วิธีแบ่งเซ็กเมนต์เสียงโทรศัพท์ให้เป็นความเงียบ / ไม่เงียบ

ปัญหาของฉันคือฉันไม่รู้พลังงานของเสียงพื้นหลังดังนั้นฉันจึงไม่สามารถ จำกัด พลังงานได้ การประมวลผลเสร็จในเวลาจริงและฉันมีเวลาประมาณ 500 มิลลิวินาทีในการตัดสินใจ เป็นการดีที่ฉันต้องการพยัญชนะที่เงียบสงบซึ่งไม่ใช่ความเงียบ

มีพารามิเตอร์จำนวนมากที่คุณสามารถดูได้:

1. พลังงานโดยรวม
2. สเปกตรัมระยะสั้น: เสียงพูดมีลักษณะพิเศษค่อนข้าง "เหมือนสีชมพู" สเปกตรัมและเสียงรบกวน (ซึ่งเกิดขึ้นในช่วงที่ไม่ใช่คำพูด) มีแนวโน้มที่จะเป็นสีขาวถ้ามันโดดเด่นด้วยไฟฟ้าหรือ "แดง" (เช่นความถี่ต่ำหนัก) ถ้าเป็นพื้นอะคูสติก เสียงรบกวนหรือเสียงไมโครโฟน
3. สถิติกว้าง สัญญาณเสียงส่วนใหญ่มีการกระจายแบบเกาส์, คำพูดนั้นใกล้เคียงกับการกระจายแบบ Laplace

ฉันคิดว่าการรวมกันของสามสิ่งนี้ควรให้รูปแบบการตรวจจับที่มีประสิทธิภาพพอสมควร