语音信号基音检测的现状及展望

基音检测是语音处理中的一个非常重要的问题，但由于影响基音检测的因素众多．使得基音周期的准确估计非常困难。文中阐述了短时自相关函数法、短时平均幅度差函数法、倒谱法、小波变换法等几种经典的基音检测方法．分析它们各自的优点及存在的不足，并在预处理．后处理、语音信号的产生模型、语音信号的个性特征、发音时的情感及力度等基音检测的各个环节上提出了一些看法，并就一些可能出现的突破口做了一些展望。     

加权短时自相关函数的基音周期估计算法

语音基音频率的准确检测是语音信号处理的难点之一。提出一种加权短时自相关函数(Autocorrelation Function,ACF)算法提取基音频率。在传统的ACF方法基础上,利用短时平均幅度差函数(Average Magnitude Difference Function,AMDF)的平方对ACF函数进行加权,由此加强短时自相关函数在基音周期倍数处的峰值特性。对提取出的基频曲线做平滑处理。实验结果表明,该方法提高了基音周期检测的准确率。     

基于MATLAB的基音检测分析

基音检测作为语音信号处理的重要手段,被广泛地应用于语音的合成、编码及识别等一系列语音信号处理技术问题。基音检测的准确性对于要求极高的语音识别、合成、分析、压缩编码等等都有重要的意义。该文用自相关函数法、平均幅度差函数法和倒谱法这三种常用的基音检测方法,运用MATLAB编程实现,对语音信号的基音周期轨迹图进行了比较分析,并由此得出和倒谱法进行语音信号基音的检测更为精确。     

基于自相关的语音基音周期检测方法研究

用基音周期检测算法从浊音语音信号中提取基音周期,有益于语音合成、语音编码及语音识别等语音信号处理工作。通过对具体语音时域信号分帧、求短时自相关函数,可得到浊音语音的基音周期,实现基音周期的检测。     

语音基音周期检测方法

针对现有语音基音检测算法抗噪能力低的问题,利用多尺度连续小波对语音信号进行预处理。基于短时平均幅度差函数和短时自相关函数,提出一种语音基音周期检测方法,在确保运算量较低的前提下,获得准确结果。使用平滑算法消除倍频点、半频点和随机点产生的误差,实现基音曲线平滑。     

对语音识别中短时自关特征的研究

从理论及实验两个方面出发，以短时自关函数作为语音特征的特定人、孤立词、中小词汇量的汉语语音识别系统，计算方法简单，硬件处理容易，且具有较高的识别率。在语音信号处理中，常用短时自关函数进行短时基音周期估计，作为语音特征应用于语音识别中系率先进入该领域的应用，其首选正确识别率达９９％     

基于自相关函数的藏语语音基音周期检测

基音周期是表征激励源特征的一个重要参数,在藏语语音处理的研究中具有非常重要的意义.为此,本文首先讨论了用自相关函数进行基音周期检测的基本原理和改进方法,进而研究了自相关基音检测方法在藏语语音处理中的应用,并给出了相应的实例.     

一种高效语音基音检测方法的研究

根据语音信号产生的机理,综合考虑基音频率检测的准确性与高效性,提出了一种基于下采样的基音检测方法.该方法以传统的自相关函数法为基础,结合线性预测逆滤波及下采样技术,有效地提高了抗噪性,降低了计算复杂度.通过Matlab软件对计算结果进行仿真分析,证明新算法计算简便、准确,基音频率平滑性好,算法鲁棒性好,适用于实时语音信号的基音检测.     

改进的基音周期检测算法研究

针对传统的短时平均幅度差函数（AMDF）法由于出现均值下降趋势,谷点并非全局最低谷点而导致基音周期提取中的倍频和半频错误出现的情况,提出一种改进算法。将传统的AMDF经过经验模式分解（EMD）处理后去掉趋势项重组新的EMDAMDF,再利用短时自相关函数（ACF）对其进行加权,构造新的EMDAMDF/ACF加权平方特征检测该语音帧的基音。仿真结果表明,该方法有效地加强了AMDF的谷值特性提高了基音周期检测的准确率。     

基于自相关函数的语音端点检测方法

在语音信号的识别、去噪等过程中通常只需对有声段进行处理,并且对语音段和噪声段可能需要采取不同的处理方法。相关函数描述的是随机信号在不同时刻取值的关联程度,由于噪声的随机性,噪声的相关函数和语音的相关函数有很大的不同,利用此不同点可以进行语音的端点检测。基于此提出了自相关函数的语音端点检测方法,并对比了经典的双门限法--基于短时平均能量和短时平均过零率的双门限判决法。实验表明该方法具有较高的准确性,并且在较低信噪比下能取得比短时平均能量和短时平均过零率的判决法更好的效果。