Exponenta Banner

Voice Activity Detector

Обнаружение наличия речи в аудиосигнале

развернуть все на странице
  • Библиотека:

  • Audio измерения

  • Voice Activity Detector block

Описание

Блок Voice Activity Detector обнаруживает наличие речи в аудиосигнале. Можно также использовать блок Voice Activity Detector, чтобы вывести оценку отклонения шума на интервал частоты.

Порты

Вход

расширить все

  • Матричный вход - Каждый столбец входного сигнала рассматривается как независимый канал.

  • 1-D векторный вход -- Вход рассматривается как один канал.

Этот порт не называется, если вы не задаете дополнительные входные порты.

Типы данных: single | double

Зависимости

Чтобы включить этот порт, выберите Specify silence-to-speech probability from input port для параметра Вероятность перехода от системы координат молчания к системе координат.

Типы данных: single | double

Зависимости

Чтобы включить этот порт, выберите Specify speech-to-silence probability from input port для параметра Вероятность перехода от речевой системы координат к системе координат молчания.

Типы данных: single | double

Выход

расширить все

Блок выводит скаляр или вектор-строку с одинаковым числом столбцов, как и входной сигнал.

Этот порт не называется, пока вы не выберете параметр Output noise variance.

Типы данных: single | double

Блок выводит вектор-столбец или матрицу с одинаковым числом столбцов, как и входной сигнал.

Зависимости

Чтобы включить этот порт, выберите параметр Output noise variance.

Типы данных: single | double

Параметры

расширить все

Если параметр указан как настраиваемый, то можно изменить его значение во время симуляции.

Оконная функция спроектирована с использованием алгоритмов следующих функций:

Настраиваемый: Нет

Зависимости

Чтобы включить этот параметр, установите Domain of the input равным Time.

Зависимости

Чтобы включить этот параметр, установите Domain of the input равным Time и Window к Chebyshev или Kaiser.

Типы данных: single | double

Настраиваемый: Нет

Зависимости

Чтобы включить этот параметр, установите Domain of the input равным Time.

Настраиваемый: Нет

Зависимости

Чтобы включить этот параметр, установите Domain of the input равным Time и очистите параметр Inherit FFT length from input dimensions.

Типы данных: single | double

Чтобы задать Probability of transition from a silence frame to a speech frame от входа порта, выберите Specify silence-to-speech probability from input port.

Настраиваемый: Да

Типы данных: single | double

Чтобы задать Probability of transition from a speech frame to a silence frame от входа порта, выберите Specify speech-to-silence probability from input port.

Настраиваемый: Да

Типы данных: single | double

Когда вы выбираете этот параметр, к блоку добавляется дополнительный выходной порт, N.

  • Code generation - Симулируйте модель с помощью сгенерированного кода C. Первый раз, когда вы запускаете симуляцию, Simulink® генерирует код С для блока. Код С повторно используется для последующих симуляций, пока модель не меняется. Эта опция требует дополнительного времени запуска, но скорость последующих симуляций сопоставима с Interpreted execution.

  • Interpreted execution - Симулируйте модель с помощью MATLAB® интерпретатор. Эта опция сокращает время запуска, но имеет более медленную скорость симуляции, чем Code generation. В этом режиме можно отлаживать исходный код блока.

Настраиваемый: Нет

Примеры моделей

Detect Presence of Speech

Обнаружение присутствия речи

Эта модель использует блок Voice Activity Detector, чтобы визуализировать вероятность присутствия речи в аудиосигнале.

Gate Audio Signal Using VAD

Аудиосигнал управления ключами с использованием VAD

Эта модель использует маршрутизацию сигнала блока if-else, чтобы заменить области без речи нулями.

Frequency-Domain Voice Activity Detection

Обнаружение голосовой активности частотного диапазона

Эта модель обнаруживает голосовую активность, используя аудиосигнал частотного диапазона.

Visualize Noise Power

Визуализация шумовых Степеней

Эта модель строит график степени шума, оцененной детектором голосовой активности.

Характеристики блоков

Типы данных

double | single

Прямое сквозное соединение

no

Многомерные сигналы

no

Сигналы переменного размера

no

Обнаружение пересечения нулем

no

Алгоритмы

Этот Voice Activity Detector реализует алгоритм, описанный в [1].

Если Domain of the input задано как Timeвходной сигнал окончается и затем преобразуется в частотный диапазон согласно параметрам Window, Sidelobe attenuation of the window (dB) и FFT length. Если Domain of the input задано как Frequency, вход принят как оконное дискретное время Фурье (DTFT) аудиосигнала. Затем сигнал преобразуется в область степени. Отклонение шума оценивается согласно [2]. Апостериорный и предшествующий ОСШ оцениваются согласно формуле минимальной среднеквадратичной ошибки (MMSE), описанной в [3]. В соответствии с [1] используется тест коэффициента журнала правдоподобия на основе скрытой модели Маркова (HMM).

Ссылки

[1] Сон, Джонсео., Нам Су Ким и Вонён Сон. «Обнаружение голосовой активности на основе статистической модели». Обработка сигналов Букв IEEE. Том 6, № 1, 1999.

[2] Мартин, Р. «Оценка шумовой Степени спектральной плотности на основе оптимального сглаживания и минимальной статистики». Транзакции IEEE по обработке речи и аудио. Том 9, № 5, 2001, стр. 504-512.

[3] Ефрем, Я. и Д. Малах. «Улучшение речи с использованием оценки минимальной среднеквадратичной ошибки короткого времени спектральной амплитуды». Транзакции IEEE по акустике, речи и обработке сигналов. Том 32, № 6, 1984, стр. 1109-1121.

Расширенные возможности

Генерация кода C/C + +
Сгенерируйте код C и C++ с помощью Coder™ Simulink ®

.

См. также

Введенный в R2018a

Документация Audio Toolbox

Поддержка