蒋学仕

(中国西南电子技术研究所，成都 610036)

0 引 言

语音端点检测是用来区分语音与非语音的一种技术，在语音通信、语音识别、语音编码等方面都有重要作用。准确的语音端点检测技术既可以提高语音通信系统的传输效率，避免传输非语音数据造成的带宽与功率的浪费，也可以在语音识别、语音编码中提高算法对语音特征的提取效率。

现有的语音端点检测算法主要分为基于特征参数的检测算法、基于统计模型的检测算法、基于神经网络的检测算法。基于特征参数的端点检测算法由于不用建立模型，不需要大量数据进行训练，具有运算量与复杂度较低等优势，应用范围更为广泛。常用的基于特征参数的语音端点检测算法[1-2]，随着信噪比的降低，提取的语音特征参数准确度逐渐恶化，检测性能下降。谱熵[3-4]由于对语音幅值不敏感，只与语音信号与噪声信号在频带上的分布差异与能量占比有关，作为特征参数，对噪声具有一定鲁棒性。但在低信噪比下，由于噪声对谱线的损伤，谱熵的准确度开始下降。文献[5]提出在谱熵计算时引入正常量 K 到能量概率分布公式中，得到改进的子带能量概率分布密度公式，提升谱熵的性能；文献[6]采用加权系数与丢弃损伤子带的方式来进一步改善谱熵的鲁棒性。但以上方法比较粗略，低信噪比下性能提升有限。文献[7]通过结合语音短时能量的凸性与子带谱熵的凹性，构造出了鲁棒性更好的能量熵。……