可以将一段语音片段分为 静音段、过度段、语音段、结束。

比较常用的VAD技术是基于短时能量和过零率的双门限端点检测。

1. 分别对短时能量和过零率设置两个门限值energy_low, energy_high和zcr_low, zcr_high

energy_high > energy_low

zcr_high > zcr_low

2. 计算一帧的短时能量enegry和过零率zcr

若enegry > energy_low && zcr > zcr_low，则进入过度段

3. 计算一帧的短时能量和过零率，

若enegry > energy_high && zcr > zcr_high, 此时还不能断定语音开始，

继续计算几帧短时能量和过零率，若enegry > energy_high && zcr > zcr_high，则可判定语音开始。

能量双门限VAD流程图