shí)驗(yàn)表明，該語(yǔ)音激活檢測(cè)算法在汽車內(nèi)部噪聲條件具有較高的準(zhǔn)確率和穩(wěn)定性，是一種有效、簡(jiǎn)單的語(yǔ)音激活檢測(cè)算法。