论文部分内容阅读
语音识别中的端点检测要求对噪声有很强的鲁棒性，该文提出一种方法，综合采用了语音信号中的4个相互之间独立性强的特征－短时能量，倒谱距离，能量谱方差和能量－熵特征，有效地改进传统的基于单一语音特征方法的缺陷，在动态变化的噪声环境中，大大提高了端点检测对噪声的鲁棒性，为了克服分类回归树（CART）决策法的过度复杂性，引入一种新的5状态自动机进行快速决策，以保证算法的实时性能，并且能够提高端点检测的可靠性，通过各种实际噪声环境的测试，实验表明这一算法可以显著提高在低信噪比、噪声动态变化的各种环境下的端点检测性能。