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。     

含噪语音的基音周期提取算法

背景噪声对语音信号的基音周期提取有很大的影响.结合能够对背景噪声进行有效降噪的EMD(Empirical Mode Decomposition)软阈值法,提出了一种噪声背景下语音基音周期提取的方法.首先将EMD软阈值降噪法和中心削波法相结合,对信号进行预处理,然后利用语音信号波形本身的信息,进行波形之间的匹配估计,从而获得准确的语音信号基音周期.仿真实验表明:与传统的基音周期提取方法相比较,所提方法在基音周期提取的准确度方面有很大的提高.     

一种基音提取算法

根据基音周期平滑变化的特点,基于语音信号的准周期性进行了语音信号的基音提取。该算法主要针对多带激励模型（ＭＢＥ）,采用传统的时域分析法,先用语音信号的相关性进行基音周期的估计,再由分数延迟法提取基音周期,使预测结果更加准确,更具实时性,有利于语音编码与识别。     

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。     

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。     

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Hilbert-Huang变换的语音信号共振峰频率估计

由快速傅里叶变换（FFT）初步估计出的语音信号的各阶共振峰频率确定相应带通滤波器的参数，并用该参数对语音信号作滤波处理，对滤波后的信号进行经验模态分解（EMD）得到一族固有模态函数（IMF），按能量最大原则确定出含有共振峰频率的IMF，计算出该IMF的瞬时频率和Hilbert谱即得到语音信号的共振峰频率参数.实验结果表明，与传统方法相比，该方法无须对语音信号进行分帧截断，提高了语音信号共振峰频率估计的时频分辨率和准确性，能够更精确地反映共振峰频率随时间的快速变化.     

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。     

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。     

Low false alarm probability howling detection method

Howling detection is the key of the notch-filter-based howling suppression algorithm. However, the traditional howling detection method with a problem of high probability of false alarm will lead to speech distortion easily. So a novel howling detection method based on long-term signal variability at the specific frequency band is proposed in this paper. First, we pick the candidate howling competent by means of extracting the power spectrum peak; then, we select several bins on both sides of the candidate howling competent as the target specific frequency band; lastly, whether howling occurs or not depends on the value of long-term signal variability at the target spectral frequency band. Simulation results show that compared with the traditional howling detection method, the probability of false alarm can be controlled more effectively while keeping a high probability of detection by the proposed method.     

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．     

新型的神经网络线性预测语音编码算法

提出一种新型的神经网络线性预测编码算法.针对目前自相关法存在着预测系数解误差以及协方差法存在解不稳定的缺点,算法利用最小均方准则思想显著提高了短时平均误差精度.通过窄带信道将低速率语音编码远距离传输是多媒体语音技术中的重要研究内容,采用语音信号压缩处理是解决低速率传输的有效方法之一,而线性预测编码(LPC)技术是语音压缩参数编码技术的重要内容.从线性预测编码技术入手分析和研究LPC编码技术的原理,阐述了利用最小均方准则思想来提高短时平均误差精度的方法,并介绍了预测系数的自相关求法.最后通过语音合成实验验证了该新型算法既提高了系数解的精度,又保证了系统的稳定性.在该算法下预测系数的均方误差比传统的自相关法误差减小20%以上,而且当原始信号频率较高时语音合成的效果更明显,将更加精确地复现原始语音信号.     

PWM在合成语音输出电路中的应用

基于采用权电流D/A方式实现合成语音输出方式有集成电阻离散性大、开关的非线性,以及功耗高等缺点,提出了利用脉冲宽度调制(PWM)技术的方法将数字语音信号直接转换为脉冲宽度调制波,并通过低通滤波器生成模拟语音信号。PWM语音输出方式相对一般的DAC语音输出方式具有功耗小、工艺适应能力强、设计可靠等优点,并且PWM语音输出方式已经成功应用于语音合成芯片中,输出合成语音质量良好。     

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.     

基于改进双门限法的语音端点检测研究

语音信号的端点检测是语音识别过程中的重要环节,端点检测结果精确与否直接关系着语音识别的准确度。使用车载语音作为测试数据,利用传统双门限法进行端点检测,发现传统双门限方法在静音条件下和带噪条件下获得语音端点检测信息存在较大误差。针对上述问题,提出了一种改进的双门限法进行语音端点检测,针对语音信号以及短时平均能量和过零率进行处理,并通过Matlab进行仿真,实验结果说明提出的改进方法与传统方法相比,在静音和带噪条件下,都更接近测试数据中真正的语音端点。     

一种时频平滑的深度神经网络语音增强方法

由于现有的基于深度神经网络的语音增强方法在网络结构的设计上缺乏对语音增强问题自身特点的考虑, 针对这一问题,基于语音增强在时间和频率两个维度上的不同特性,受传统语音增强方法中的含噪语音局部特征计算方法启发,设计了一种在时间和频率两个维度上进行不同处理的时频平滑网络。该网络采用门控循环单元来表达含噪语音在时间上的相关性,同时采用卷积神经网络来表达含噪语音在频率上的相关性,实现了类似传统语音增强方法的时频平滑处理。实验结果表明,这种时频平滑网络在保证语音增强系统因果性的前提下,相比其他网络显著地提高了语音增强性能,增强后的语音具有更好的语音质量和可懂度。     

部分W-分离正交语音信号的盲分离方法

在W-分离正交性假设的语音盲分离方法中,由于没有考虑多个源信号同时存在的情况,导致分离信号中不可避免地存在音乐噪声。针对这种部分W-分离正交情况,提出了基于信道估计的语音盲分离方法。该方法先检测只有一个源信号存在的时频点并进行归一化处理,使得处理后的结果与频率无关,克服了W-分离正交性假设的不足以及频率置换问题,通过K-means聚类估计出信道,再结合信号子空间方法重构源信号。仿真结果表明,提出的方法可以有效减少分离语音中的音乐噪声,与典型的时频二元掩蔽方法相比,其平均信号失真比提高3.02dB,同时平均信干比提高4.61dB。     

语音分析的能量算子方法

用能量算子方法来分析语音信号的幅度包络和瞬时频率，并在此基础上设计了一种基于能量算子的基音检测方法，所得结果令人满意