声源定位系统中，端点检测后如何利用广义互相关测时延

lebronze

在做一个声源检测的研究，现在的问题是声音信号采集进来，先经过预处理和端点检测，提取声音段。但提取声音段后它的起点就都不一样了，那么接下来要做广义互相关求时延就没法求了，这个要怎么办？
望有声音定位的大神指点。

amnesia

参考一下http://www.docin.com/p-944996960.html

lebronze

amnesia 发表于 2016-5-18 15:31
参考一下http://www.docin.com/p-944996960.html

多谢楼上的回复，发帖好几周了终于有人回我了。
相关文章我都看了很多了，思路也都大同小异，但是问题在于从端点检测到时延估计这两步之间是如何联系的？这是关键。
因为正像我问题说的，端点检测是可以检测出语音段，返回语音段的起止帧号，但是这样也就损失了时延信息（因为两段语音的起点信息被破坏了），那么到时延估计这一步两个语音段起点不同，那也就没法时延估计了。。。。

amnesia

lebronze 发表于 2016-5-18 15:48
多谢楼上的回复，发帖好几周了终于有人回我了。
相关文章我都看了很多了，思路也都大同小异，但是问题在 ...

端点检测主要是找起始和终止点，但是端点在原始信号中的位置仍然是可以确定的啊，怎么会导致时间信息丢失呢？

TestGuru

不明白，为什么“提取声音段后它的起点就都不一样了”？时间信息都在吧，不是说有语音段的起止帧号吗？

lebronze

amnesia 发表于 2016-5-20 10:20
端点检测主要是找起始和终止点，但是端点在原始信号中的位置仍然是可以确定的啊，怎么会导致时间信息丢失 ...

因为每帧时间（10~20ms）会远远超过时延的时间（10^-2ms量级），这样得到的多路声音信号起始帧号都是相同的，因而没法定位。

lebronze

TestGuru 发表于 2016-5-20 10:49
不明白，为什么“提取声音段后它的起点就都不一样了”？时间信息都在吧，不是说有语音段的起止帧号吗？

因为每帧时间（10~20ms）会远远超过时延的时间（10^-2ms量级），这样得到的多路声音信号起始帧号都是相同的，因而没法定位。

vibmaster

1. function [x1,x2] = vad(x)
   
2. 
   
3. %幅度归一化到[-1,1]
   
4. x = double(x);
   
5. x = x / max(abs(x));
   
6. 
   
7. %常数设置
   
8. FrameLen = 240;%帧长为240点
   
9. FrameInc = 80;%帧移为80点
   
10. 
    
11. amp1 = 10;%初始短时能量高门限
    
12. amp2 = 2;%初始短时能量低门限
    
13. zcr1 = 10;%初始短时过零率高门限
    
14. zcr2 = 5;%初始短时过零率低门限
    
15. 
    
16. maxsilence = 8;  % 8*10ms  = 80ms
    
17. %语音段中允许的最大静音长度，如果语音段中的静音帧数未超过此值，则认为语音还没结束；如果超过了
    
18. %该值，则对语音段长度count进行判断，若count<minlen，则认为前面的语音段为噪音，舍弃，跳到静音
    
19. %状态0；若count>minlen，则认为语音段结束；
    
20. 
    
21. minlen  = 15;    % 15*10ms = 150ms
    
22. %语音段的最短长度，若语音段长度小于此值，则认为其为一段噪音
    
23. 
    
24. status  = 0;     %初始状态为静音状态
    
25. count   = 0;     %初始语音段长度为0
    
26. silence = 0;     %初始静音段长度为0
    
27. 
    
28. %计算过零率
    
29. tmp1  = enframe(x(1:end-1), FrameLen, FrameInc);
    
30. tmp2  = enframe(x(2:end)  , FrameLen, FrameInc);
    
31. signs = (tmp1.*tmp2)<0;
    
32. diffs = (tmp1 -tmp2)>0.02;
    
33. zcr   = sum(signs.*diffs, 2);
    
34. 
    
