改进LVAMDF及综合多因素基音检测算法

在对语音信号静音、清音、浊音划分的基础上,针对语音信号周期特征明显段分布随机性问题,提出改进的变长度平均幅度差函数LVAMDF及综合多因素基音检测算法,该算法对语音信号进行周期特征明显段和周期特征不明显段的聚类划分,同时,获取周期特征明显语音段的所有基音周期的起止端点,针对少数基音周期划分倍频或半频问题,提出识别、修正方法,其识别、修正率极高;在对大量真实语音处理中,能够精确地检测出语音特征明显段的基音周期端点,基本没有倍频和半频划分,并且和AMDF、ACF算法作了对比。     

基于线性预测残差倒谱的基音周期检测

提出一种基于线性预测残差倒谱的基音周期检测算法.该算法对语音信号的线性预测残差信号做倒谱变换,将其作为基音检测特征.并综合残差倒谱峰、短时能量和短时过零率三种特征,构造一个清浊音判决函数,简化清浊音判决过程,提高判决精度.在基音周期检测过程中,根据基音连续原则,提出峰值重定位方法,有效降低基音倍频和半频的错误率.对比实验表明,本文算法的性能不仅较之传统的倒谱方法有明显改善,同时也优于目前效果较好的YIN算法和多尺度小波算法.     

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。     

改进的功率谱二次处理基音检测法

作为语音信号处理中的一项关键技术,基音检测一直是研究热点。本文分析了功率谱二次处理基音检测方法的不足:对于过渡语音,易产生半频或倍频误判;噪声干扰下,检测结果易失真;清、浊音的判断方法复杂。针对这些不足,本文提出一系列改进方法:时域非线性处理,频域加窗滤波,简化清、浊音判断。MATLAB仿真实验结果表明,无论是高信噪比还是低信噪比语音,改进的二次谱法较AMDF法和二次谱法更能清晰、准确地检测出基音轨迹。     

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。     

基于倒谱分析法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.本文首先介绍了基于倒谱分析法进行基音周期检测的基本原理,并在此基础上对藏语语音的基音周期检测进行了仿真研究,同时指出了几个应该注意的问题.     

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。     

基于线性预测和最大似然的基音检测算法

根据语音信号产生机理，结合常用的线性预测和最大似然法，提出了一种有效的基音检测算法。该算法采用频域分块估计候选基音周期的范围，提高了算法的计算速度。仿真实验表明，该算法与传统方法相比其基音检测结果有了明显的改善，克服了随机错误及倍频、半频错误，在低信噪比下鲁棒性较好。     

基于LPC残差与SCMDSF相结合的基音周期检测

基音周期检测一直是音频处理领域的研究热点,基音周期的精确检测实际上是一件比较困难的事情。提出了一种LPC残差与SCMDSF相结合的基音周期检测,该算法的特点在于着重对被处理的语音进行滤波预处理,提取语音信号的LPC残差,消除了声道响应信息,对求出的语音残差信号做SCMDSF计算,并求出语音的基音周期。实验表明,在噪声环境下这种处理方法能够比较准确的提取基音周期。     

基于计算听觉场景分析的单声道浊音分离

针对单声道语音分离中浊音分离的问题,提出了一种准确估计基音周期的方法。首先,以语音的短时平稳性和基音周期的连续性等为线索,利用语音信号的倒谱峰值构成基音周期谱图,并自动提取基音周期轨迹。然后,利用谐波频率为基音频率整数倍的性质来拾取各次谐波的频谱。最后,通过傅里叶逆变换对浊音进行重构。实验结果表明,该方法能准确提取基音周期轨迹,有效分离浊音信号。     

