端点检测

摘要： 咳嗽是猪患呼吸道系统疾病发病早期的主要症状。为解决猪呼吸系统疾病难以被发现和人工监测准确率低的问题,提出利用BP神经网络来检测和识别猪咳嗽声音的方案。基于四麦克风阵列进行猪声音数据的采集,以猪咳嗽声、打呼噜声、尖叫声、哼哼声、咆哮声的声音为研究对象,对得到的声音数据进行滤波、端点检测等预处理,把梅尔频率倒谱系数(MFCC)作为猪声音特征参数,建立BP神经网络学习和识别的模型。经五折交叉法验证猪咳嗽声平均识别率为85.33%,猪非咳嗽声平均识别率为86.24%,识别率均在85%以上,结果表明所提出的方案是可行的。这种方法可以高效地识别猪咳嗽声,为猪呼吸道疾病发病初期的诊断提供技术支持。

摘要： 通过异常声监测危险事件逐渐成为公共安全监测的有力手段之一。本项目设计并实现一种异常声信号采集与识别系统,使用Respeaker开发板作拾音器检测周围环境是否存在异常声。若存在异常声,拾音器则进行采集并通过无线传输的方式将音频上传至服务器,由服务器对每段音频依次进行预处理、特征提取及模型预测,最后输出识别结果。项目使用卷积神经网络(Convolutional Neural Networks,CNN)训练了尖叫声、鸣笛声、鞭炮声三种异常声的识别模型。实验结果表明,该系统能够较准确地识别出三种异常声音,具有一定的应用价值,可以作为后续异常声信号识别的参考。

摘要： 语音由发音器官发出,通过声电传感器,语音可以转化连续的模拟电信号;随着电子技术和计算机技术的进一步发展,语音信号的处理得到了飞速的发展;语音信号分析处理包括时域分析和频域分析两大类;语音的时域分析包括短时能量分析、短时过零率分析、短时相关分析,时域分析目的是提取语音时域特征,据此进行语音端点检测。

摘要： 针对端点威胁及端点检测和响应产品进行介绍,并探讨端点安全工具的考量因素及未来发展趋势。

摘要： 叫声是评估生猪福利水平的重要方式之一。本文首先分析了生猪叫声与福利之间的相互关系。其中,与生猪福利密切相关的三种生猪叫声包括咳嗽声、尖叫声和呼噜声。基于这三种声音进一步分析声音与环境,声音与身体状况,以及声音与健康之间的关系。随后,对当下的生猪福利监测所采用的传感器,包括穿戴式与非接触式两大类进行分析,并简述不同方式的优劣势。基于非接触式的优势及麦克风传感器技术的可行性,从声音的获取和标记、特征提取以及声音分类三个方面对现有的生猪声音处理技术进行了阐述和评估。最后,从声音监测技术、生猪个体福利监测、商业应用以及养猪从业者四个角度讨论了叫声在生猪福利监测中面临的研究困境以及发展趋势。研究发现,目前关于生猪声音分析的研究大多集中在分类器的选择和识别算法的改进上,而对端点检测和特征选择的研究较少。同时,当下面临的主要挑战还包括不同生长阶段的音频数据获取难度较高,缺乏公共的猪舍内音频数据库以及缺少完善的声音指标与动物福利监测评价体系。总体来说,建议进一步对声音识别过程中涉及的各部分技术进行深入探索,同时加强跨学科专家之间的合作,共同推动声音监测在生猪实际生产中的应用,从而加快精准畜牧业的实现。

摘要： 为提高基于相敏光时域反射计的分布式光纤声传感系统对振动信号的识别速度与识别准确率度,本文提出使用端点检测对光纤传感振动信号进行预识别的方法。该方式首先使用小波阈值折衷去噪对振动信号进行去噪处理,然后使用基于短时能量与短时过零率的端点检测方式对采集到的振动信号进行检测,如果检测到振动信号中存在有振动,则使用Resnet18网络对振动类型进行进一步的识别;若未检出振动信号,则将振动信号判定为噪音,不再进行进一步的检测。实验证明该方式能有效降低分布式光纤声传感系统对振动信号的识别时间,并且通过使用Resnet18网络对一维振动信号进行识别提高了对振动信号的识别准确率,对噪音信号的识别时间降低为3.5 ms,对振动信号的平均识别准确率达到96.3%。

