张 梅

(安徽理工大学，安徽 淮南232001)

语音端点检测是语音信号处理中一个至关重要的环节，只有准确地确定出语音信号的起止点，才能顺利进行语音的后续处理。语音端点检测算法很多，通常根据噪音和语音的统计特征来判别。这些算法在高信噪比时有较好的检测效果，但在低信噪比时常产生误判现象，存在明显不足[1]。

本文介绍了一种基于小波分析和模糊RBF神经网络的语音端点检测算法，该算法采用以TMS320VC5416 DSP为核心的处理电路来实现,具有检测正确率高、快速及时等优点。

1 算法描述

基于模糊RBF神经网络的语音端点检测算法的基本思想是：首先利用小波分析对语音信号进行特征量提取，再将这些特征量作为模糊RBF神经网络的输入对其进行运算，最后判别出是语音信号还是噪声信号。

小波分析具有良好的时域和频域局部特性，可对信号进行精细分析，因此采用小波分析进行语音信号特征量提取[2]。模糊RBF神经网络是一种品质优良的前馈型神经网络，它结合了模糊函数与神经网络的优点，可以以任意精度逼进任意非线性函数，具有结构紧凑、容错能力强、自学习能力强等优点[3]。本文利用模糊RBF神经网络对经小波分析处理后的信号进行运算，从而检测出语音信号的端点。

1.1 利用小波分析提取语音特征量

首先将采集到的语音数据进行分帧处理，得到一组帧数据。再对每帧信号x(n)进行多次小波变换，将其分解为 N 个不同频段的子带信号：x1(n)、x2(n)、…、xN(n)。……