Transcript 端點偵測介紹
端點偵測介紹 端點偵測 • 端點偵測（End-point Detection， EPD）:決定音訊開始和 結束的位置，又稱 Speech Detection 或是 VAD (Voice Activity Detection)。 端點偵測 • 時域端點偵測－絕對值能量法、平方和能量法和越零率 • 絕對值能量法： E n ( N 1) 2 s( p i ) i ( N 1) 2 • 平方和能量法： En ( N 1) 2 2 s ( p i ) i ( N 1) 2 其中E(n)為第n 個分析框的能量估算值，p 為該分析框的 中心點位置，N 為分析框寬度 • 越零率（Zero Crossing Rate， ZCR）是在訊號中，音訊通 越零點的次數 能量法與越零率 頻域端點偵測 • 訊號轉換:離散傅立葉轉換 X (k ) N 1 x ( n )e j 2n k N n 0 其中N為分析視窗長度，X(k)為轉換後頻率成分k之能量 X(k) … … ... k1 k2 k3 … … ... kN Freq. 平均能量熵值 • 平均能量熵值 計算整段平均能量 u n 1 A(n) / N N 其中，u為整段訊號的平均能量點，A(n)為第n個點的振幅 值，N為訊號總點數 • 限制頻帶 X (k ) 0 , k 250Hz or k 6000 Hz 平均能量熵值 • 將平均能量加入機率密度 pi ( X ( ki ) u ) N i 1 ( X ( ki ) u ) 其中，β為調整值，u為平均能量 平均能量熵值 • 計算加入平均能量後的負熵值 H i i 1 pi log pi N 其中，Hi為第i個音框下重新計算後的負熵值 平均能量熵值 決定門檻值 決定門檻值 • 取前N個音框之平均值 – 此方法假設一開始是靜音，但若一開始就有聲音此做法就很容易 發生錯誤 • 取音框中最大數值的0.1倍 – 此方法在音量忽大忽小時或雜訊太強時，會發生錯誤 • 取音框中最小數值的5倍 – 此方法在雜訊太強時，會發生錯誤 結合越零率 • 先訂出三個門檻值分別為: • 高能量門檻值（τu） • 低能量門檻值（τl） • 越零率門檻值（τzc） 結合越零率 • 先以低能量門檻值（τl）為主，找出語音的起點 • 經過B個音框後，能量更是大於τu，則視N1為聲音的起始 點，反之在B個音框內有小於τl或是低於τu，則放棄N1繼續 往下找 結合越零率 • 找到N1之後，往回檢查前幾個音框的越零率，是否大於τzc ， 若是就繼續往回搜尋，直到越零率小於τzc為止 • 此時的 Nˆ 1與N2為此訊號的端點