基于HMM与SVM的语音活动检测

• 作者: 王英 肖佳林 赵聿晴
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 美尔频率倒谱系数 隐马尔科夫模型 支持向量机 语音活动检测 核函数
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 203-208
• 页数: 6页
• 分类号: TP18
• 字数: 5516字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.01.043

摘要

工程机械强噪音环境下的噪声源较多，导致电话语音通话无法进行，且强噪声造成无效数据占用带宽。为此，提出基于隐马尔科夫模型(HMM)和支持向量机(SVM)的语音活动检测算法。该算法将提取的美尔频率倒谱系数特征向量输入到 HMM 识别器中，并通过Viterbi算法得到N维最佳识别结果，将其转换为SVM特征向量输入到SVM分类器中进行分类判别，得到判决结果。实验结果表明，该算法在机械工作噪音的情况下，语音检测率较静态统计类算法平均提高9%，比小波支持向量机方法提高11%，在驾驶室噪音的情况下比小波SVM方法有较小幅度的提高，但其增长速度较快，且比传统的统计类算法提高9%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王英	湖南大学信息科学与工程学院	2	13	2.0	2.0
2	肖佳林	湖南大学信息科学与工程学院	1	11	1.0	1.0
3	赵聿晴	湖南大学信息科学与工程学院	1	11	1.0	1.0