摘要
能量(energy)端點偵測法經常被用於擷取信號的語音片段之時域(time domain)分析，以節省計算量，但此法容易受到雜訊影響而擷取不正確的語音片段，這對於分析野外所錄製之音檔而言，辨識能力將大受影響；而熵值(entropy)端點偵測法雖有較佳的抗噪能力，但背景雜訊不穩定的頻譜分佈，會導致非有聲段部份的熵值起伏劇烈而影響端點的偵測。因此本文提出平均能量熵值端點偵測法(averageenergy entropy (AEE) endpoint detection)來改善上述問題，並與能量、越零率、熵值等三種端點偵測法做比較，而在蛙鳴聲紋辨識實驗上，經實驗18種野外蛙類音檔分析後發現，平均能量熵值端點偵測法有最佳的端點萃取能力，而搭配線性預估倒頻譜係數與動態時軸校正演算法則有最佳的辨識能力。