26、语音信号处理：声门闭合实例估计与语音去噪质量评估

语音信号处理：声门闭合实例估计与语音去噪质量评估

在语音信号处理领域，声门闭合实例（GCI）的估计以及语音去噪后质量的评估是两个重要的研究方向。下面将详细介绍相关的研究内容和方法。

声门闭合实例（GCI）估计

在语音信号处理中，选择合适的特征信号对于准确估计声门闭合实例至关重要。研究发现，特征信号 ( {0,1}^{1,1}F) 相较于 ( {1,1}^{1,1}F) 具有更好的性能，尤其在处理不同性别说话者的语音时表现更优。

GCI检测算法

基于特征信号 ( {0,1}^{1,1}F) 的自动GCI检测算法，其核心步骤如下：
1. 确定GCI候选点 ：通过特征信号穿越自适应确定的阈值 (\theta(k)) 来确定GCI候选点。阈值 (\theta(k)) 由特征信号最大值的一定百分比计算得出，公式为 (\theta(k) = \alpha \cdot \max(F {0,1}^{1,1}(k - W), F_{0,1}^{1,1}(k - W + 1), \cdots))，其中 (\alpha = 0.3)，(W) 确定了阈值计算的邻域范围。当 (F_{0,1}^{1,1}(k) \leq \theta(k)) 且 (F_{0,1}^{1,1}(k + 1) > \theta(k)) 时，(k + 1) 被视为GCI候选点。
2. 后处理 ：对GCI候选点进行筛选，选择彼此距离大于最小距离的候选点。最小距离因说话者性别而异。每个候选点通过后续连续大于阈值的特征值之和 (S) 进行加权，以此在相邻的多个候选点中