摘要： 为了检测野外复杂噪声环境中的鸟鸣声信号,提出一种基于人耳听觉特性的听觉子带能量特征鸟鸣声端点检测方法。利用反映人耳听觉特征的Mel频率尺度变换,将鸟鸣声信号在频域划分为24个子带(称为Mel子带),分析鸟鸣声信号的Mel子带能量分布特征,选取能量值最高的Mel子带能量作为特征量进行端点检测。通过仿真和野外实测数据对比了基于短时能量法的端点检测性能,结果表明Mel子带能量法在信噪比(SNR)为-10 dB条件下仍能检测到鸟鸣声信号,对风声、海浪声等海岛环境噪声也具有较强的抗干扰性能,性能优于短时能量法。

摘要： 智能语音已经走进人们的日常生活,端点检测技术的发展对语音识别的应用起到了关键性作用,如何在嘈杂环境下正确识别出语音段,是影响语音识别系统性能的重要因素。针对已有的端点检测技术,提出了改进型多特征语音端点检测方法,在降噪的同时进行语音增强。即运用子带谱熵进行噪声估计,运用自适应噪声平滑进行降噪,并在谱减法的基础上进一步改进谱减参数,得到增强的语音信号。通过MATLAB仿真发现,改进型多特征语音端点检测技术能够更好地适应不同噪声环境,对端点检测有很好的适用性。

摘要： 在全特征矢量集模型CFC和互信息识别的基础上,对不同的语音特征参数提取方式及不同特征在不同信噪比下的识别率做了比较,实验结果表明基于人耳听觉特性的稳健特征提取方式在高信噪比时识别率最高;本文针对低信噪比情况下说话人识别系统的识别率较低的问题,提出了基于多窗谱估计普减法的能熵比法用于语音的前端降噪处理,结果表明通过改进的端点检测法在低信噪比下明显提高说话人识别的识别率.

摘要： 端点检测是语音标注的重要前序技术,针对语音标注,设计了一种基于信噪比分类的自适应端点检测算法.该算法首先对标注语音的信噪比分布范围进行分析,将信噪比分类,在每类信噪比范围内选择对应较优的算法.在高信噪比范围选择子带谱熵法,在中等信噪比范围内选择均匀子带频带方差法,而在低信噪比环境下先对带噪语音进行谱减法去噪处理,再采用基于均匀子带频带方差的端点检测算法.仿真实验表明,对语音标注采用的音频信号进行端点检测,该算法能达到较高的检测正确率,证明了算法的有效性.

摘要： 由于在低信噪比环境下,传统语音信号端点检测算法性能迅速降低,本文提出了增强减谱方差联合法以及多窗谱减谱能熵比联合法对语音信号进行端点检测,将去噪与检测处理有效结合在一起.增强减谱方差联合法首先利用增强减谱法对带噪信号去噪,减谱调节因子的引入增强了对噪声的适应性,由于去噪后的信号的方差值在边界点处具有明显特征,以此采用基本方差法进行端点检测.而多窗谱减谱能熵比联合法是利用多窗谱估计减谱法对带噪语音信号进行去噪,采用多个相互正交的窗函数求谱值,使频谱方差误差更小,能熵比法相比于其它算法抗噪性能更强.通过实验,设置不同的信噪比、在不同类型的噪声下对语音信号进行端点检测,实验结果表明,改进的两种算法对不同噪声和低信噪环境适应性良好,比传统算法正确率更高.

