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。     

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.     

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。     

MBE声码器的基音估计研究

主要对NBE声码器了研究，简单介绍了MCIBE编解码算法的基本原理。NBE编码基于3个参数(基音周期、谱包络参数、以及每个频带的U／V判决信息)的提取，其中基音周期的估计准确性将直接影响到语音的合成质量；文中重点分析了基音估计部分；考虑到在实际应用中可能会出现的基音错锁问题，提出了一种改进的基音估计算法。改进算法不但可以省略基音平滑这一过程，简化了整个算法过程；而且改善了基音周期的帧间连续性，并提高了语音合成的自然度。     

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。     

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.     

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。     

基于FFT-ACF和候选值估计的基音周期提取方法

利用FFT-ACF算法进行基音周期候选值估计,减少在语音基音周期提取中常见的倍频和半频错误,提出针对候选值的多重后处理算法.后处理过程:首先运用峰值筛选法进行初选,接着利用一次均值法将语音分为不同的音高段,再使用二次均值法为每个音高段确定合适的频率范围,最后精确提取出基音周期.实验结果表明,基音周期后处理算法有效,在音乐哼唱识别应用中收到良好效果.     

4．8kbps多带激励语音编码器的模拟实现

文章阐述了多带激励（ＭＢＥ）语音产生模型与以往单一激励语音产生模型的区别及其优越性。研究了以ＭＢＥ模型为基础进行语音分析合成的基本原理和实现的算法。提出了４．８ｋｂｐｓＭＢＥ语音编码方案，并在计算机上进行了模拟实现。实验结果表明，所模拟的４．８ｋｂｐｓＭＢＥ语音编码器系统是成功的。其合成语音在可懂度与自然度方面，与以往的线性预测（ＬＰＣ）、码激励线性预测（ＣＥＬＰ）语音编码系统相比都有了明显的改善。     

一种低速率多模MBE线性预测语音编解码器

提出了一种多模多带激励(MBE)线性预测语音编解码器,与MBE编解码器相比在两个方面有所改进:一是在频谱幅度估计中结合了线性预测的方法,幅度的线性预测结果用线谱频率(LSF)来表示并量化,解决了原系统频谱幅度量化中维数变化的问题; 二是在清/浊音判决中,固定每帧中子带的个数,划分不同的清/浊音判决模式,在各种清/浊音判决模式下,根据LSF不同的统计特性,用不同的码本对LSF矢量进行量化,提高了量化的质量．仿真结果显示,合成语音可懂度高,时域语音波形图及语谱图都拟合较好．     

基于基音同步的时频域插值的汉语语音合成

针对TD-PSOLA韵律调整能力的不足,将基于基音同步的时频域插值(TFI)方法应用于汉语语音合成中,该方法能够保证基频调整和时长的调整不会相互影响.为了提高计算精度,在频谱的插值计算中还引入了差商型插值方法.实验结果表明,采用差商型插值的TFI方法能取得比较好的合成效果.     

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.     

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。     

多带激励语音编码器仿真实现

介绍多带激励(MBE)模型原理、分析和合成,该算法突破了二元激励的局限性,较好的解决了简单二元激励模型导致的合成语音自然度不够以及抗噪声能力差的问题,是目前低速率语音编码较理想的方案．此外,详细阐述了MBE编码器的仿真实现方法,并给出了程序流程和仿真结果．实验结果表明,此仿真系统合成的语音在频谱和波形上都和原始语音比较接近,并具有良好的清晰度和可懂度,任何熟悉的人都可以辨别说话人．