端点检测ppt课件

1、2000 4000 6000 8000 1000012000140001600018000-101Speech20406080100 120 140 160 180 200 22002040Energy20406080100 120 140 160 180 200 2200102030ZCR数字数字“4”的短时能量与平均过零率的短时能量与平均过零率 中文数据库的采集由学生，都说普通话，个别人略带地方色彩。因语音信号主中文数据库的采集由学生，都说普通话，个别人略带地方色彩。因语音信号主要集中在要集中在300300一一3400Hz3400Hz，所以采用，所以采用44100Hz44100Hz的采样率

2、，采样位数的采样率，采样位数1616位，采样通道选位，采样通道选用立体声，每人读用立体声，每人读5 5次，每次通读十个词语一遍。共有次，每次通读十个词语一遍。共有250250个有效测试个有效测试sessionsession共有共有830MB830MB的数据量。说话内容选择的词语考虑到了汉语中各个元音、辅音、摩擦音、的数据量。说话内容选择的词语考虑到了汉语中各个元音、辅音、摩擦音、爆破音和鼻音等各个不同的汉语因素。爆破音和鼻音等各个不同的汉语因素。 孤立词中文数据库采集由孤立词中文数据库采集由5050名大学学生，一般发音标准，个别人略带地方色名大学学生，一般发音标准，个别人略带地方色彩，语音信号

3、主要集中在彩，语音信号主要集中在300300一一3400Hz3400Hz，采用，采用44100Hz44100Hz的采样频率，采样位数的采样频率，采样位数1616位，位，采样通道选用立体声，读采样通道选用立体声，读2626个英文字母，每次读一个英文字母，每人每个字母读个英文字母，每次读一个英文字母，每人每个字母读2 2次。共有次。共有26002600个有效测试孤立个有效测试孤立sessionsession，共有，共有200MB200MB的数据量。的数据量。 (1) (1)在稳定白噪声条件下，在稳定白噪声条件下，SNRSNR从从30dB30dB下降到下降到0dB0dB的过程中，的过程中，C0C0复

4、杂度优于复杂度优于KCKC复杂度，复杂度，KCKC复杂度优于谱熵。在复杂度优于谱熵。在30dB30dB时，三种方法检测准确度都可以达到时，三种方法检测准确度都可以达到100%100%，但在，但在OdBOdB时，谱熵时，谱熵只有只有57%57%的准确率，的准确率，KCKC有有70%70%的准确率，而的准确率，而C0C0复杂度还能达到复杂度还能达到82%82%的准确率。的准确率。 (2)(2)在非稳定噪声中的办公室噪音条件下，在非稳定噪声中的办公室噪音条件下，C0C0复杂度优于复杂度优于谱熵谱熵，谱熵谱熵优于优于KCKC复杂度。复杂度。在在30dB30dB时，三种方法检测准确度都可以达到时，三种方法检测准确度都可以达到100%100%，但在，但在0dB0dB时，时，KCKC复杂度和复杂度和谱熵谱熵都只有都只有40%40%左右的准确率，而左右的准确率，而C0C0复杂度还是有复杂度还是有65%65%的准确率。的准确率。 所以用谱熵，所以用谱熵，KCKC复杂度和复杂度和C0C0复杂度进行端点检测的方法都适用于信噪比较小的环境复杂度进行端点检测的方法都适用于信噪比较小的环境下的语音端点检测，但当信噪比降到一定程度时，谱熵，下的语音端点检测，但当信噪比降到一定程度时，谱熵，KCKC复杂度将不适用，而基于复杂度将不适用，而基于C0C0复杂性特征的端点检测法能够有效的克服噪声环境对语音端