AMR语音编码中男声和女声参数特性差异的研究

根据AMR语音编码算法的特点,研究了AMR语音编码对男声和女声参数特性的差异。在处理分析了大量男声和女声语音数据的基础上,对AMR语音编码中线谱频率(LSF)参数和基音周期参数进行提取和统计,主要研究了这2个参数在样本均值和样本方差方面对男声和女声的差异,并给出了相应的结论和性能优化建议。     

基于主分量分析的语音信号压缩感知

压缩感知理论是近年来兴起的一个新的研究热点。寻求适合于语音信号的稀疏基是压缩感知理论应用到语音信号处理领域的前提。本文基于主分量分析理论和大量的块数据,提取语音信号的特征信息,并根据压缩感知理论、字典构造的方法以及语音信号的特点,构造出一种新的适合于语音信号稀疏表示的冗余字典。该冗余字典是由多个正交基级联而成。为了更为客观的说明这种稀疏表示的优势,采用两种稀疏度的衡量标准来分别比较语音信号在DCT基、GABOR基和该冗余字典下的稀疏性,并且分别对男女声语音信号和清浊音进行了分析。实验表明,无论是男声信号还是女声信号,清音还是浊音,在该冗余字典下的稀疏性均优于DCT基,略差于GABOR基,但是由于其原子数远少于GABOR基,其计算的复杂度和存储量均低于GABOR基,因而比GABOR基更具可用性。      

普通话女声音节的规则合成

男声和女声嗓音在音质上的差别,在声学、语音学上是有规律的。本文介绍一种以男声的合成参数为基础,通过转换规则,合成出普通话女声音节和词语的方法。     

一种快速实时语音个人特征改变方法

为保护实时语音通信中的个人特征,该文提出了一种新的实时语音个人特征改变方法,该方法采用PLAR(Pseudo Log Area Ratio)系数曲线变换方法和基于线性预测的基音同步叠加(LP-PSOLA)算法分别对语音信号的谱参数和韵律参数进行修改,从而实现语音信号个人特征的改变;此外,针对目前时长规整大多采用的同步叠加(SOLA)算法计算量大、不适合实时语音处理的缺点,采用课题组提出的一种新的基于同步叠加方法的时长规整算法自适应同步叠加(ASOLA)算法,对个人特征改变后的语音信号进行时间上的弥补,保证语音处理的实时性。最后,利用该方法实现了实时语音的隐私保护。实验结果表明,该方法合成的语音质量高、实时性好。     

维吾尔十二木卡姆的语音和嗓音声学初探

文章以维吾尔十二木卡姆为研究对象,分析一男一女用木卡姆歌唱和按歌词内容朗读这两种形式的语音和嗓音差异。语音方面,本文计算了两种形式的长时平均功率谱,主要得出了以下结论:维吾尔十二木卡姆歌唱不存在歌唱共振峰,而男女分别在3300Hz和3700Hz出现了演讲者共振峰。嗓音方面,文章提取了声门阻抗信号的基频、开商和速度商,不同发音形式的三个参数,并计算出了三个参数的相关性,主要得出了以下结论:维吾尔十二木卡姆男声歌唱使用紧嗓音,而女声歌唱使用松的气嗓音;维吾尔十二木卡姆男女声歌唱基频与开商和速度商之间的关系为负相关,这说明随着基频的提高,他们的开商和速度商下降。女声朗读基频与开商和速度商之间的关系为正相关。     

基于分数阶谱相减的语音增强法

该文提出了基于分数阶谱相减的语音增强法(FSS)。该方法通过对带噪语音信号作分数阶傅里叶变换(FRFT),将得到的分数阶语噪混合谱与估计的分数阶噪声谱相减,最后利用分数阶Fourier反变换获得去噪后的语音信号。理论分析表明,所提方法存在一个最佳分数阶阶数,使得语噪混合信号能在分数阶变换域得到最好的分离,从而有效地提高了增强语音的性能。计算机仿真表明,对于混有加性白噪声的男/女声发音信号,所提方法在信噪比提高量和Itakura距离减少量两个方面都优于传统的谱相减法(SS),并且增强语音中的音乐噪声得到了明显抑制。     

