文件名称：多模式语音端点检测 (2005年)
文件大小：255KB
文件格式：PDF
更新时间：2024-06-12 19:20:30
自然科学 论文
在语音信号处理系统中，基于帧能量的语音端点检测（voice activity detection, VAD）往往受到语音段能量不平稳及噪声的影响，为了提高语音端点检测的性能和鲁棒性，引入视觉信息。该文提出采用基于数据驱动的线性变换生成视觉特征，在提出一个基于统计的VAD一般模型的基础上构建两个单模式的VAD系统，通过两步式的融合方法，得到了多模式的VAD系统。实验表明：同时利用音频和视觉信息的多模式VAD比基于帧能量的听觉VAD在帧错误率上有55.0%的相对下降，在断句错误率上有98.5%的相对下降。这一