摘要： 低信噪比环境下语音的端点检测在语音处理中占有十分重要的地位.对于一个受到加性噪声污染的语音信号通常采用滤波的方式,能够抑制噪声,并使原始语音保持相对不变.提出了一种基于最小均方误差(LMS)自适应滤波减噪与改进的双门限语音端点检测算法,在进行双参数双门限法端点检测的前后进行双重中值滤波平滑处理.通过Matlab仿真,将提出的语音端点检测方法与其它的方法进行对比,在信噪比较低的噪声环境下使得语音的端点检测效果具有更优的准确率与稳健性.

摘要： 本文提出了一种新的多观测复合特征(MO-CF)用于基于支持向量机(SVM)的语音端点检测(VAD)。该特征是由2个子特征经平衡因子加权构成。特征的优化目标是寻找能使VAD的性能曲线下面积(AUC)最大化的平衡因子，以综合各 个子特征的优点。在子特征选择方面，要求各个子特征不仅本身具有较好的性能，而且存在互补性。针对该要求，提出2种组合特征MO-CF1和MO-CF2。由多观测信噪比(MO-SNR) 特征与多观测最大概率(MO-MP)特征复合而成的MO-CF2比 MO-CF1更稳健。实验结果表明：在多种噪声环境下，相比于已有的9种VAD算法，该算法具有更好的性能和更高的稳健性。

摘要： 提出了基于短时能量和过零率的简化语音信号双门限端点检测算法。该简化算法采用将语音的浮点数定点化，从而省去了经典的双门限端点检测中语音信号的一阶FIR滤波，降低了运算复杂度，更易于ASIC实现。搭建了Matlab的算法仿真平台，实验结果表明，基于短时能量和过零率的双门限端点检测算法在保证检测率的前提下，运算复杂度和运算量均优于倒谱、分形、加权门限端点检测方法。采用Verilog语言完成了该模块的设计和仿真，并成功应用于孤立词语音识别系统中。该语音识别系统采用的是定点数设计方式，语音信号的采样频率为8KHz，每次采样的数据为8bits，晶片内部稳定工作频率为20MHz。实验结果表明，在200个词源的条件下，平均可以达到90%以上的识别效果。

摘要： 宽带语音增强在改善语音质量方面有着广泛的应用。在语音增强算法中,语音段/噪声段的端点检测非常重要,端点检测的作用是为了更新噪声段能量估计,提高语音增强的性能。本文研究了含噪语音中几种端点检测算法,比较了这几种端点检测方法的性能。

摘要： 语音信号的端点检测是语音信号处理的基础环节。近年来，有不少学者提出了基于小波变换的语音信号端点检测算法，解决了传统端点检测算法在信噪比较低时性能恶化的问题，但检测所需阀值往往根据信噪比的不同取经验值。实际应用中含噪语音的信噪比往往未知，阈值需要人为调整以达到较好的检测效果，因而有一定的不足。针对这种情况对基于小波多分辨分析的端点检测算法的阈值进行了量化计算，并将改进后的方法与双门限法进行了比较。仿真结果表明，这种方法不需要噪声的先验知识，克服了以往阈值取经验值的弊端，对低信噪比下的含白噪声语音信号具有较好的检出效果。

摘要： 提出了基于全相位滤波器实现光纤扰动信号端点检测和模式识别的信号处理方法.通过设定合适的频率向量矩阵,可以快速完成扰动信号的端点检测并计算出感兴趣频带的能量分布作为特征向量,用提取出的特征向量进行模式识别.现场测试的结果表明,该算法可以快速准确地对干扰类型做出判断.

摘要： 鼾声信号的分离是识别鼾声,实现阻塞性睡眠呼吸暂停低通气综合征(OSAHS)诊断的前提与关键,文中提出了一种基于自相关函数的鼾声信号自适应端点检测方法.首先,对带噪睡眠鼾声信号进行一系列降噪处理,提高信噪比,然后对降噪的信号用基于短时自相关函数门限法进行端点检测,分离鼾声段,最后对鼾声事件进行了修正.实验结果表明,文中提出的方法能够实现86％以上的正确识别率,具有较好的分离效果.

