Отправлено Дима_П 21 августа 2003 г. 21:42

Какие параметры сигнала можно использовать, чтобы с высокой вероятностью сказать, что это голос?
Сейчас все работает "от противного" - если в сигнале есть энергия, это не известный DTMF или управляющий телефонный сигнал, подсчет пересечений нуля дает переменное значение (не гудение) - то это голос.
Иногда не срабатывает
Кто-нибудь сталкивался? Куда покопать? У кого-нибудь есть идеи как повысить надежность, используя разумные ресурсы (можно сделать FFT и поиграть со спектром - но это уже тяжко для проца, да и даст ли хорошие результаты)? Время принятия решения - 500-1000 миллисекунд.
Буду благодарен за любые, даже самые сумасшедшие идеи

• Ответ: Случайно не из Владимира — 11   (25.08.2003 15:41, пустое)
• Ответ: Случайно не из Владимира? — 11   (25.08.2003 15:40, пустое)
• Ответ: Есть такое название - формантный анализ — alex379   (23.08.2003 15:23, 642 байт)
  • Это единственный вохзможный вариант, который даст какие-то результаты — -=L.A.=-   (24.08.2003 10:20, пустое)
    • Единственный, не единственный. А VAD тем временем работает без формантного анализа во всех сотовых. — SМ   (24.08.2003 23:10, пустое)
• А можно мне вклиниться? - Городить сложную систему для защиты от шумов - это конечно интересно, но у Вашей разработке случайно нет верхней границы по цене? Дорого это будет. А мы вот нищие, используем простой советской разработки противошумный микрофон, там и с фазами и передаточной функцией все впорядке! Стучитесь на тульскую Октаву. — Make_Pic   (23.08.2003 09:09, пустое)
  • Говорю это, потому что сами занимались этой проблемой, она решается, но дорого, да же с применением DSP, если конечно у Вас объем производства не составляет более 100тыс в год ;) — Make_Pic   (23.08.2003 09:12, пустое)
    • Сделать более-менее дешевый вариант можно если разделять речь и шум по пик-фактору, а также выделяя речевые фрагменты ( как предложил alex379 ) — -=L.A.=-   (24.08.2003 10:23, пустое)
• УУГ обыкновенный: фнч(фср 300Гц - ктч)-детектор-ппф(2-25Гц - огиб. речи)-пороговое у-во. Принятие решения 40мс - это для разгов. тракта на железной дороге. — sdy   (22.08.2003 01:39, пустое)
  • Чисто аналоговые устройства - это вчерашний день. Все-таки, хоть небольшую цифровую обработку применить - более эффективно. — -=L.A.=-   (24.08.2003 10:26, пустое)
    • Мда, а где тут аналоговая? Да и кто видел цифру вживую? — sdy   (25.08.2003 14:43, пустое)
• Ответ: (+) — SМ   (21.08.2003 23:03, 3666 байт)
  • Большое спасибо — Дима_П   (22.08.2003 23:51, 318 байт)
  • А если шум - это шум улицы (в первую очередь автомобильный шум)? Какой здесь можно применить подход? — PK   (22.08.2003 08:49, пустое)
    • Какая цель? (+) — SМ   (22.08.2003 09:17, 242 байт)
      • Именно в переговороном устройстве — PK   (22.08.2003 10:01, 1456 байт)
        • Ответ: (+) — SМ   (22.08.2003 10:13, 885 байт)
          • В догонку - по первому случаю (+) — SМ   (22.08.2003 11:13, 149 байт)
            • По поводу двух микрофонов — PK   (22.08.2003 12:41, 1313 байт)
              • Ответ: (+) — SМ   (22.08.2003 12:53, 1052 байт)