SpeechClassifier API 与端点检测

<span style="font-size:32px;">public class SpeechClassifier extends AbstractVoiceActivityDetector
经过本类处理后的数据流中含数的为：SpeechClassifiedData（语音和非语音），DataStartSignal信号和DataEndSignal信号。

本类的作用就是把把音频信号分类成语音和非语音信号。实现了端点检测的第一步。
作用：在一定程度上实现了由Bent Schmidt Nielsen 发明的端点检测。
这个端点检测由三个主要步骤组成。把音频分成语音和非语音两类，在语音的两端插入SPEECH_START和SPEECH_END信号。移除非语音区域。
第一步，是使用Bent Schmidt Nielsen算法，把音频分类成语音和非语音。每次当音频数据输入后，使用当前的音频信号水平对平均信号水平和背景噪声水平进行更新。如果平均的信号水平比背景噪声水平大于（在configurable中）一个确定的门限值，则当前音频被标记为语音。否则被标记为非语音。
第二步和第三步在SpeechMarker和
4000
NonSpeechDataFilter类中实现。
本类的属性：
@S4Integer(defaultValue = 10)
public static final String PROP_FRAME_LENGTH_MS = "frameLengthInMs";端点检测帧的长度，以毫秒计算，一般为10ms。
@S4Double(defaultValue = 0)
public static final String PROP_MIN_SIGNAL = "minSignal";用来更新背景噪声信号水平的最小的信号水平。默认为0.
@S4Double(defaultValue = 10)
public static final String PROP_THRESHOLD = "threshold";门限值，用来分类语音和非语音，当前的信号水平比背景噪声的信号水平高于此门限则被认为是语音。因此当门限值越低，会使端点检测越敏感，也就是会把更多的音频标记为语音。门限值越高会把更少的音频标记为语音。
@S4Double(defaultValue = 0.003)
public static final String PROP_ADJUSTMENT = "adjustment";调整因子，默认为0.003.
统计属性：protected long speechFrames;，protected long backgroundFrames;，protected double totalBackgroundLevel;，protected double totalSpeechLevel;
其它属性：
protected final double averageNumber = 1;平均数字。protected double adjustment;，rotected double level;平均信号水平。   protected double background;背景信号水平。protected double minSignal;   最小的合法的信号水平。
protected double threshold;，protected float frameLengthSec;protected boolean isSpeech;
本类的构造方法：
public SpeechClassifier()，空的构造方法，获得的属性没有初始化的对象。
public SpeechClassifier(int frameLengthMs, double adjustment, double threshold, double minSignal )；非空构造方法，对帧长，门限，最小信号水平，调整因子根据输入参数进行初始化。初始化了数据处理器。把平均信号水平设为0，背景信号水平设为300，背景帧数设为1，语音帧数设为1，总的语音信号水平设为0，总的背景信号水平设为0.
本类的方法：
public void newProperties(PropertySheet ps)；与非空构造方法对属性的设置有着相同的结果。
public void initialize()；初始化了数据处理器和水平跟踪端点检测。把平均信号水平设为0，背景信号水平设为300，背景帧数设为1，语音帧数设为1，总的语音信号水平设为0，总的背景信号水平设为0.
protected void reset()；重置水平跟踪到初始状态。把平均信号水平设为0，背景信号水平设为300，背景帧数设为1，语音帧数设为1，总的语音信号水平设为0，总的背景信号水平设为0.
public static double logRootMeanSquare(double[] samples)；本方法完成的是，</span>

<span style="font-size:32px;">minSignal为最小的合法的信号水平（能量），默认为0。
Level为平均信号水平（能量），开始时为0 。
averageNumber为平均数，默认为1。Background为背景信号水平（能量），开始为300 。
adjustment调整因子（背景信号水平（能量）调整因子），只用于对背景信号能量（水平）调整，默认为0.003。Threshold门限，默认为10.
在本法中，对分类后的音频数据进行的标记生成了SpeechClassifiedData对象，并计算了总共的语音帧（块）和非语音帧（块）的分别的数目。及总的非语音能量（水平）和语音能量。
private void resetStats ()；重置了统计属性。使之到初始设置。非语音帧的总数目（非语音帧数）=1，语音帧的总数（语音帧数）=1，总的语音水平（能量）=0，总的背景水平（能量）=0 。
private void collectStats(boolean isSpeech)；收集统计信息为计算信噪比提供信息。语音帧的总数，非语音帧的总数目（非语音帧数），总的语音水平（能量），总的背景水平（能量）。
public Data getData()；根据前一个数据处理器的输入，获得分类处理后的数据，即SpeechClassifiedData。
public boolean isSpeech()；如果当前帧是语音，则返回为真。本方法能够被噪声滤波器所使用，例如用来调整噪声频谱的估计。
public double getSNR ()；返回为信噪比，计算信噪比，信噪比为：snr = (totalBackgroundLevel / backgroundFrames - totalSpeechLevel / speechFrames);即总背景能量除以背景帧数后在减去总语音能量除以语音帧。是在log域计算的。所以才是减。
public boolean getNoisy ()；如果信噪比小于-20dB则音频被认为是噪声。返回的是对输入数据噪声能够破坏识别的估计。返回数据是噪声的估计。</span>