摘要： 语音识别是一个非常具有挑战性的问题.本文提出一种基于短时区域能量谱算法是时域下在对语音信号进行多次抽取的基础上,快速计算出短时区域能量分布曲线,并依据该能量分布曲线,快速发现能量拐点(语音变化的时刻);再依据抽取算法逆运算求出能量拐点对应的原始位置,从而有效检地测出语音信号的端点.试验数据表明:本算法计算具有速度快、准确度高、抗干扰能力强等特点,因此具有一定的实际应用价值.

摘要： 针对目前智能机器人在非特定人语音识别中识别率偏低的问题，本文采用一种双门限的端点检测算法精确地检测出了语音端点，以Mel频率倒谱系数(MFCC)与分形维数混合参数作为特征参数，实现了基于隐马尔可夫模型(HMM)算法的智能机器人命令词识别系统，识别效果达到85％以上。同时对MFCC和MFCC与分形维数组合成混合参数的语音特征提取方法的性能进行了对比分析。实验结果表明，MFCC与分形维数混合的语音特征参数的算法提高了系统识别率，优化了系统性能。

摘要： 多个端点计算机系统中的每个端点计算机系统监测与在相应的端点计算机系统的操作环境内发生的多个事件相关的数据。监测可以包括使用在端点计算机系统上执行的一个或多个传感器来接收和/或推断数据。此后，对于每个端点计算机系统，与事件结合使用的伪像被存储在这样的端点计算机系统上维护的保管库中。稍后，查询由多个端点计算机系统的至少子集从服务器接收。作为响应，这样的端点计算机系统响应于查询而在相应的保管库中标识和获取伪像。然后响应于查询的、包括或表征所标识的伪像的结果由接收查询的端点计算机系统提供给服务器。

摘要： 本发明公开了一种构建语音端点检测模型的方法及语音端点检测系统，属于语音识别技术领域。本发明的一种构建语音端点检测模型的方法，先采集音频数据并合成混合语音，而后对混合语音进行特征提取得到62维特征，再将62维特征输入至RNN模型进行训练得到语音端点检测模型。本发明的一种语音端点检测系统，包括采集单元、计算单元、传输单元和终端，采集单元与计算单元电连接，计算单元和终端分别与传输单元连接。本发明克服了现有技术中，语音识别准确性和稳定性不高的不足，提供了一种构建语音端点检测模型的方法及语音端点检测系统，对各类噪声下的语音数据具有较高的识别率，可以应用部署至实时会议通信设备。

摘要： 本发明提供一种波形中的峰值端点检测方法及检测装置。峰值端点检测装置，包括：波形形状分析部、峰顶位置获取部，分别获取峰值检测对象波形的拐点提取波形、峰顶位置；基准值获取部，在峰值检测对象波形的峰顶位置的左右侧中任一侧，检测拐点提取波形的极大值及获得极大值的横轴的位置；相对阈值计算部，将极大值乘以具有规定的0至1之间的值的相对阈值率而计算相对阈值；以及峰值端点位置检测部，以获得极大值的横轴的位置为基点，在远离与峰顶位置相对应的横轴的位置的方向上，检测出拐点提取波形的值下降至相对阈值为止的最早的点作为峰值端点的横轴位置，并检测出与峰值端点的横轴位置相对应的峰值检测对象波形上的点作为峰值端点。

摘要： 本发明公开了一种可灵活配置的低成本光纤扰动事件端点检测方法及检测仪，方法包括：通过阻带宽度、频率平移量、以及滤波器频率向量的长度获取频移滤波器系数：对频移滤波器系数做傅里叶变换，并通过Kaiser窗与矩形窗获取补偿滤波器系数；通过频移滤波器系数、补偿滤波器系数获取频移补偿低通滤波器系数；对频移补偿低通滤波器系数进行处理，得到高通滤波器；将下采样后的信号输入高通滤波器中，得到滤波输出序列；搜寻所述滤波输出序列中首次大于能量阈值的位置，该位置即为扰动起始点。检测仪包括：模数转化器、FFT分析仪以及DSP器件。本发明可对参数进行调节，能够满足各种环境背景的需求，具有很高的时效性，且成本较低。

