摘要
提出将支持向量机(SVM)方法应用于语音激活检测(VAD),并验证SVM方法在VAD检测中的有效性。采用了快速训练支持向量机的序列最小最优化方法(SMO)进行训练。提出的基于SVM的VAD方法仍然采用G.729附件B(G.729B)中的VAD方法所采用的特征参数作为分类的特征参数。经过基于SVM的VAD方法与G.729B的VAD方法进行比较,表明SVM方法应用于VAD中是有效的。
A new voice activity detector(VAD) algorithm using support vector machines(SVM) is proposed in the paper, and the new VAD effectiveness is validated. Sequential minimal optimization (SMO) algorithm for fast training support vector machines is adopted. The proposed VAD algorithm via SVM (SVM-VAD) also uses the characteristic parameters set used by G.729 annex B (G.729B) VAD. Comparing SVM-VAD with G.729B VAD shows that it is effective for applying SVM to VAD.
出处
《通信学报》
EI
CSCD
北大核心
2003年第3期70-77,共8页
Journal on Communications
基金
国家自然科学基金资助项目(60172016)
关键词
支持向量机
模式识别
统计学习理论
语音激活检测
语音编码
support vector machines
pattern recognition
statistical learning theory
voice activity detector
speech coding
