基于小波变换和归一化自相关的基音检测算法

通过对小波变换的多分辨率分析和抗噪特性的研究,提出了一种基于小波变换和归一化自相关的基音周期检测算法。该算法能精确地从含噪语音中分离出包含基音信息的低频子带信号,并且对基音周期的突变能够很好地纠正。实验表明:该算法要优于现有的自相关基音检测算法,具有较高的精度、可靠性和抗噪性。     

基于线性预测和小波变换的语音基音周期检测新算法

将小波变换与语音信号短时线性预测（ＬＰＣ）及自相关函数相结合，得出了清、浊瞳 判决及基音周期检测的新算法，实验结果表明，该算法的性能良好。     

一种实时基音检测算法

针对目前基音周期检测实时性的要求,提出了一种基于小波变换的语音基音周期实时检测算法,该算法在提取小波系数极大值过程中利用了小波变换极值与信号突变点之间的关系,将小波域波形与时域波形相结合,采取每次搜索以前一个小波系数极值点作为新的基准的自适应基准方式,并利用了平均能量、过零率、历史峰值幅度、当前峰值估计等多特征参数．实验结果表明,该算法在2.5ms时间内可以准确捕捉并检测到新的基音脉冲位置,而且对语音和残差信号均取得了较好的结果。     

一种实时基音检测算法

针对目前基音周期检测实时性的要求,提出了一种基于小波变换的语音基音周期实时检测算法.该算法在提取小波系数极大值过程中利用了小波变换极值与信号突变点之间的关系,将小波域波形与时域波形相结合,采取每次搜索以前一个小波系数极值点作为新的基准的自适应基准方式,并利用了平均能量、过零率、历史峰值幅度、当前峰值估计等多特征参数.实验结果表明,该算法在2.5 ms时间内可以准确捕捉并检测到新的基音脉冲位置,而且对语音和残差信号均取得了较好的结果.     

基于小波变换的语音信号基音周期估计

基音周期是语音信号最重要的参数之一，是进行语音信号数字处理的基础。小波变换具有良好的时频分辨率，为语音信号基音周期提取提供了新的途径。基于小波变换及其多尺度边缘检测的基本特性，阐述了语音信号基音周期估计的原理、实现方法、算法流程；并给出了实验结果。实验表明：该方法可以实现大动态范围的语音信号基音周期估计计算，并可获得满足实用的较为精确的结果。     

基于二进小波变换的基音检测算法

为了克服目前诸多基音周期检测算法精度低、计算复杂度高、鲁棒性差的缺点,研究了一种采用二进小波变换模极大值进行基音周期检测的算法。仿真结果表明,该算法在强背景噪声下仍可以准确提取基音周期,并且具有复杂度低、分辨率高和实时性好的特点。     

语音信号的自相关基音周期检测

自相关基音周期检测是语音信号处理的关键技术,除了保证信号处理的质量外还要注重算法的效率.通过短时自相关函数得到浊音语音的基音周期,在自相关运算过程中采用极性相关法和峰值估算法以提高运算效率.     

基于Daubechies小波的基音检测

语音中的基音成分是进行语音分析的重要参数，利用Daubechies小波在语音信号的低频分解方面的良好性质，提出了Daubechies小波分解的基音检测方法，该方法具有抗噪声性能良好、低频近似程度高等特点。     

基于Daubechies小波的基音检测

语音中的基音成分是进行语音分析的重要参数,利用Daubechies小波在语音信号的低频分解方面的良好性质,提出了Daubechies小波分解的基音检测方法.该方法具有抗噪声性能良好、低频近似程度高等特点.     

基于DWT的AMDF基音检测改进算法

平均幅度差函数(AMDF)法是一种常用的基音检测算法,但由于AMDF存在严重的均值下降趋势,使得用这种算法在提取基音的过程中易产生错误.为克服该缺点,提出了一种基于离散小波变换(DWT)的AMDF改进算法(DW-AMDF),该算法首先求取每帧浊音信号的AMDF,利用DWT提取出AMDF中的下降趋势,去除下降趋势后得到DW-AMDF用于检测基音.实验结果表明,与传统的AMDF算法及其几种典型的改进算法相比,该算法的检测精度有了明显的提高.     

