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。     

基于线性预测和小波变换的语音基音周期检测新算法

将小波变换与语音信号短时线性预测（ＬＰＣ）及自相关函数相结合，得出了清、浊瞳 判决及基音周期检测的新算法，实验结果表明，该算法的性能良好。     

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(t,n)门限的自同步小波域音频盲水印技术

提出一种基于（t，n）门限的自同步小波域音频数字盲水印技术，水印嵌入过程是在小波变换域中进行的，按照秘密共享技术将水印信号分解为n份水印影子，只有t个或大于t个用户才能同时恢复水印，而t-1或更少的用户均不能恢复水印，在增加信息安全性的同时可防止信息泄漏．利用语音信号小波变换自身特点，根据小波变换系数进行基音周期检测，并以此作为水印过程的同步点，水印检测前先搜索同步点，实现水印检测和嵌入过程的自同步，检测过程采用独立分量分析技术，在不需要任何原始音频、水印、嵌入过程信息以及可能经历的攻击信息的情况下可精确恢复水印，实现盲检测，为防止欺骗攻击，在信息恢复前，利用单向散列函数抵抗欺骗攻击，该算法中水印采用的是具有实际意义的语音信号．实验表明，该算法具有很好的鲁棒性．     

基于小波变换的静音与语音分割新算法

含噪语音信号的静音与语音分割，即端点检测问题是语音识别至关重要 的一步，为了提高语音分割对环境的适应性，提出了一种利用小波变换分割含噪语音信号中静音与语音的新算法，该算法首先将语音信号进行小波变换，利用小波系数去噪，然后选择小波部分子带跟踪信号的能量变化以分割语音与静音，仿真实验表明该算法在低信噪比条件下也能够有效分割语音。     

心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.     

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.     

基于二进小波变换的基音检测算法

为了克服目前诸多基音周期检测算法精度低、计算复杂度高、鲁棒性差的缺点,研究了一种采用二进小波变换模极大值进行基音周期检测的算法。仿真结果表明,该算法在强背景噪声下仍可以准确提取基音周期,并且具有复杂度低、分辨率高和实时性好的特点。     

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.     

基于压缩感知的语音信号编码算法

针对语音信号在离散余弦变换基上的稀疏性,提出了一种基于压缩感知的语音压缩编码算法。算法在编码端采用随机高斯矩阵直接对语音波形进行观测,并采样均匀量化技术对随机观测进行量化。解码端利用未饱和的观测值通过Lasso算法实现语音信号的重构。仿真结果表明,该算法具有良好的重构性能。     

基于提升小波分解的低速率波形内插语音编码算法

提出了一种基于双正交提升小波变换(bi-orthogonal lifting wavelet transform,BLWT)的低速率特征波形内插语音编码方法,其中的特征波形分解算法不需要复杂的特征波形对齐操作和滤波器的卷积运算,其固有的原位运算降低了传统特征波形小波分解算法所需的内存,当前帧边界点替代相邻帧样点的措施有效减少了传统特征波形小波分解算法的时延.同时,该分解方法对分解后的各成分单独重建,并根据人耳的感知特性选择量化参数.基于该分解,分别构建了1.84 kb/s和2.32 kb/s两种速率的BLWT-CWI(characteristic waveform interpo-lation)语音编码器.主观平均意见得分(mean opinin score,MOS)结果表明,2.32 kb/s的BLWT-CWI语音编码质量与2.4 kb/s的MELP声码器相当,1.84 kb/s的BLWT-CWI语音编码质量稍逊于2.4 kb/s的MELP声码器.主观A/B听力测试结果表明,1.84 kb/s的BLWT-CWI语音编码质量优于2 kb/s的LIWI(low-complex improvedwaveform interpolation)声码器.     

基于小波降噪的短波通信信号协议识别特征提取算法

利用特征波形匹配来识别短波通信信号协议是简单有效的方法,但易受噪声干扰,影响其有效性.而低信噪比是短波信道特征之一,为此引入小波降噪来构造具有优良抗噪声干扰性能的协议识别特征,以减小噪声对特征波形匹配度的影响.文章提出了一种新的协议识别特征提取算法,该算法通过统计不同信噪比条件下小波系数的波动性,实现了特征波形与待识别信号波形小波系数的合理取舍,并采用取舍后小波系数的匹配度作为识别特征.仿真结果表明,该识别特征能有效减小噪声干扰影响,在低信噪比条件下优势突出.     

基于DWT的AMDF基音检测改进算法

平均幅度差函数(AMDF)法是一种常用的基音检测算法,但由于AMDF存在严重的均值下降趋势,使得用这种算法在提取基音的过程中易产生错误.为克服该缺点,提出了一种基于离散小波变换(DWT)的AMDF改进算法(DW-AMDF),该算法首先求取每帧浊音信号的AMDF,利用DWT提取出AMDF中的下降趋势,去除下降趋势后得到DW-AMDF用于检测基音.实验结果表明,与传统的AMDF算法及其几种典型的改进算法相比,该算法的检测精度有了明显的提高.     

基于小波系数统计的非高斯噪声背景下语音流检测

在实际生活中,非高斯噪声很普遍,对信号的影响也很大,是语音信号处理中的难题.大部分强噪声信号都是非高斯的,在强噪声背景下,由于语音信号受到较大的干扰,甚至被噪声淹没,传统的基于短时的能量、过零率、相关以及平均幅度差等检测算法效果都不理想.根据小波变换的特性和语音时域信号的分布特征,提出了一种非高斯噪声背景下语音流检测算法.对含噪语音进行小波分解,观察各层小波系数的统计特征,提取它们的不同特征,从而进行了语音流检测.大量实验表明该算法具有较高的检出率和较低的误检率,可以消除噪声的影响实时处理语音信号.该算法有一定的创新性,在处理非高斯噪音方面很有实用性.