關於webrtc的VAD（voice activity dectctor)算法說明

                                   關於webrtc的VAD（voice activity dectctor)算法說明

        webrtc 的vad使用GMM(Gaussian Mixture Model)對語音和噪聲建模，經過相應的機率來判斷語音和噪聲。這種算法

的優勢是它是無監督的，不須要嚴格的訓練。GMM的噪聲和語音模型以下：

       p(xk|z,rk)={1/sqrt(2*pi*sita^2)} * exp{ - (xk-uz) ^2/(2 * sita ^2 )} 

       XK是選取的特徵量,在webrtc的VAD中具體是指子帶能量,rk是包括均值uz和方差sita的參數集合。z=0，表明噪聲；z=1，表明語音。

webrtc中的vad的C代碼的詳細步驟以下：

      1.設定模式 ：

                 依據hangover、單獨判決和全局判決門限將VAD檢測模式分爲如下4類

                 0-quality mode  

                 1- Low bitrate mode  

                 2-Aggressive mode 

                 3- Very aggressive mode

          

      2.webrtc的VAD只支持幀長10ms，20ms和30ms，爲此事先要加以判斷，不符合條件的返回-1。

 

      3.webrtc 的VAD核心計算只支持8KHz採樣率，因此當輸入信號採樣率爲32KHz  或者16KHz 時都要先下采樣到8KHz 。

 

       4.在8Khz採樣率上分爲兩個步驟

 

              4.1 計算子帶能量

                        子帶分爲80～250Hz，250～500Hz，500～1000Hz，1000～2000Hz，2000～3000Hz，3000～4000Hz

                須要分別計算上述子帶的能量feature_vector。

 

              4.2 經過高斯混合模型分別計算語音和非語音的機率，使用假設檢驗的方法肯定信號的類型。

                          首先經過高斯模型計算假設檢驗中的H0和H1（C代碼是用h0_test和h1_test表示），經過門限判決vadflag;

                         而後更新機率計算所須要的語音均值(speech_means)、噪聲的均值(noise_means)、語音方差(speech_stds)

                和噪聲方差(noise_stds)。