vad.asv

基于DTW算法的孤立字识别系统。用Matlab编程实现语音信号的端点检测

function [x1,x2]=vad(x)

%幅度归一化到[-1,1]
x=double(x);%将数据转化成双精度数
x=x/max(abs(x));%通过除以最大的值，使得数据归化

%常数设置
framelen=300;%帧长,对应于30ms
frameinc=100;%每帧的偏移量，对应于10ms

amp1=10;
amp2=2;
zcr1=10;
zcr2=5;

maxsilence=3;%3*10ms=30ms
minlen=15;   %15*10ms=150ms
status=0;
count=0;
silence=0;

%计算过零率
tmp1=enframe(x(1:length(x)-1),framelen,frameinc);
tmp2=enframe(x(2:length(x)),framelen,frameinc);
%tmp1和tmp2都由归一化数据分帧得到，两者相差一个采样点
signs=(tmp1.*tmp2)<0;%signs用于存储相邻两个采样点是否相同，即是否过零
diffs=(tmp1-tmp2)>0.02;
%diffs用于度量相邻两个采样点的距离，若距离大于门限0.02，则为1，否则为2
%将两个矩阵点相乘，得到同时满足两个条件的采样点矩阵，然后按帧求和，就得到过零率
zcr=sum(signs.*diffs,2);%参数2表示求行和

%计算短时信号
%在计算短时能量之前要先将语音信号通过一个一阶高通滤波器1-0.9375z^(-1)
%目的是滤除低频干扰，同时有消除直流漂移，抑制随机噪声等效果。
%这里求出的是绝对值能量，实际上就是平均幅度
amp=sum(abs(enframe(filter([1 -0.9375],1,x),framelen,frameinc)),2);

%调整能量门线
amp1=min(amp1,max(amp)/4);
amp2=min(amp2,max(amp)/8);

%开始端点检测
x1=0;
x2=0;
for n=1:length(zcr)
    goto=0;
    switch status
        case {0,1}                           %0=静音,1=可能开始
            if amp(n)>amp1|zcr(n)>zcr1                   %确信进入语音段
                x1=max(n-count-1,1);
                status=2;
                silence=0;
                count=count+1;
            elseif amp(n)>amp2|zcr(n)>zcr2   %可能处于语音段
                status=1;
                count=count+1;
            else                             %静音状态
                status=0;
                count=0;
            end
        case 2,                              %2=语音段
            if amp(n)>amp2|zcr(n)>zcr2       %保持在语音段
                count=count+1;
            else                             %语音将结束
                silence=silence+1;
                if silence<maxsilence        %静音还不够长，尚未结束
                    count=count+1;
                elseif count<minlen          %语音长度太短，认为是噪声
                    status=0;
                    silence=0;
                    count=0;
                else                         %语音结束
                    status=3;
                end
            end
        case 3,
            break;
    end
end
count=count-silence;
x2=x1+count-1;