基于小波变换的语音信号基音频率检测法

将基于小波变换与多分辨分析 (MRA)下的Mallat算法与传统的快速傅立叶变换(FFT)相结合 ,提出了一种新的语音信号的基音频率检测方法。实验结果表明 ,这种方法能有效地抑制语音信号中共振峰对基音频率的影响 ,且不必考虑语音信号的短时性。与传统基音估计方法比较 ,此方法具有运算速度快、基音估计准确度高的特点。     

基于多层次相似性检测机制的语音基频实时估计算法

基音周期的确定是语音处理领域中的一个尚未完全解决的基本问题。传统的基于自相关函数的估计基音周期的方法过于粗糙 ,而那些准确性高的方法计算太复杂 ,不适用于实时要求高的场合。为了兼顾准确性与实时性 ,提出了一种基于多层次相似性检测机制的语音基频估计算法 ,该算法具有实时性好、易于硬件实现的特点。     

基于小波与神经网络的说话人身份识别

将小波变换和神经网络结合起来应用于说话人身份识别.通过小波变换提取语音信号的基音周期序列不仅体现了人发声时的生理特点，同时还包含了个人说话习惯等后天形成的特征.所以它能有效地反映说话人的语音特点.应用人工神经网络对基音周期序列进行识别分类以确定说话人身份.实验证明应用人工神经网络进行特征识别直接输出代表说话人身份的二进制编码，可以省去与库中所有数据进行匹配的繁琐操作，同时又能保证较高的正确率.     

基于MBE模型的基音周期估计算法改进

多带激励(multibandexcitation,MBE)模型是低速率语音编码中最为成功的模型之一,基音周期是MBE模型中的重要参数。基于MBE模型,首先研究了语音信号的基音周期估计算法,包括语音信号预处理、基音周期粗搜索与细搜索;然后,在此基础上,针对基音粗搜索中可能出现的基音周期加倍或减倍现象及细搜索过程中运算量过大等问题,提出了相应的动态规划平滑和细搜索改进算法,从而使基于MBE模型的基音估计算法更具实用性。     

一种自适应时移与阈值的DCT语音增强算法

针对现有语音增强方法在低信噪比下性能降低的问题,提出了一种自适应时移与阈值的离散余弦变换语音增强算法．首先,对软阈值函数进行改进,既能消除噪声主导帧中的噪声,也能消除语音主导帧中的噪声,并依据信噪比自适应地选择阈值,较大程度地保留了语音的原始特征．其次,依据基音周期自适应地选择分析窗时移,降低了固定分析窗时移产生的白噪声,并且引入短时自相关函数和短时平均幅度差函数相结合的加权自相关函数,来进行基音周期的检测,提高了基音周期检测的准确性和对噪声的鲁棒性．理论分析与仿真结果表明,该算法在信噪比低至-5dB噪声环境下,相比现有的经验模态分解算法和子空间算法,输出信噪比有较大提高,鲁棒性更好．     

基于短时平均幅度差函数的带噪语音端点检测算法

传统的基于自相关函数的端点检测算法有两个方面的问题,一是计算量大,二是要进行语音信号基音周期的提取.提出了一种改进的方法,用短时平均幅度差函数代替自相关函数,节约了计算量;利用浊音与噪声平均幅度差函数的区别省去了基音周期的计算,同时也避免了误差带来的问题.传统算法与改进算法的仿真比较表明,改进算法的检测曲线噪声容限大,所以在低信噪比下也表现出了较强的稳定性.     

谱平整自相关基音检测器的设计

用谱平整自相关法设计了基音检测器,提出了峰检测时的纠偏措施,采用可变阈值作为峰检测的门限,增加了帧能量和过零率来辅助进行清/浊音判决,对基音周期又进行了平滑,使得基音检测的准确性得以提高。     

汉语语音基音轨迹的层叠滤波和平滑

为了获得更加精确的汉语语音基音周期轨迹,研究了对汉语语音的基音周期轨迹进行层叠滤波和平滑的方法.基音是指发浊音时声带振动所引起的周期性,而声带振动频率的倒数就是基音周期.语音信号处理中精确提取特定语音的基音周期有重要的意义,基音周期的检测无论在语音信号的合成、编码还是识别方面,都起着非常重要的作用.本文依据数字语音信号的特点,设计了一种用于语音处理的层叠滤波算法,合理选择结构元素构筑了一组用于汉语语音基音轨迹平滑的层叠滤波器,仿真实验结果表明这种方法对于随机误判点与传统的基于中值与线性平滑的组合平滑相比效果更佳,同时也证明了层叠滤波器用于语音信号研究的可行性.     

改善基音估计准确度的有效途径

基音周期是语音信号处理中的重要参数,基音周期估计的准确度对合成语音的质量有决定性作用。讨论了多带激励(multi-band excitation,MBE)语音编码模型中,对自相关基音周期估计的2种改善方法:数值滤波和动态基音平滑技术,由此可以得到更精确的基音轮廓。实验证明:在多带激励语音编码模型中,结合这2种改进方法,可有效提高基音周期估计的准确度。     

2.4kb／s LPC—10语音分析算法及其技术剖析

本文设计了一个２．４ｋｂ／ｓ的语音分析算法，并详细介绍了算法中的技术细节。对语 分析采用ＰＬＣ分析方法，以语音能量、基音周期以及１０个部分相关系数作为一帧语音的参数。在分析算法中采用杜宾递推公式求取部分相关系数，采用并联时域基音检测技术撮基音周期。通过删除语音间隙及进行自动增益控制等措施来提高语音参数的精确度，对语音参数进行编码以达到２．４ｋｂ／ｓ的传输率的要求。