语音端点检测（2）：单参数双门限法

引言

接着上一篇双参数双门限法的语音端点检测的文章写。

上一篇用了两个参数，短时能量和短时过零率。

这一篇只用一个参数，短时能量。当然，还可以用其他特征。总之，特征个数（种类）仅限一个。

基本思想

设置2个参数。从静音到大于大门限T2时，认为第一次大于T2时是语音起点。再看什么时候低于小门限T1，决定终点。大概是这样。

注意事项

这种度量，可以是越大越相似，可以是越小越相似。这要看实际采用什么作为“距离”度量了。

为了检测出语音之间的停顿，在检测的过程中，需要设定当前的状态（语音、过渡、静音等状态）。

一边检测，一边更新当前的状态。有时候，检测出当前好像是静音状态，但其实可能仅是语音之间的停顿而已。

因此，需要“延音”，即再往前走几帧。看是否真的是停顿。比如，设置一个停顿的计数器silence_counter。

停顿一帧，silence_counter++。判断是否大于预设的，最大允许停顿的帧数。

如果是，则看是否是突发噪声等。如果还没有，那如果本来是语音段来的话，就继续保持语音段，往前再延几帧。

总之，很是麻烦。很繁琐。容易重复，也容易漏。

为了避免这种情况的发生，最好，列出状态转移表，把当前每一种状态的判别情况写清楚。

最后，画出流程图。直接写代码很头疼。

主函数

单参数双门限检测函数

工具函数

生成AWGN，加入信号。

因为有噪声，短时特征可以先平滑处理。采用多次中值滤波。

结果示意

第一张子图里的干净信号加了AWGN后，成为了第三张子图里带有噪声的信号。

检测是在含噪声的信号中检测的。