VAD算法

VAD算法

1. 基于信噪比（snr）的vad
2. 基于DNN的vad
3. 基于能量Energy的vad
4. 基于Decoder的Vad
5. 混合DNN和Decoder的Vad

基于信噪比的VAD算法

首先假设初始时的人是没有说话的，计算12帧初始声音的平均能量作为baseline，这个能量相当于底噪。

若进入的一帧的rms大于这个baseline，认为有人声，否则认为无人声。

初始时，连续n秒无人声，认为用户没有说话；连续3帧有声音，认为开始说话；说话后，又连续n秒没有声音，认为用户停止说话。

这就是几个状态处理，用个简单的状态机即可，switch， case。

用一个窗户来计算有声和无声的帧。

如何计算音量的呢？先计算一帧的rms，再10log（S/N）

private float getRmsdB(float rms) {
    if (mNoiseLevel < rms) {
        mNoiseLevel = (0.999f * mNoiseLevel) + (0.001f * rms);
    } else {
        mNoiseLevel = (0.95f * mNoiseLevel) + (0.05f * rms);
    }
    if (((double) mNoiseLevel) <= 0.0d || ((double) (rms / mNoiseLevel)) <= 1.0E-6d) {
        return -120.0f;
    }
    float originalDb