本文介绍了WebRTC语音活动检测（VAD）的基本原理，包括语音信号的采样、帧处理、频段能量计算以及噪声与语音的概率分布判断。重点讨论了权重更新的考虑因素，如最大似然估计、噪声均值的动态更新以及梯度上升在估计过程中的作用。然而，文中提出了一些未解问题，如权重更新的准则和噪声均值更新的依据。
1、语音信号的采样率是8kHz，因此其最高频率必须限制在4kHz以下；
2、首先把语音信号划分为10ms一帧数据进行计算，帧与帧之间不重叠；
3、将一帧信号分解到六个频段：80~250,250~500,500~1000,1000~2000,2000~3000，3000~4000，
4、计算每个频率内的信号能量，取log10，我们称之为对数能量;
5、下面的话很重要，很重要，很重要：
在每个频段内，这个对数能量都是遵循一定的概率分布的，这里我们假定噪声为H0，语音H1（我个人理解应该是噪声+语音），
如果是噪声，那么服从的概率分布为：
如果是语音，那么服从的概率分布为：
假定噪声的概率是，信号的概率是
，那么收到一个信号（还不确是噪声还是语音）那它服从以下概率分布：
8671
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
