论文部分内容阅读
传统的语音端点检测方法在低信噪比或不稳定噪声环境下可靠性会急剧下降。提出了一种具有在线自学习能力的语音端点检测方法。采用聚类和散度（divergence）结合的无监督学习方法来获得初始模型。此方法的最大优点是初始模型的获取不需要任何先验知识，并且模型可在线自动更新以适应环境的变化。在Auraro2数据库上的检测实验显示，与基于能量门限判决的检测方法相比，提出的方法使噪声下的检测性能有了明显提高。