python信号端点检测_语音信号端点检测

语音信号的端点检测方法有很多种，简单的方法可以直接通过计算出声音的音量大小，找到音量大于某个阈值的部分，认为该部分为需要的语音信号，该部分与阈值的交点即为端点，其余部分认为非语音帧。

计算音量

计算音量的方法有两种，一种是以帧为单位(每一帧包含多个采样点)，将该帧内的所有采样点的幅值的绝对值之后相加，作为该帧的音量值:

Vi = sum(|Wi|)

以采样率为 11025 Hz ，时长为 1s 的波形为例：该波形含有 11025 个采样点，若取帧长为 framesize = 256，帧间重叠大小为 overlap = 128，则计算出来的音量数组包含 frameNum = 11025 / (256 - 128) = 86.13，取整为 frameNum = 87。计算前 86 帧的音量代码(代码为 volume.py 的 calcNormalVolume)：

for i in range(frameNum - 1):

# 获取第 i 帧数据

curFrame = wave[i*step: i*step + framesize]

curFrame = curFrame - np.mean(curFrame)

# 公式： v = sum(|w|)

volume[i] = np.sum(np.abs(curFrame))

不论采样点的数量是否能够被帧大小整除，最后一帧都需要单独判断，取波形长度和下一帧的波形长度较小的一个，并计算最后一帧的音量：

curFrame = wave[(frameNum - 1)*step: mi