Радіоелектроніка та радіоелектронне апаратобудування

ВИЯВЛЕННЯ ГОЛОСОВОЇ АКТИВНОСТІ НА ОСНОВІ КУТА НАХИЛУ АПРОКСИМУВАЛЬНОЇ ПРЯМОЇ ВЛАСНИХ ЗНАЧЕНЬ

Автор(и)

О. В. Коваль
Харківський національний університет Повітряних Сил ім. І. Кожедуба
DOI https://doi.org/10.31649/1997-9266-2023-169-4-68-77

Ключові слова

детектор голосової активності мовний сигнал власні значення подавлення шуму

Анотація

Розглянуто метод виявлення голосової активності (VAD — Voice Activity Detection) з метою покращення ефективності методів подавлення шуму в умовах низького співвідношення сигнал–шум. Наявність акустичних перешкод обмежує використання VAD та погіршує їхню продуктивність. Особливу увагу в роботі приділено методам VAD, що працюють в інтересах систем подавлення шуму, для оцінки шуму в зашумленому мовному повідомленні. Висока ефективність підпросторових методів подавлення шуму, основаних на перетворенні Корунена–Лоева, спонукала пошук простого та надійного VAD. Запропонований у статті метод виявлення голосової активності не вимагає додаткових перетворень та обчислень зашумленого мовлення та полегшує виявлення голосової активності в підпросторових методах подавлення шуму.

Як ознака класифікації мовних кадрів під час детектування голосової активності в запропонованому VAD використовується кут нахилу апроксимувальної прямої власних значень. Особливістю реалізації цього підходу є коригований спектр власних значень. За рахунок віднімання з власних значень коваріаційної матриці вхідних даних дисперсії шуму, досягається зменшення енергії шуму в спостереженні. Використання покращеної оцінки дисперсії шуму враховує наявність адитивних компонентів шуму в підпросторі сигналу. Як критерій прийняття рішення в роботі пропонується використання адаптивного порогу, на основі вхідного відношення сигнал–шум.

Проведений порівняльний аналіз роботи запропонованого VAD в умовах впливу кольорових шумів в порівнянні з VAD кодеку G.729. Реалізація моделей VAD проводилась в MATLAB та оцінено з використанням об’єктивних параметрів оцінки помилкових рішень в умовах впливу шуму. Подані результати моделювання, вказують на ефективність запропонованого методу за низьких значень відношення сигнал–шум (до 0 дБ). Запропонований метод VAD збільшує точність виявлення мовлення та зменшує кількість помилкових рішень. Проведене дослідження може бути використане для вдосконалення систем подавлення шуму.

391 83

Як цитувати

[1]
«ВИЯВЛЕННЯ ГОЛОСОВОЇ АКТИВНОСТІ НА ОСНОВІ КУТА НАХИЛУ АПРОКСИМУВАЛЬНОЇ ПРЯМОЇ ВЛАСНИХ ЗНАЧЕНЬ», Вісник ВПІ, вип. 4, с. 68–77, Сер 2023, doi: 10.31649/1997-9266-2023-169-4-68-77.

Біографія автора

автор О. В. Коваль, афіліація Харківський національний університет Повітряних Сил ім. І. Кожедуба

