[发明专利]一种基于特征值编码的语音信号端点检测方法

权利要求书

1.一种基于特征值编码的语音信号端点检测方法，其特征在于包括如下步骤：

(1)将语音信号采样序列分成固定长度的帧，相邻帧之间重合半帧，对每一帧语音提取短时能量、短时过零率两个特征参数；

(2)根据各帧的短时能量和短时过零率，统计短时能量的平均值、短时过零率的平均值和短时过零率的最大值；

(3)根据短时能量的平均值和经验参数，对短时能量设置4个阈值；

(4)根据短时过零率的平均值、短时过零率的最大值及经验参数，对短时过零率设置1个阈值；

(5)根据短时能量和短时过零率的阈值，对每一帧语音生成一个1字节的特征值编码；

(6)根据每帧的特征值编码及五级判定规则，对语音信号进行端点检测；

所述的五级判定规则为：

(a)第一级判定：根据特征值编码直接判定明显的主音段和无声段；搜索特征值编码的第3～0位为0100或1100的所有帧，这些语音帧是能独立构成音节的主音段，将这些语音帧直接判定为有声段，并将其特征值编码的第7～6位赋值为11；同时搜索特征值编码的第3～0位为0000、0001或1000的所有帧，将这些语音帧直接判定为无声段，并将其特征值编码的第7～6位赋值为00；

(b)第二级判定：以各主音段为种子点，搜索紧邻主音段的中等能量语音帧及典型辅音帧，判定为有声段；

以各主音段为种子点，先向左侧，再向右侧，搜索紧邻的中等能量语音帧及典型辅音帧，中等能量语音帧的特征值编码的第3～0位为0011或1011，典型辅音帧的特征值编码的第3～0位为1010，将这些语音帧判定为有声段，将其编码的第7～6位赋值为11，并沿原来的方向继续追踪，直至遇到已判定的有声帧、疑似辅音帧或已判定的无声帧为止，已判定的有声帧的特征值编码的第7～6位为11，疑似辅音帧的特征值编码的第3～0位为0010或1001，已判定的无声帧的特征值编码的第7～6位为00；

(c)第三级判定，搜索疑似辅音帧，根据左侧相邻帧的特征，将疑似辅音帧归于典型辅音段或判定为无声段；

先搜索出疑似辅音帧，其特征值编码的第3～0位为0010或1001，若其左侧为广义辅音段，即特征值编码的第3～0位为1010、1011或1100，且连续的疑似辅音帧数≤连续的广义辅音帧数，则这些连续的疑似辅音帧可与左侧连续的广义辅音帧合并，一起归于典型辅音帧，将其编码的第3～0位重置为1010；若疑似辅音帧的左侧无广义辅音段，或者连续的疑似辅音帧数连续的广义辅音帧数，则这些疑似辅音帧不能与左侧的广义辅音帧合并，此时将这些连续的疑似辅音帧判定为无声段，并将其编码的7～6位赋值为00；

(d)第四级判定，以判定的各有声段为种子点，搜索紧邻有声段的中等能量语音帧及典型辅音帧，判定为有声段；

以目前已判定的各有声段为种子点，先向左侧，再向右侧，搜索紧邻的中等能量语音帧及典型辅音帧，中等能量语音帧的特征值编码的第3～0位为0011或1011，典型辅音帧的特征值编码的第3～0位为1010，将这些语音帧判定为有声段，将其编码的第7～6位赋值为11，并沿原来的方向继续追踪，直至遇到已判定的有声帧或无声帧为止，已判定的有声帧的特征值编码的第7～6位为11，无声帧的特征值编码的第7～6位为00；

(e)第五级判定，对所有余下的、仍处于待定状态的语音帧，其特征值编码的第7～6位为01，判定为无声段，并将其编码的第7～6位赋值为00。

2.如权利要求1所述的基于特征值编码的语音信号端点检测方法，其特征在于：步骤(1)中所述提取短时能量和短时过零率的方法为：将语音信号采样序列划分为一系列长度为32ms的帧；分帧后，对每一帧分别提取短时能量和短时过零率特征参数。

3.如权利要求2所述的基于特征值编码的语音信号端点检测方法，其特征在于：所述短时能量特征参数的提取方法为：

在步骤(1)中，所提取的第i帧的短时能量为：

其中，N表示第i帧中包含的语音数据的个数；S_n表示第n个采样数据的值。