基于CGRU多输入特征的地空通话自动切分

摘要：

自动语音切分是语音识别、声纹识别、语音降噪等语音应用中非常重要的预处理环节,切分算法的优劣直接影响了系统输出结果的精度.在空管地空通话中,传输信道噪声、天气因素以及说话人工作状态均会对语音信号产生影响,进而在一定程度上影响语音切分性能.在分析空管地空通话语音特性基础上,提出了一种基于CGRU网络多输入特征的自动语音切分方法.该方法结合地空通话的特点,采用深度学习的方法进一步提取语音信号的时域和频域非线性特征,将语音信号帧分类为语音帧、结束帧以及其他帧三类.实验对比了多种语音特征作为输入对切分效果的影响,同时验证了GMM、CNN、CLDNN、CGRU等切分算法在真实地空通话测试集上的表现,并提出了一种简单预测结果平滑算法.实验结果表明,文中提出的自动切分方法在地空通话中具有明显优势,分类模型的AUC值达到了0.98.

关键词：语音切分、语音端点检测、地空通话、卷积神经网络、循环神经网络

所属期刊栏目：57

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金委员会与中国民用航空局联合项目U1833115

在线出版日期：2020-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：887-893