1913

Enerji Tabanlı Konuşma Aktivitesi Belirleme Algoritmalarının Gürültülü Konuşma Sinyalleri için İncelenmesi

Bu çalışmada, iki farklı enerji tabanlı konuşma bölgesi aktivasyonu detektör (KAD) algoritmasının gürültülü giriş sinyallerine karşı davranışları incelenmektedir. İncelenen KAD detektörleri, konuşma sınırlarını etkin bir şekilde belirlemek için zaman düzlemindeki metotları kullanmaktadır. Zaman düzlemi kısa zaman aralığında enerji hesabı ve/veya sıfır geçiş oranı, metotların performansını değerlendirmede kullanılmaktadır. Her iki algoritmanın ilk aşamasında, zaman düzleminde her bir konuşma alt kesitinde enerji değerleri hesaplanmaktadır. Enerji oranları ve eşik değerler, konuşma sinyalinin aktif bölgelerini belirlemede kullanılmaktadır. Karar eşik değeri, konuşma sinyalinin başında sessiz bir bölge aralığında hesaplanmaktadır. Seçilen metotların etkinliği temiz ve gürültülü konuşma sinyal örnekleri için test edilmiştir. Metotlar, değişik SNR seviyelerinde gürültülü konuşma sinyalleri kullanarak test edilmiştir. Sonuçlar göstermiştir ki, 0dB SNR seviyesine kadar yavaşca azalan performansla her iki metot etkinliklerini koruyabilmekte, ancak 0dB SNR seviyesi altında her iki metot etkinliğini kaybetmektedir.

Examination of Energy Based Voice Activity Detection Algorithms for Noisy Speech Signals

This paper examines the behavior of two different energy-based voice activity detector (VAD) algorithms for noisy input signals. Theexamined detectors use time-domain methods to find speech boundaries. Time-domain short time energy features and/or zero-crossingrate of speech signals are used to evaluate the performance of the methods. In the first stage of both algorithms, time-domain short-timeenergy (STE) features are calculated for each speech segment. Then energy ratios and threshold values are used to detect any voicingactivity of speech signals. The decision threshold value is calculated by evaluating the average STE of an initial silence period. Theeffectiveness of the selected methods is tested for clean and noisy speech samples. The methods are tested using the noisy speech signalsunder different SNR levels. The results indicated that both methods achieve a reasonable accuracy as low as an SNR value nearly 0dBwith a slowly decreasing performance. But, under 0dB SNR, both methods lose their effectiveness against noisy conditions.

PDF

___

[1] R. G. Bachu, S. Kopparthi, B. Adapa and B. D. Barkana (2010), Voiced/Unvoiced Decision for Speech Signals Based on ZeroCrossing Rate and Energy, January, 2010, Advanced Techniques in Computing Sciences and Software Engineering, pp 279-282, 2010; DOI 10.1007/978-90-481-3660-5_47
[2] K.Sakhnov, E.Verteletskaya and B. Simak (2009), Dynamical Energy-Based Speech/Silence Detector for Speech Enhancement Applications, Proceedings of the World Congress on Engineering 2009 Vol I, WCE 2009, July 1 - 3, London, U.K., ISBN: 978-988- 17012-5-1
[3] L. R. Rabiner ; M. R. Sambur (1975), An algorithm for determining the endpoints of isolated utterances, The Bell System Technical Journal ( Volume: 54 , Issue: 2 , Feb. 1975 ), (ISSN: 0005-8580), DOI: 10.1002/j.1538-7305.1975.tb02840.x, pp. 297 – 315,
[4] Prasad, V. (2002), Comparison of voice activity detection algorithms for VoIP, Proceedings - International Symposium on Computers and Communications, ·DOI: 10.1109/ISCC.2002.1021726, pp.62-65,
[5] Pollak, P., Sovka, P., Uhlir, J. (1993), Noise Suppression System for a Car, proc. of the Third European Conference on Speech, Communication and Technology – EUROSPEECH’93, (Berlin, Germany), p. 1 073–1 076, vol.5, Sept..
[6] A. M. Kondoz (1999), Digital Speech. New York: John Wiley and Sons,
[7] L. R. Rabiner and R. W. Schafer (2007), Introduction to Digital Speech Processing, Foundations and Trends in Signal Processing. Boston: Now Publishers Inc.,
[8] P.Renevey, A.Drygajlo, (2001), Entropy based voice activity detection in very noisy conditions, in Proc. Eurospeech 2001, pp.1887- 1890