基于MATLAB的语音端点检测系统：利用短时能量与过零率特征实现语音段自动分割

资 源 简 介

本项目开发了一个基于MATLAB的语音端点检测工具，通过分析语音信号的短时能量和过零率特征，实时识别并分割连续语音流中的有效语音段。适用于语音识别预处理和语音活动检测，提升语音处理效率。

详 情 说 明

基于短时能量与过零率的语音端点检测系统

项目介绍

本项目是一个基于短时能量与过零率分析的语音端点检测(Voice Activity Detection, VAD)系统。其核心目标是从连续的音频信号（如录音文件或实时音频流）中自动、准确地定位出有效语音段的起始点与结束点，并将语音片段与非语音段（如静音、背景噪声）进行分割。该系统适用于语音识别系统的预处理阶段、语音活动检测、会议录音分割、音频素材整理等多种场景，能够有效提升后续语音处理流程的自动化程度与效率。

功能特性

• 双特征分析：结合短时能量（反映语音幅度的强弱）与过零率（反映信号频率的高低）两种时域特征，综合判断语音段，提高检测鲁棒性。
• 动态阈值自适应：系统能够根据输入音频的背景噪声水平自动调整检测阈值，适应不同的录音环境与噪声条件，降低误检和漏检。
• 多格式输入支持：支持处理预录制的单声道音频文件（如.wav, .mp3等），也支持通过麦克风进行实时音频流采集与处理。
• 复杂场景适应：能够处理包含长静音段、稳定背景噪声以及多人语音混合的复杂音频场景。
• 丰富输出结果：

* 分割后的独立语音片段音频文件（.wav格式）。 * 可视化的检测结果图，清晰标注语音起止点及特征曲线。 * 详细的端点时间戳列表（开始时间、结束时间、持续时间）。 * 可选的实时分割信号流，满足连续处理需求。

使用方法

1. 准备环境：确保满足下文“系统要求”中的软硬件条件。
2. 运行系统：启动主程序文件。程序运行后，将提供交互式选项。
3. 选择输入源：

* 文件处理模式：根据提示输入待分析音频文件的完整路径。 * 实时处理模式：选择实时采集，系统将开始通过默认麦克风录制音频。

1. 获取结果：处理完成后，系统将在指定输出目录生成：

* segmented_utterances/ 文件夹：包含所有分割出的语音片段。 * VAD_result_plot.png 文件：可视化结果图。 * endpoint_timestamps.txt 文件：时间戳列表。

1. 参数调整（可选）：若对默认检测效果不满意，可修改源码中的相关参数（如帧长、帧移、阈值系数等）以优化特定场景下的性能。

系统要求

• 操作系统：Windows / Linux / macOS
• 编程语言：MATLAB (建议版本 R2018a 或更高版本)
• 必要工具箱：Signal Processing Toolbox（用于音频读写与信号分析）
• 硬件建议：配备可正常工作的麦克风（用于实时音频输入）

文件说明

主程序文件承载了系统的核心逻辑与控制流程。它负责协调整个端点检测任务的执行，具体功能包括：初始化系统参数、引导用户选择输入模式（文件或实时流）、读取或采集音频数据、调用短时能量与过零率计算函数进行特征提取、实施基于动态阈值的端点检测决策、最终生成并保存所有指定的输出结果（分割音频、时序列表和特征图）。