19、利用深度学习训练噪声环境下的语音活动检测模型

利用深度学习训练噪声环境下的语音活动检测模型

1. 引言

语音活动检测（VAD）是许多音频系统（如自动语音识别、说话人识别和音频会议）的重要组成部分。在低信噪比（SNR）情况下，语音被噪声干扰，VAD 变得尤其具有挑战性。

1.1 准备工作

为了保证结果的可重复性，我们将随机种子设置为默认值：

rng default

在高 SNR 场景中，传统的语音检测算法表现良好。我们读取一个包含停顿的语音音频文件并播放它：

fs = 16e3;
[speech,fileFs] = audioread("MaleVolumeUp-16-mono-6secs.ogg");
sound(speech,fs)

使用 detectSpeech 函数定位语音区域，该函数能正确识别所有语音区域：

detectSpeech(speech,fs)

1.2 添加噪声

加载两个噪声信号并将其重采样到音频采样率：

[noise200,fileFs200] = audioread("WashingMachine-16-8-mono-200secs.mp3");
[noise1000,fileFs1000] = audiorea