重温“初恋般的喜悦”——藏域女中音降央卓玛唱片赏析

从声乐学的角度上看．女声的声带博而小．在气流冲击下发音产生的频率高,即单位时间里声带振动次数要比男声多．因此唱出来的声音要比男声高,所以按常理来说,以声学的绝对音高上衡量,女声音区平均要比男声高出8度。     

小波变换在语音信号降噪技术中的应用

小波变换是一种时频变换方法,它由短时傅立叶变换发展而来,继承了局部化的思想,克服了短时傅立叶变换窗口大小不随频率变化的缺点,并且可以提供随频率改变的时频窗口,是进行信号时频分析和处理的理想工具。文中介绍了小波变换的基本理论及其在语音信号降噪中的具体方法,使用加入高斯白噪声的语音信号作为被处理信号进行小波降噪,并且对比了使用不同阈值小波变换的降噪效果,验证了小波降噪方法在语音信号降噪中的可行性。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

语谱分析的FPGA实现

语谱是语音信号短时时频分析结果的图形显示,能够清楚地揭示语音信号的时变频谱特性,反映语音信号的动态频谱特性和时域变化特性,在语音信号的分析以及语音学的研究中具有重要的价值。该文利用短时傅里叶变换(Short Time Fourier Transform,STFT)方法对语音信号进行分析,采用了一种按时域抽取基-4 FFT算法实现流水线结构的蝶形运算单元,在 FPGA上实现了语音信号的语谱分析,并利用非线性映射算法实现了语谱的VGA显示。     

ATM网络中语音编码和传输的新方案

本文针对未来新的ＡＴＭ通信方式,提出了一种新的语音可变速率编码和可变时延传输系统方案,为了将信号源和人耳听觉的特征,与ＡＴＭ网络的统计复用性相结合,实现语音的码率在缩和低时延传输,该方案将ＡＴＭ网络环境和语音编码系统中最优信号分析区间的选取、编码系统参数的确定相结合。文中基于一种新的分布熵进行信号特征判断,对输入信号构成不同的处理系统,具体编码由小波变换分带、多带二进树ＶＱ构成,输出码率可调,改变     

基于连续小波变换(CWT)的汉语语音谱图

本文从理论上分析了小波变换应用于语音分析的优势所在,在将小波变换直接应用于语音分析的基础上,结合汉语语音信号的特点,对小波变换的相平面作了调整,并将其应用于语音的谱分析中。结果证明,调整后的相平面,更加适合于汉语语音信号的分析,可以更清晰的表达语音信号的动态谱结构。     

基于实值离散Gabor变换的联合时频域语音增强

传统变换域语音增强方法对语音做短时平稳性假设,这会造成对语音信号和噪声信号谱估计不准确,从而导致语音失真和残留噪声。本文提出一种从联合时频域进行语音增强的方法,该算法无需对语音做短时平稳假设。算法采用具有最佳能量聚集特性的高斯变换核函数,利用能快速实现的实值离散Gabor变换（RDGT）将语音信号变换到联合时频域,然后利用语音和噪声谱服从高斯分布的假设和无语音概率的思想进行基于最小均方误差的语音对数谱估计,采用改进的最小受控递归平均算法（IMCRA）进行噪声时频谱估计,在得到纯净语音的谱估计后利用实值离散Gabor逆变换获得纯净语音估计。实验表明,该算法相比频域变换算法具有较好的语音去噪度和较低的语音失真度。      

