端点检测编程思想

 

算法思路：

输入为归一化的语音段x和采样率Fs

（1）求原始信号从每点开始的长度为Len内的短时过零率，得到crslt为每点对应的短时过零率;

（2）然后进行过零率波形的平滑，其方法是对crslt做fft，去掉过零率波形中的高频，即fft谱中间置零；用ifft恢复平滑后的过零率波形为 C2;

（3）根据设置的过零率门限zero_threshold，将平滑后的过零率C2中不超过门限的置1;

（4）计算原始信号中每点开始的FrameLength短时帧能量,得到E;

（5）平滑短时能量谱得到E3,且进行归一化E3=E3./max(E3);

（6）根据归一化能量门限energy_threshold，平滑后的过零率中超过门限的置1得到E4;

（7）将过零率和归一化能量相与: v=E4&C3;

对这个v进行每点过零判断,cross2记录v总共的过零次数, pt(cross2)=n;用来记录每次过零时对应第几个样点;

（8）通过v(1)是否为1以及cross2是偶数还是奇数确定端点矩阵T;

v(1)=1则认为起始点为浊音点，v(1)=0则认为清音或者静默;

v(1)是否为1决定了起点b的设置;

cross2的奇偶决定了起点和终点的配对;

所以分四种情况考虑：

例如：if(v(1)==0&(mod(cross2,2)==0))  %% Low, even

则b=pt(n);e=pt(n+1);

依次判断每一对起点终点间距是否大于20ms帧长，如果大于则认为是该起始点成立，间距为一段浊音；

最后可以得到矩阵T,每一列代表一段浊音,第一行代表起点,第二行代表终点

 

此端点检测算法目前还不是100%好用,还需要对多种段落的语音试验。