1、webrtc自带VAD算法介绍

因为不同采样率都是下采样到8K进行VAD判决的，因此这里仅分析8K采样率的原理。首先把语音分成6个子带，其频带范围分别为80–250Hz，250–500Hz，500–1000Hz，1000–2000Hz，2000–3000Hz，3000–4000Hz。并分别计算每个子带的对数能量和当前帧的总能量。

每个子带的对数能量即为求得的特征矢量。然后根据在每个特征矢量的基础上分别根据下式求其概率分布（H0假设和H1假设），H0假设即假设当前帧为噪声，然后计算其为噪声的概率；H1假设则假设当前帧为语音，计算其为语音的概率。

(1-1)

然后求这两个概率的差值（H1-H0），如果其差值大于一定门限（固定值，只跟帧长有关），则表示当前子带为语音，同时对这个差值根据一定的权值进行加权，最终把六个子带的加权差值和一个门限值（固定值，只跟帧长有关）进行比较，只要这7个值其中有一个大于门限值就把当前帧判为语音。同时，针对VAD的判决结果还有一个平滑保护。

在计算完概率后同样要对高斯模型的参数（均值和方差）进行更新。根据VAD判决结果分别更新其噪声或语音的高斯模型