结合改进自相关与加权小波分量的基音检测法

自相关函数法和小波变换法是经典的基音检测方法,在简要分析单独使用它们进行基音检测存在不足的基础上,提出一种结合改进自相关与加权小波分量的检测方法。采用改进自相关函数对传统自相关函数进行幅度补偿以弥补传统自相关函数随滞后时间增加导致幅度衰减的缺陷;将多级小波变换分量加权求和以突出语音的基音信息,然后将两种方法结合突出真实基音周期处的峰值。实验结果表明,与传统的自相关函数法和小波变换法相比,两者结合的方法减少了倍频、半频及伪随机点的错误,提高了基音检测的精度。     

语音信号基音检测的二次谱方法

对基音检测的倒谱法进行了分析,指出其在基音检测计算及其数字实现时存在不足。为 了克服这些不足,提出了一种功率谱二次处理的二次谱基音检测方法,该方法在克服了倒谱法在基音 检测中不足之处的同时还提高了计算速度,基音轨迹曲线估计的准确性也得到了改善。     

基于线性预测残差倒谱的基音检测

传统的基音检测算法对含噪语音的检测结果较差,本文在线性预测倒谱方法的基础上采用基于线性预测残差倒谱的方法对含噪语音进行基音检测。实验结果表明,该方法使基音峰点更加清晰,提高了基音检测的精度。     

一种语音信号基音检测的功率谱二次处理方法

对基音检测的倒谱法进行了细致的分析,指出其在基音检测计算及其数字实现时存在不足。为了克服倒谱法的不足之处,提出了二种;新的功率谱二次处理基音检测方法,该方法在克服了倒谱法在基音检测中不足之处的同时还提高了计算速度,对基音轨迹曲线的估计准确性也得到了较大改善。     

一种基于共振峰恢复和Ｍellin变换的非特定人语音特征提取方法

针对非特定人语音识别中的声道长度归一化问题,首先研究一种能够去牛基音激励的,基于自相关估计的共振峰（Ｆormart) 频谱恢复方法,说明了不同说话人发同一元音时的频谱互为尺度化的关系,以及它们与同一说话人发不同元音时频谱的差别,然后结合具有尺度不变性的Ｍellin变换,提出了一种适用于非特定人的语音特征提取方法,在实难中,对从非特定人收集的２０个汉语元音,分别提取了其ＦＦＴ倒谱,Ｍel倒谱,ＦＦＴ－Ｍellin倒谱及本文Ｆormant-Mellin倒谱,并用一种很直观的Ｆ－roato分辨率准则进行了性能评价,结果表明,无论是对纯净的,还是对带附加白噪声的发音样本,本文由共振峰恢复和Ｍellin变换相结合得到的语音特征都具有较高的分辨率。     

一种改进的倒谱基音提取算法

介绍一种基音检测的新方法。该算法首先对分帧语音采用Burg算法进行LPC分析,获取最佳预测系数构造逆滤波器;然后通过逆滤波得到预测误差序列代替原输入语音序列进行倒谱分析;最后在恰当的范围里测出最大峰值,进行基音检测。实验结果表明,与传统方法相比,该方法鲁棒性好,在信噪比低的情况下仍可获得较高的准确率。     

基于递归分析的基音检测新方法

提出了一种语音信号非线性动力学特性递归分析的基音检测新方法;提出了递归数计算基音,研究了用递归度与所算基音之积精确区分清浊音法,给出了波动基音修正方法。实验结果表明,该方法可以得到比传统自相关法和倒谱法更好的结果,尤其是清浊音特征不明显的音段,基音检测的性能更好,在带噪语音音环境下也具有很好的适应性。     

利用小波变换加权自相关的基音检测法

自相关函数法、平均幅度差函数法及小波变换法是经典的基音检测方法,本文简要分析了单独使用它们进行基音检测时存在的不足,提出了一种基于小波变换的加权自相关的检测方法。将多级小波变换的近似分量加权求和以突出基音信息,采用改进的平均幅度差函数加权自相关函数的方法以突出真实基音周期处的峰值,提高基音检测的正确率。实验表明,与传统的自相关函数法和平均幅度差函数法相比,本文方法减少了倍频和半频错误,提高了基音检测的精度,在信噪比为-5dB时仍能得到较准确的结果。