35. %计算短时能量
    
36. %amp = sum(abs(enframe(filter([1 -0.9375], 1, x), FrameLen, FrameInc)), 2);
    
37. amp = sum(abs(enframe(x, FrameLen, FrameInc)), 2);
    
38. 
    
39. %调整能量门限
    
40. amp1 = min(amp1, max(amp)/4);
    
41. amp2 = min(amp2, max(amp)/8);
    
42. 
    
43. %开始端点检测
    
44. x1 = 0;
    
45. x2 = 0;
    
46. for n=1:length(zcr)
    
47.    goto = 0;
    
48.    switch status
    
49.    case {0,1}                   % 0 = 静音, 1 = 可能开始
    
50.       if amp(n) > amp1          % 确信进入语音段
    
51.          x1 = max(n-count-1,1);
    
52.          status  = 2;
    
53.          silence = 0;
    
54.          count   = count + 1;
    
55.       elseif amp(n) > amp2 | ... % 可能处于语音段
    
56.              zcr(n) > zcr2
    
57.          status = 1;
    
58.          count  = count + 1;
    
59.       else                       % 静音状态
    
60.          status  = 0;
    
61.          count   = 0;
    
62.       end
    
63.    case 2,                       % 2 = 语音段
    
64.       if amp(n) > amp2 | ...     % 保持在语音段
    
65.          zcr(n) > zcr2
    
66.          count = count + 1;
    
67.       else                       % 语音将结束
    
68.          silence = silence+1;
    
69.          if silence < maxsilence % 静音还不够长，尚未结束
    
70.             count  = count + 1;
    
71.          elseif count < minlen   % 语音长度太短，认为是噪声
    
72.             status  = 0;
    
73.             silence = 0;
    
74.             count   = 0;
    
75.          else                    % 语音结束
    
76.             status  = 3;
    
77.          end
    
78.       end
    
79.    case 3,
    
80.       break;
    
81.    end
    
82. end  
    
83. count = count-silence/2;
    
84. x2 = x1 + count -1;
    
85. subplot(311)    %subplot(3,1,1)表示将图排成3行1列，最后的一个1表示下面要画第1幅图
    
86. plot(x)
    
87. axis([1 length(x) -1 1])    %函数中的四个参数分别表示xmin,xmax,ymin,ymax，即轴的范围
    
88. ylabel('Speech');
    
89. line([x1*FrameInc x1*FrameInc], [-1 1], 'Color', 'red');
    
90. %这里作用为用直线画出语音段的起点和终点，看起来更直观。第一个[]中的两个参数为线起止点的横坐标，
    
91. %第二个[]中的两个参数为线起止点的纵坐标。最后两个参数设置了线的颜色。
    
92. line([x2*FrameInc x2*FrameInc], [-1 1], 'Color', 'red');
    
93. subplot(312)   
    
94. plot(amp);
    
95. axis([1 length(amp) 0 max(amp)])
    
96. ylabel('Energy');
    
97. line([x1 x1], [min(amp),max(amp)], 'Color', 'red');
    
98. line([x2 x2], [min(amp),max(amp)], 'Color', 'red');
    
99. subplot(313)
    
100. plot(zcr);
     
101. axis([1 length(zcr) 0 max(zcr)])
     
102. ylabel('ZCR');
     
103. line([x1 x1], [min(zcr),max(zcr)], 'Color', 'red');
     
104. line([x2 x2], [min(zcr),max(zcr)], 'Color', 'red');

复制代码

端点检测小程序

lebronze

vibmaster 发表于 2016-6-1 13:18
端点检测小程序

多谢答主热心，还把代码贴出来了，很赞！
VAD我已经实现了，就是时延估计这块有点问题。

vibmaster

lebronze 发表于 2016-6-1 15:25
多谢答主热心，还把代码贴出来了，很赞！
VAD我已经实现了，就是时延估计这块有点问题。

哈哈  有帮助就好  期待其他人的热心回复

vibmaster

不知道楼主问题解决了吗？  我也挺关注这个的   可否分享一下经验