音频信号检测技术研究

论文摘要

声音媒体是除视觉媒体外最重要的媒体,约占总信息量的20%。现实生活中,声音媒体多以音频流的形式存在。AAC和G.729B是当前主流的两种音频信号编码器系统。为消除预回声的影响,音频感知编码模型在心理声学模块中通过瞬态分析判断信号的瞬变性,以指导变换编码中自适应长短块的切换。本文分析了基于感知熵的瞬态信号频域能量检测法及其缺陷,并结合人耳听觉特性和音频编码特点,提出了一种简单的瞬态分析方法——时域能量检测法,能在时域上快速判断出音频信号的瞬变性,从而,可以指导平稳信号和瞬变信号使用不同的变换窗长度。正常语音信号中,一般包含有静音部分,在双向交谈中静音部分能达到60%的比例。静音过程时,传进设备的信号仅包含有环境的噪声,大部分的噪声来源带有很少的信息,因此,在静音过程中,容易获得更高的压缩比。静音检测技术利用数字处理技术在复杂的带噪声环境下的声音信号中分辨出语音信号和非语音信号,它是语音识别中最关键的技术之一,其性能的优劣将直接影响到语音识别系统的正确率。本文详细阐述了基于听觉特征的静音检测的过程,并给出了一种实用的静音检测算法,该算法具有较低的误判率,基本上能达到2%以下。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本课题研究的目的及意义
• 1.2 国内外相关技术发展现状
• 1.2.1 MPEG音频标准
• 1.2.2 ITU-T G系列语音标准
• 1.2.3 AMR系列
• 1.2.4 国内标准AVS音频系列
• 1.2.5 音频检测技术的发展
• 1.3 本文主要研究内容
• 第2章 编码器系统及其信号检测技术的应用
• 2.1 引言
• LC'>2.2 音频编码器3GPP AAC_LC
• 2.2.1 编码器分析
• LC中瞬态信号检测技术的应用'>2.2.2 3GPP AAC_LC中瞬态信号检测技术的应用
• 2.3 语音编码器 ITU-T G.729B
• 2.3.1 编码器分析
• 2.3.2 G.729B 中静音检测技术的应用
• 2.4 本章小结
• 第3章 瞬态信号检测技术
• 3.1 引言
• 3.2 基于感知熵（PE ）的频域能量检测法
• 3.2.1 感知熵（perceptual entropy）
• 3.2.2 原理分析
• 3.3 时域能量检测法
• 3.3.1 基本原理
• 3.3.2 时域能量检测算法的具体步骤
• 3.3.3 算法的软件实现及其测试结果
• 3.4 本章小结
• 第4章 静音检测技术（VAD）
• 4.1 引言
• 4.2 静音检测技术原理分析
• 4.3 静音检测（VAD）算法实现过程
• 4.3.1 VAD算法实现过程概述
• 4.3.2 VAD算法实现过程主要模块分析
• 4.4 静音检测（VAD）算法的测试结果及其分析
• 4.4.1 测试序列
• 4.4.2 测试结果
• 4.4.3 结果分析
• 4.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文及其它成果
• 致谢