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.     

乐音旋律识别研究

乐音中的基音成分是进行乐音分析的重要参数，使用小波分解可以比较清晰地反映基音周期情况，FFT对于周期信号有精确的频域分辨．利用小波在信号低频分解方面的良好性质，提出了小波分解的基音检测方法，并用优化的FFT方法获得基音频率的精确定位．在实际开发的系统中取得了较好的效果．     

乐音旋律识别研究

乐音中的基音成分是进行乐音分析的重要参数,使用小波分解可以比较清晰地反映基音周期情况,FFT对于周期信号有精确的频域分辨.利用小波在信号低频分解方面的良好性质,提出了小波分解的基音检测方法,并用优化的FFT方法获得基音频率的精确定位.在实际开发的系统中取得了较好的效果.     

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。     

基于多分辨分解的乐音水印算法实现

利用小波变换在时变信号的低频分解特性,提出了一种针对基音低频特性的水印嵌入算法,该水印具有良好的隐蔽性和对各种音频压缩算法的适应性,对于保护音乐作品知识产权具有较高的应用价值.     

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。     

基于多分辨分解的乐音水印算法实现

利用小波变换在时变信号的低频分解特性,提出了一种针对基音低频特性的水印嵌入算法,该水印具有良好的隐蔽性和对各种音频压缩算法的适应性,对于保护音乐作品知识产权具有较高的应用价值．     

二进小波变换的语音分类及其应用

提出了一种基于Daubechies8二进小波变换的语音分类算法．该算法利用各分解尺度上的小波系教计算出语音分类的特征参数，并通过有限状态机模型将每帧语音分为5类，它们与SMV语音编码算法中所需类别完全兼容，因此可将其应用于SMV算法中．仿真结果表明：基于该语音分类方案的SMV编码算法在保持高质量语音的同时，实现了变速率编码，在话音质量和带宽占用之间达到了良好的均衡．     

确定图像小波变换系数分布的KS测试方法

将 KS 测试统计方法用于图像小波变换分布规律的研究。使用 L=4的Daubechies 小波将256灰度级256×256“Lena”图像分解为3层10个子带,统计结果表明,低频部分符合瑞利分布,次低频部分符合高斯分布,其余部分符合拉普拉斯分布。     

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。     

Speech enhancement method based on the time-frequency smoothing deep neural network

In the existing speech enhancement methods based on the deep neural network, the characteristics of speech enhancement problem are not fully considered in the design of the network structure. In view of this problem, based on the different characteristics of speech enhancement in time and frequency, inspired by the feature calculation method in the traditional speech enhancement methods, a time-frequency smoothing network with different processings in time and frequency is designed. In this network, a gated recurrent unit is used to express the correlation of noisy speech with time, and a convolutional neural network is used to express the correlation of the noisy speech with frequency, which realizes a time-frequency smoothing process similar to that of the traditional speech enhancement methods. Experimental results show that the proposed time-frequency smoothing network can significantly improve the speech enhancement performance compared with other networks under the premise of ensuring the causality of the speech enhancement system and that the enhanced speech has a better speech quality and intelligibility.     

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。     

基于离散余弦变换的语音增强

在进行余弦变换时，语音信号主要分布在余弦系数的低频区域，而随机噪声主要分布在高频区域．鉴于此特点，给出了一种基于离散余弦变换的阈值语音增强方法．利用余弦系数的高频区估计噪声得到阈值，对DCT阈值化，利用信噪比估计值和语音出现概率对算法做了进一步的改进，增强了算法的去噪能力．实验结果表明，该方法为有效的语音增强方法．     

基于非齐次隐马尔可夫模型的特定人元音的识别方法

针对特定人汉语元音的语音识别,提出一种基于非齐次隐马尔可夫模型的识别方法.该方法首先提取声道频率响应作为特征参数,然后建立非齐次隐马尔可夫模型来更为精确地刻画真实的语音现象,接着进行语音识别实验,并与齐次隐马尔可夫模型进行比较.实验结果表明该方法可以使特定人的元音的识别率达到98.73%,明显改变了识别系统的性能.该方法具有很好的理论研究前景和实际应用价值.     

基于语音分组的基音周期检测方法

针对语音信号的特点,清音和浊音,清音没有明显的周期性,它类似于高斯白噪声,浊音具有周期性的特征,并且浊音的基音周期只有准周期的特点,另外语音信号是非线性时变的信号,只能采用短时平均方法估计基音周期。针对这些特点,本文对处理的语音信号按照频率进行分组,分组后再进行基音周期的提取,减少了处理的复杂度和增加了准确率。     

MA Hongfei;ZHAO Yuejiao;LIU Ke;LIU Hao

In order to improve the accuracy of the voiced/unvoiced/silence classification, a new method based on the Stack Autoencoder (SAE) is proposed. This method is implemented with a deep neural network composed of SAE and Softmax. First, the SAE is trained with the unsupervised method using a speech parameter training sequence which includes the residual signal peak, gains, pitch periods, and line spectrum frequency (LSF), while the Softmax is trained with supervision by the use of the output of the SAE with the speech parameters training sequence as its training input. Then a supervised fine-turning method to the deep neural network is conducted to obtain the final parameters of the networks. Test results have shown that the accuracy of the speech classification of the presented method is better than the traditional methods in different background noise conditions with different signal-to-noise ratios (SNR), especially in the low SNR condition.     

基于AVR单片机的紫外语音通信系统解调技术

应用调频技术实现对电光信号的调制转换,再通过接收频率变换的紫外光信号进行光电转换,还原出原始信号.提出了一种用AVR单片机解调来提高紫外通信系统的传输速率的方法,采用AVR单片机设计解调电路,较好地处理2FSK信号的过渡带问题,使传输的信息经调制后能正确解调,传输速率可达到4.8 kbit/s,成功实现了实时语音通信.     

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.     

改进的基于听觉掩蔽特性的语音增强

该文利用人耳感知的掩蔽特性,研究了一种改进的基于人耳听觉掩蔽特性的语音增强方法。该方法改进了对含噪语音中噪声的估计,即在估计噪声时,先在帧上判断语音的有无,然后在频率点上判断语音的有无,最后再从感知的角度,利用估计出的语音信号计算掩蔽阈值,以此在时域和频域上合理地调整增强系数。仿真结果表明,该方法不仅使信噪比有较大的提高,而且减少了语音失真,同时也很好地抑制了背景噪声和残余音乐噪声。     

用功率谱相减法进行混噪语音识别的研究

为了提高混噪语音的识别率，对以往功率谱相减法进行了数理解析，指出了其不足之处。针对某些混有频率成份较少的噪音的语音，提出了一种新的功率谱相减法，给出了相应的处理算法，并运用这种新的功率谱相减法进行了仿真语音识别实验，实验结果证明了这种新的功率谱相减法的正确性和有效性。