双门限法语音端点检测

语音端点检测是语音识别系统的重要环节之一。针对噪声环境下的语音端点检测困难，提出了一种改进的支持向量机的语音端点检测方法。利用小波分析（WA）提取含噪语音信号的特征向量。采用遗传算法（GA）得到最优的

针对传统的聚类算法存在对初始值敏感、易陷入局部最小值，且对类别数和聚类原型的先验知识依赖比较大等问题。提出了一种基于多克隆的进化免疫网络聚类算法，该算法使用了多克隆算子，增加了种群的多样性，扩大了解空

这篇论文先介绍了语音信号处理的一些背景知识，包括语音信号的特点、数字化和预处理等；然后简要描述了几种较为常见的VAD算法：基于短时能量和过零率的端点检测算法、基于LPC倒谱特征的VAD算法、基于HMM

实现版权保护和内容认证是数字水印的两个最主要功能，而现有同时实现这两个功能的数字水印方案并不完美。提出了结合人类视觉系统在图像的绿色分量中嵌入版权信息，实现版权保护，在蓝色分量中嵌入二值图像，实现内容

VAD基于短时能量的端点检测函数，AudioVAD函数包括两个参数：short*的数据，long的数据长度。返回值为int类型的1或者0，表示该段数据是voice还是silence。并附上用于测试的p

该方 法基 于 自适 应子带谱熵的方法, 引入正常量 K, 计算 负熵, 然而噪 声的负 熵减少要比语音的 负熵 减小 的明显, 同 时, 各种 噪声的 负熵 很接近, 这样就增强了语音与噪声的区分度

为了提高车载噪声环境下语音端点检测的准确性，介绍了一种新的时间序列复杂性测度：模糊熵，并将其应用于语音信号的特征提取。分别以样本熵和模糊熵提取含噪语音信号的特征，使用双门限法对语音信号进行端点检测，特

基于子带能量的语音端点检测算法的研究，朱明明，吴小培，端点检测作为语音信号处理系统前端处理的重要环节，直接影响系统处理的准确性和高效性。传统的端点检测在高信噪比和稳定噪声环��

由于车内噪声的存在，使语音的检测率降低得非常明显，这给智能汽车的语音控制带来了困难。提出了一种基于HHT谱矩阵的检测方法。该方法通过分析HHT的特点，以及噪声、语音信号的幅度分布特点，以帧为单位对输入

为了提高语音端点检测效果，将小波分析和神经网络相融合，提出一种基于小波神经网络的语音端点检测算法（WA-PCA-RBF）。利用小波分析提取语音信号的特征向量，采用主成分分析法选择语音信号特征，消除冗余