ад’юнкт кафедри радіоелектронних систем пунктів управління Повітряних Сил

Посилання

L. R. Rabiner, and R. W. Schafer, Theory and Applications of Digital Speech Processing, Pearson Education, 2011, 1060 p.
Y. Hu, and P. Loizou, “Subjective Comparison of Speech Enhancement Algorithms,” in IEEE International Conference on Acoustics Speech and Signal Processing Proceedings, 2006, vol. 1, pp. I-I. https://doi.org/10.1109/ICASSP.2006.1659980 .
N. Golyandina, and A. Zhigljavsky, Singular spectrum analysis for time series. London: Springer, 2013, 120 p.
V. Vasylyshyn, “Adaptive Complex Singular Spectrum Analysis with Application to Modern Superresolution Methods,” Data-Centric Business and Applications. Cham, 2020. pp. 35-54. https://doi.org/10.1007/978-3-030-43070-2_3.
R. Wang, “Karhunen-Loève transform and principal component analysis,” In Introduction to Orthogonal Transforms: With Applications in Data Processing and Analysis. Cambridge: Cambridge University Press, 2012, pp. 412-460. https://doi.org/10.1017/cbo9781139015158.011 .
J. Ramírez, “Efficient voice activity detection algorithms using long-term speech information,” Speech Communication, vol. 42, no. 3-4. pp. 271-287, April. 2004. https://doi.org/10.1016/j.specom.2003.10.002 .
M. Sankar, and S. Arun, “Speech Sound Classification and Estimation of Optimal Order of LPC Using Neural Network,” in The 2nd International Conference on Vision, Image and Signal Processing. ACM, 2018. https://doi.org/10.1145/3271553.3271611 .
S. Ozaydin, “Design of a Voice Activity Detection Algorithm based on Logarithmic Signal Energy,” in International Conference on Electrical and Computing Technologies and Applications. Ras Al Khaimah, United Arab Emirates, 2022, pp. 19-22. https://doi.org/10.1109/ICECTA57148.2022.9990492 .
R. Çolak, and R. Akdenіz, “A Novel Voice Activity Detection for Multi-Channel Noise Reduction,” IEEE Access, vol.9. pp. 91017-91026, June. 2021. URL: https://doi.org/10.1109/ACCESS.2021.3086364.
K. Yang, L. Zhu, and W. Shan, “Design of an ultra-low Power MFCC Feature Extraction Circuit with Embedded Speech Activity Detector,” in International Conference on Integrated Circuits, Technologies and Applications. IEEE, 2021 pp. 82-83. URL: https://doi.org/10.1109/ICTA53157.2021.9661980 .
A.Samanta, I.Hatai, and A. Mal, “A Reconfigurable Gaussian Base Normalization Deep Neural Network Design for an Energy-Efficient Voice Activity Detector,” in 2nd International Conference on Communication, Computing and Industry 4.0: conference paper. Bangalore, 2021, pp. 1-6. https://doi.org/10.1109/C2I454156.2021.9689307 .
S. Abdullah, M. Zamani, and A. Demosthenous, “A Discrete wavelet transform-based voice activity detection and noise classification with sub-band selection,” in International Symposium on Circuits and Systems: conference paper. IEEE, 2021, pp. 1-5. https://doi.org/10.1109/iscas51556.2021.9401647 .
V. Neo, S. Weiss, S. McKnight, A. Hogg, and P. Naylor, “Polynomial Eigenvalue Decomposition-Based Target Speaker Voice Activity Detection in the Presence of Competing Talkers,” in International Workshop on Acoustic Signal Enhancement: conference paper. IEEE, 2022, pp. 1-5. https://doi.org/10.1109/IWAENC53105.2022.9914796 .
J. Ghasemi, A. Afzalian, and M.Mollaei, “A Combined Voice Activity Detector Based On Singular Value Decomposition and Fourier Transform,” Signal Processing: An International Journal, vol. 4 (1). pp. 54-61, 2010.
Y. Dongwen, “Robust Voice Activity Detection Based on Noise Eigenspace,” Acoustical Science and Technology, vol. 28, no. 6. pp. 413-423, June. 2007. https://doi.org/10.1250/ast.28.413 .
H. Song, S. Ban, and H. Kim, “Voice activity detection using singular value decomposition-based filter,” in Interspeech: conference paper. ISCA, 2009, pp. 2223-2226. https://doi.org/10.21437/Interspeech.2009-632 .
D. Kim, and J. Chang, “A subspace approach based on embedded prewhitening for voice activity detection,” The Journal of the Acoustical Society of America, vol. 130, no. 5, pp. EL304-EL310, Nov. 2011. https://doi.org/10.1121/1.3638927 .
V. Vasylyshyn, “DOA estimation based on proximity of the roots of several polynomials of superresolution methods,” Advanced Information Systems, vol. 4, no. 3. pp. 80-84, March. 2020. https://doi.org/10.20998/2522-9052.2020.3.10 .
P. Stoica, and Y. Selen, “Model-order selection: a review of information criterion rules,” IEEE Signal Processing Magazine, vol. 21, no. 4, pp. 36-47, July, 2004. https://doi.org/10.1109/MSP.2004.1311138 .
H. Akaike, “A new look at the statistical model identification,” IEEE Transactions on Automatic Control,. vol. 19, no. 6, pp. 716-723, December. 1974. https://doi.org/10.1109/TAC.1974.1100705 .
V. Vasylyshyn, O. Koval, and K. Vasylyshyn, “Speech Enhancement Using Modified SSA,” in IEEE International Conference on Information and Telecommunication Technologies and Radio Electronics: conference paper. IEEE, 2021, pp. 203-206. https://doi.org/10.1109/UkrMiCo52950.2021.9716635 .
В. И. Василишин, «Предварительная обработка сигналов с использованием метода SSA в задачах спектрального анализа,» Прикладная радиоэлектроника, № 13(1), с. 43-50, 2014.
R. Martin, “Noise power spectral density estimation based on optimal smoothing and minimum statistics,” IEEE Transaction on Speech and Audio Processing, vol. 9, no. 5. pp. 504-512, July, 2001. https://doi.org/10.1109/89.928915 .
A noisy speech corpus for evaluation of speech enhancement algorithms NOIZEUS. [Electronic resource]. Available: https://ecs.utdallas.edu/loizou/speech/noizeus. Accessed: 06.06.2023 .
G.729 Voice Activity Detection MATHWORKS. [[Electronic resource]. Available: https://www.mathworks.com/help/dsp/ug/g-729-voice-activity-detection.html . Accessed: 06.06.2023.
D. Freeman, G. Cosier, C. Southcott, and I. Boyd, “The voice activity detector for the Pan-European digital cellular mobile telephone service,” International Conference on Acoustics, Speech, and Signal Processing, IEEE, 1989, vol. 1, pp. 369-372. https://doi.org/10.1109/ICASSP.1989.266442 .