基于线性预测分析和差分变换的语音信号压缩感知

在压缩感知研究中,信号在不同变换下的稀疏域好坏是影响信号重构性能的重要因素。该文基于语音信号的线性预测分析(LPC),提出一种结合了LPC分析和差分变换的语音稀疏化联合变换方法,通过正交匹配追踪算法(OMP)优化算法重构语音信号,与FFT和LPC两种稀疏化方法进行了对比分析。实验表明,在压缩比大于0.4时,联合变换法重构的语音信号性能明显优于另外两种方法。也即在相同重构性能并兼顾语音质量的情况下,联合变换法具有较小的压缩比,因而具有较好的压缩性能。采用PESQ语音质量评测方法对3种稀疏化算法重构的语音进行平均意见值(MOS)对比,联合变换法也具有较好的性能。     

基于差分变换的语音信号压缩感知

信号在某种变换下可以稀疏表示是压缩感知研究的先验条件,正交傅里叶变换则是应用非常广泛的一种稀疏变换。但是,由于语音信号是准周期信号,对其进行傅里叶变换会造成频谱泄漏,因而引起信号重构性能的降低。本文基于语音信号准周期性的特点,提出了一种基于差分变换的语音稀疏化变换矩阵,在此基础上采用OMP优化算法来重构语音信号。实验表明,与采用正交傅里叶变换方法对语音信号进行稀疏化变换、OMP算法对语音信号进行重构的方法相比,差分变换方法的性能明显优于正交傅里叶变换的方法,即在相同重构性能时,差分变换的压缩比小于正交傅里叶变换,因而差分变换的方法大大提高了信号的压缩性能。PESQ对重构语音质量评测的结果表明差分变换方法重构的语音信号MOS得分较高,这也说明对于语音信号这一特殊信号,差分变换法具有很大的优越性。      

基于听觉感知小波变换的电子耳蜗CIS语音信号处理

为克服以往滤波器组参数调整复杂，提出了一种听觉感知的小波变换的电子耳蜗语音处理的方法。文章在连续交替取样CIS（Confinuous Interleaved Sampling）语音信号处理方案的基础上，利用人耳听觉的临界频率与听觉感知的小波变换域的相似性，进行了电子耳蜗输出信号的重构，采用短时傅立叶变换的语谱图分析。实验结果表明：本方法获得的合成语音与原始语音在频谱包络特征上非常相似，频域特征里接近入耳的实际生理特性。     

基于仿生小波变换和模糊推理的语音降噪算法研究

提出了一种基于仿生小波变换和模糊推理的变步长自适应滤波语音降噪算法。该算法首先用仿生小波变换法对包含噪声的语音信号进行小波分解,以分离出来的噪声信号作为自适应滤波器的输入,选择基于模糊推理变步长自适应算法对带噪声语音信号进行降噪处理,最终实现语音信号的信噪分离,去除语音信号中的噪声。仿真结果表明,该方法对语音信号有较为明显的降噪效果。     

基于小波变换的语音基音周期检测

语音信号是一种非平稳信号,基音周期是语音信号最重要的参数之一,传统的基音检测方法存在一些缺陷.小波变换鲁棒性强、能很好地反映信号的时频特性,非常适合处理非平稳信号.为准确提取基音频率,提出了一种基于小波变换的基音周期检测方法.检测前在小波域上用Teager能量算子分离出语音信号的浊音段,然后对浊音段采用空域相关函数降噪...     

基于小波变换的MBE模型基音估计算法改进

基音周期是语音信号最重要的参数之一。MBE模型的基音周期搜索算法存在着运算量大,抗噪性能一般等缺点。本文基于小波变换,对算法进行了改进。阐述了小波变换基音周期估计原理,基音估计算法实现和实验。分析和实验表明改进算法更具实用性。     

基于CEP和LPC谱提取语音信号基音周期的方法

在语音信号分析中,只有分析出可表示语音信号本质特征的参数,才有可能利用这些参数进行高效的语音通信、语音合成和语音识别等处理.因此对语音信号采用CEP和LPC谱提取语音信号基音周期的异同进行了研究,并采用Matlab实现了仿真分析.从中可以看出,LPC谱估计基音周期的算法运算量较大,而CEP谱算法更直观,且在少部分情况下基音峰会变得更突出一些,CEP谱具有更加广阔的应用前景.