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.     

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。     

一种语音信号基音周期的提取方法

基音周期是语音压缩,合成以及识别中的一个重要参数。本文首先指出提取基音周期的一个重要部分就是语音信号起始位置的确定,同时主要给出了短时平均幅度差（AMDF）函数的基音周期估计方法。     

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。     

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.     

基于前置滤波和小波变换的带噪语音基音周期检测方法

根据语音信号的基音周期范围有限和在声门闭合时刻语音信号出现锐变的特点，提出一种基于前置滤波和小波变换的基音周期检测方法。带噪语音信号经过3阶椭圆低通滤波器滤波后，采用以二次样条小波作为小波函数，进行一级小波变换检测语音信号的锐变点，再计算基音周期。实验表明，本文提出的基音周期检测方法，与平均幅度差函数(AMDF)和自相关函数(ACF)方法相比，提高了提取基音周期的准确率；与多尺度小波变换的基音周期检测方法相比，减小了计算量，削弱了噪声信号和语音的共振峰对基音周期检测的影响。     

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。     

基于自相关和倒谱法的基音检测改进算法

语音信号基音周期检测一直以来都是语音信号处理的关键技术和热点领域。对传统的基音检测方法进行研究分析,提出基于自相关和倒谱法的基音检测改进算法。先将语音信号进行最小均方误差(LMS)自适应滤波和非线性处理进行语音增强,后进行自相关法和倒谱法加权平方运算来检测基音周期。经Matlab实验仿真,该算法在低信噪比环境中能精确检测基音周期,较传统基音检测方法鲁棒性更好、更精确。     

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。     

基于小波变换和动态验证的基音检测算法

针对基音周期检测中容易出现的半周期和倍周期错误,综合考虑了常用的小波变换和短时自相关方法的优缺点,以及相邻基音周期长度的渐变性,提出了把两者相结合的基音周期检测算法.对语音信号进行清浊音检测和前置带通滤波,利用小波变换方法进行初步检测,对基音周期变化过大的情况使用自相关方法进行验证.实验结果表明,该方法在不同信噪比下的基音周期检测准确率都明显高于普通的小波变换检测方法.同时,该方法还有助于通过人工方式快速修正基音周期.     

两级三门限端点检测算法

端点检测是语音处理的关键技术。本文选取短时能量和短时平均过零率作为特征值,依据两级三门限端点检测的算法,其具体实现利用关系运算符,避免逐点比较循环本文语句,方便快捷地搜索到端点。经过Matlab编程仿真实验,结果表明,该实现方法有较高的准确性,对噪声具有一定的鲁棒性。     

基于谱减法的基音检测算法

基音周期是语音信号的一个重要参数,它在多个领域有着广泛的应用。提出了一种基于谱减法的基音检测算法:先用谱减法对带噪语音去噪,然后再求语音LPC预测残差的自相关函数及自相关函数的倒谱。仿真结果表明,利用这种改进算法做基音周期检测,检测效果会比传统倒谱检测方法有明显改善。     

基于自相关平方函数与小波变换的基音检测

在背景噪声干扰条件下,研究语音信号的基音周期,提出了一种基于自相关平方函数与小波变换结合的基音检测算法。该算法先用小波变换对带噪语音去噪,然后再求语音的自相关平方函数以突出真实基音周期的峰值,以获取较精确的基音周期。实验结果表明,与传统的自相关法相比,该算法鲁棒性好,具有更高的准确性,且计算复杂度低,利于语音合成和编码的实时处理。     

基于线性预测的综合基音检测法

由于传统基音检测方法在信噪比较低时对弱浊音和清浊音过渡帧的检测效果较差,提出了一种综合的基音检测法.该方法利用线性预测分析和低通滤波器对含噪语音进行预处理,再采用改进的平均幅度差函数加权自相关函数的方法对浊音帧进行基音检测,对于清浊音过渡帧,则利用小波变换进行基音检测.实验结果表明,该法提高了检测精度,即使信噪比降至-5dB,仍能较准确地检测大部分弱浊音和清浊音过渡帧的基音周期,准确性和鲁棒性较好.     

一种高精度的基音提取方案

为了得到准确的基音曲线,该文提出了一个有效的解决方案,通过利用人工神经网络进行浊音判决,以及计算基音频率时利用基于 自相关函数的动态规划算法,有效地克服了在语音信号清音和无声段错误的基音提取以及在浊音段的2倍频或1／2倍频错判。实验证明,利用 该文提出的方案,可以大大提高基音频率提取的准确度,从而得到非常准确的语音基频曲线。     

同态解卷处理在基音检测中的应用

语音处理中基音检测是极为重要的环节之一,然而浊音中的基音往往会受到声道特性和噪声的影响而导致检测结果的误差。利用同态解卷处理,将浊音中的激励信号和声道特性进行分离,然后再在激励信号中利用自相关检测基音,可以减小声道特性和噪声对基音检测的影响,从而提高基音检测的精度。通过理论模型验证了该方法的可行性,而且实际语音信号处理结果表明,该方法在基音检测时可以基本不受声道特性和噪声的影响。     

基音周期估计中倍数检验算法的研究

讨论了基于自相关函数法基音周期估计过程中的倍数检验和校正问题。自相关函数法是语音信号处理中的一种重要方法,但往往会把真实基音周期的倍数误判为真实的基音周期。为了防止误判,提出了倍数检验算法。实验表明:使用该算法,提高了基音周期估计的准确性,改善了基音周期轨迹的平滑度。     

一种新的频域基频估计方法

本文在语音信号正弦分析模型的基础上,提出了一种新的基频估计方法。这种方法先是对语音作预处理,然后引进代价函数对基频进行估计。实验证明,该方法具有很高的准确率,在语音分析和合成中有广泛的应用前景。