关于webrtc的VAD（voice activity dectctor)算法说明

                                   关于webrtc的VAD（voice activity dectctor)算法说明

        webrtc 的vad使用GMM(Gaussian Mixture Model)对语音和噪声建模，通过相应的概率来判断语音和噪声。这种算法

的优点是它是无监督的，不需要严格的训练。GMM的噪声和语音模型如下：

       p(xk|z,rk)={1/sqrt(2*pi*sita^2)} * exp{ - (xk-uz) ^2/(2 * sita ^2 )} 

       XK是选取的特征量,在webrtc的VAD中具体是指子带能量,rk是包括均值uz和方差sita的参数集合。z=0，代表噪声；z=1，代表语音。

webrtc中的vad的C代码的详细步骤如下：

      1.设定模式 ：

                 依据hangover、单独判决和全局判决门限将VAD检测模式分为以下4类

                 0-quality mode  

                 1- Low bitrate mode  

                 2-Aggressive mode 

                 3- Very aggressive mode

          

      2.webrtc的VAD只支持帧长10ms，20ms和30ms，为此事先要加以判断，不符合条件的返回-1。

 

      3.webrtc 的VAD核心计算只支持8KHz采样率，所以当输入信号采样率为32KHz  或者16KHz 时都要先下采样到8KHz 。

 

       4.在8Khz采样率上分为两个步骤

 

              4.1 计算子带能量

                        子带分为80～250Hz，250～500Hz，500～1000Hz，1000～2000Hz，2000～3000Hz，3000～4000Hz

                需要分别计算上述子带的能量feature_vector。

 

              4.2 通过高斯混合模型分别计算语音和非语音的概率，使用假设检验的方法确定信号的类型。

                          首先通过高斯模型计算假设检验中的H0和H1（C代码是用h0_test和h1_test表示），通过门限判决vadflag;

                         然后更新概率计算所需要的语音均值(speech_means)、噪声的均值(noise_means)、语音方差(speech_stds)

                和噪声方差(noise_stds)。