最简单和快速的音频活动检测方法?

你不会比平方和法快得多。

到目前为止,您可能还没有做的一个优化是使用一个运行总计。也就是说,在每个时间步骤中,不要求最后n个样本的平方和,而是保持一个连续的总计,并用最近一个样本的平方更新它。为了避免你的跑步总数随着时间的增长而增长,加上指数衰减。在伪代码中:

decay_constant=0.999;  // Some suitable value smaller than 1
total=0;
for t=1,...
    // Exponential decay
    total=total*decay_constant;

    // Add in latest sample
    total+=current_sample;

    if total>threshold
        // do something
    end
end

当然,您必须调整衰减常数和阈值以适合您的应用程序。如果速度不够快,无法实时运行,则 认真地 动力不足的数字信号处理器…

您可以尝试计算两个简单的“统计数据”——首先是分布(max-min)。沉默的传播速度很低。第二种是多样性——将可能值的范围划分为16个方括号(=值范围),然后在遍历元素时,确定元素所在的方括号。所有括号中的“噪音”数字都相同,而音乐或语音应优先选择其中一些括号,而忽略其他括号。

这应该可以只通过一次数组传递就完成,而不需要复杂的算术运算,只需要对值进行一些加法和比较。

还要考虑一些近似值,例如,只取第四个值,从而将检查元素的数量减少到80。对于音频信号,这应该是正常的。

我以前做过类似的事情。经过一些试验,我得出了一个在我的情况下足够有效的解决方案。

我使用了运行平均值在120ms左右的立方体中的变化率,当有安静(只有噪音)时,表达式应该在零附近徘徊。一旦速率在几次运行中开始增加,您可能会有一些操作正在进行。

rate = cur_avg^3 - prev_avg^3

我用的是立方体,因为正方形不够有力。如果多维数据集要为您减速,请尝试使用平方和位移位。希望这有帮助。

很明显,复杂性至少应该是O(n)。也许一些简单的算法可以计算出一些值的范围,但我会寻找 Voice Activity Detection 论网络与信息技术 related code samples .