摘要： 本发明公开了一种可配置的光纤侵犯事件发生端点检测方法以及检测仪，方法包括：配置出滤波器系数向量g，并用该滤波器对流水输入的x(n)做滤波，输出处理后的x′(n)；对x′(n)进行第一次分块，求取各块信号能量并归一化，找出首个大于归一化能量阈值Eth1的信号块k；选取第k、k+1两相邻信号块为一整体，进行第二次分块，求取各子块信号能量并归一化，并依次与另一归一化能量阈值E

摘要： 本公开属于低电压穿越技术领域，具体涉及一种基于语音端点检测算法的低电压穿越电压检测方法及系统，包括：获取至少两个不同时刻的电网电压信号；对所获取的电网电压分别进行分帧采样处理，构造与电网电压信号相对应的自相关函数，得到每一帧电网电压信号的自相关函数序列；根据所得到的每一帧电网电压信号的自相关函数序列，构造电网电压信号的自相关序列矢量；计算不同电网电压信号的自相关序列矢量的夹角；根据所述夹角的余弦、电压突变判据和预设的语音端点检测模型，完成电压检测。

摘要： 一种自适应语音端点检测方法，包括如下步骤：对输入语音信号分割成单帧时域信号；计算时域基础背景能量、时域最大背景能量、时域最终背景能量和时域语音存在概率；对单帧时域信号进行加窗处理和离散傅立叶变换，计算频域语音存在概率；根据时域语音存在概率、频域语音存在概率、信噪比计算有效判决概率；根据有效判决概率Pfinal判断是否存在有效语音。本发明使用信噪比作为选择时域处理或频域处理作为是否有语音的判决条件，解决了现有技术难以满足对复杂环境有较高适应性的需求，提高了算法对环境的自适应性和鲁棒性。

摘要： 本发明提供一种基于FFT语音信号的端点检测系统及检测方法，包括数字信号处理器、输入语音集成电路模块、输出语音集成电路模块、FPGA、无线电台；其中语音信号数据经AIC23采样转换为数字信号后，直接进入FPGA的FFT内核模块，由硬件电路实现FFT，速度快，系统延迟小，其中通过FPGA多了一次语音信号预处理程序，提高语音端点检测的准确率。

摘要： 本发明公开了一种构建语音检测模型的方法及语音端点检测系统，属于语音识别技术领域。本发明的一种构建语音检测模型的方法，先采集音频数据并合成混合语音，而后对混合语音进行特征提取得到62维特征，再将62维特征输入至RNN模型进行训练得到语音检测模型。本发明的一种语音端点检测系统，包括采集单元、计算单元、传输单元和终端，采集单元与计算单元电连接，计算单元和终端分别与传输单元连接。本发明克服了现有技术中，语音识别准确性和稳定性不高的不足，提供了一种构建语音检测模型的方法及语音端点检测系统，对各类噪声下的语音数据具有较高的识别率，可以应用部署至实时会议通信设备。

摘要： 本发明公开了一种可灵活配置的低成本光纤扰动事件端点检测方法及检测仪，方法包括：通过阻带宽度、频率平移量、以及滤波器频率向量的长度获取频移滤波器系数：对频移滤波器系数做傅里叶变换，并通过Kaiser窗与矩形窗获取补偿滤波器系数；通过频移滤波器系数、补偿滤波器系数获取频移补偿低通滤波器系数；对频移补偿低通滤波器系数进行处理，得到高通滤波器；将下采样后的信号输入高通滤波器中，得到滤波输出序列；搜寻所述滤波输出序列中首次大于能量阈值的位置，该位置即为扰动起始点。检测仪包括：模数转化器、FFT分析仪以及DSP器件。本发明可对参数进行调节，能够满足各种环境背景的需求，具有很高的时效性，且成本较低。