基于维特比算法的深度神经网络语音端点检测

摘要

语音端点检测(voice activity detection,VAD)是在连续语音信号中,将语音和非语言片段分离的技术.VAD在语音识别、说话人识别、语音编码等领域起着重要作用.传统VAD算法在类型已知的噪声环境下可以达到较好的性能,但在实际情况中,未知噪声的影响通常会使系统性能下降显著,在差异化噪声下的VAD是端点检测的研究难点.在总结现有语音端点检测算法基础上,提出了一种基于深度神经网络的语音端点检测方法,同时结合维特比算法,与基于贝叶斯信息准则(bayesian information criterion,BIC)的混合高斯模型(gaussian mixture model, GMM)语音端点检测系统进行对比,在大词汇连续语音识别系统中的实验结果表明,将深度神经网络结合维特比算法,应用于语音端点检测,在复杂噪声环境下取得了更好的效果,适应性更强.