WebRtc 的VAD算法解析

摘要：本篇文章主要讲述VAD算法的原理并且列举相关公式。该VAD的算法主要用了2 个 models 来对语音建模，并且分成噪声类和语音类。通过比较似然比的方法来确定是否是语音。其中有三个模式可以选择，每个模式算法是一直的，只是相关阈值不同。GMM的更新方法是梯度法，并没有使用常见的EM算法。这是因为其数据量不够大，难以准确估计种类，另外也节省部分运算量。 

1、  将信号通过分频降到8kHz。在这个频带计算噪声和语音的特征做VAD判决。

2、  WebRtcVad_CalculateFeatures函数计算特征，其特征包括6个频带的log能量，分别是80-250、250-500、500-1kHZ、1kHz-2kHz、2kHz -3kHz、3kHz -4kHz。使用分频方法计算这些特征。这六个特征放在向量feature_vector中，使用2维度的GMM模型来建模。

3、 WebRtcVad_GaussianProbability函数输入信号 、均值 、方差 ，计算高斯分别概率密度： 。注意这里少了一个 的系数，因为后面用到概率的时候都是相对量，能够抵消。例如似然比和后验概率。

4、 对于每一个特征 求对数似然比 ，一共6个。

5、 计算加权对数似然比 。 是似然比的加权系数。

6、 如果6个特征中有一个满足似然比超过了阈值就认为有语音

，

或者加权似然比超过了阈值

。

7、 WebRtcVad_FindMinimum函数对每个特征feature，求出了100个帧里头的16个最小值。这些最小值都有一个年龄，最大不超过100，也就是说100帧之后失效。这个最小值用来更新噪声的均值。

8、 计算噪声加权均值 。

9、 模型参数更新，包括语音和噪声的两个高斯分布均值和方差更新。其中 。注意噪声均值的更新使用了长期的最小值，也即公式的第三部分。该部分与VAD的标志位是无关的。跟新完后结束VAD计算。最后需要对均值和方差做相应的限制。

1)  噪声模型均值更新：

2)  语音模型均值更新：

3)  噪声模型方差更新：

4)  语音模型方差更新：