高干扰环境下基于分布式光纤声波传感的微弱语音信号检测

摘要

分布式光纤声波传感器（DAS）可用于隧道塌陷事故中的人员搜救、人声信号定位。但在基于DAS的语音活动检测（VAD）中，使用户外采集的真实数据进行语音提取面临着以下问题：受限于嘈杂的现场环境和有限的采集信号方式，收集到的语音易被复杂强噪声干扰，无法获得干净的语音数据用于监督训练。为了解决上述问题，本文提出一种基于短期自相关特征的算法（ST–ACF）进行语音活动检测，结合了音高信息和自相关函数检测语音帧的相关谐波特征，使得算法在极低信噪比（小于–10 dB）的DAS环境下仍能提取所有有效人声。ST–ACF算法包括预去噪阶段和语音检测阶段。在预去噪阶段，基于对语音音高信息周期性的研究，设计双通道时间窗口，对两类典型噪声进行预去噪。在语音检测阶段，提出一种改进式自相关函数，考虑特征值和变化幅度两个维度，通过其乘积最大化语音和噪音之间的距离，提高了算法对临界数据的处理能力。算法改进后能得到与特征出现频率匹配的最佳频谱窗口，可利用其寻找局部谐波，并通过分析局部谐波区分语音和非语音。实验使用DAS真实数据和NOISEX–92数据集中的6类噪声，采用指标误帧率对算法进行评估。结果表明，ST–ACF在高能噪声环境中表现优异，误帧率仅为19.74%，相较于基线算法提升了5.91%；同时，在DAS数据集上，ST–ACF也表现出最佳性能。总体而言，通过时间窗口和自相关函数的改进，ST–ACF在处理DAS语音数据时表现出色，对不同噪声环境都具有良好的检测性能，展现出应用于多种复杂场景的潜力，拓展了基于分布式光纤语音信号处理方向的研究。

关键词

分布式光纤声波传感 / 语音端点检测 / 低信噪比 / 音高信息 / 自相关函数