基于数学形态学的语音基音轨迹平滑新算法

依据数字语音信号的特点和形态滤波器的基本特征,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形态学滤波器,这是继中值滤波和动态规划后一种新的非线性基音轨迹平滑算法．仿真数据的实验结果表明这种方法对于随机误判点与传统中值组合平滑相比效果更佳．     

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。     

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。     

基于多相滤波器组的语音基频检测方法

基于多相滤波器组的语音基频检测方法，运用多相滤波器组分解语音信号频谱，然后利用声带震动的能量准周期性在各子带进行峰值搜索，并综合这些子带的搜索结果计算基音周期，最后根据先验知识以及一种新的清浊音判定方法对结果进行校正。基于标准TIMIT语料库子集的实验结果证明了此方法的有效性。     

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。     

基于基音特征分析的光纤振动信号识别算法

在光纤预警安全系统中,由于光纤穿过复杂的场景区域,其信号极易受外界环境干扰,信号特征提取困难,因此需要进行有针对性的特征提取研究并设计相应的识别算法.本文提出了一种基于基音特征分析的光纤振动信号识别算法,该算法通过分析振动信号与语音信号的相似性,运用基音特征分析的方法,首先对时域上的短时能量进行端点检测确定振动信号所在的时域范围;其次求解振动信号的自相关系数,根据自相关系数得到基音;最后对基音进行分析识别振动信号的类型.通过实测典型光纤振动信号数据的实验验证,本文算法具有较高的区分度,且易于实现.     

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。     

基于多层次相似性检测机制的语音基频实时估计算法

基音周期的确定是语音处理领域中的一个尚未完全解决的基本问题。传统的基于自相关函数的估计基音周期的方法过于粗糙 ,而那些准确性高的方法计算太复杂 ,不适用于实时要求高的场合。为了兼顾准确性与实时性 ,提出了一种基于多层次相似性检测机制的语音基频估计算法 ,该算法具有实时性好、易于硬件实现的特点。     

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。     

EMD模态混叠消除及其在语音基音提取中的应用研究

针对信号固有奇异模态对EMD筛选构成模态混叠的问题,在提取语音浊音信号的基音成分的分析方法中,用FIR低通滤波器对信号进行预处理,使随后进行的EMD处理筛选出有物理意义的模式分量,即浊音的基音成分.并利用H ilbert变换得到了基音的时频、时能分布图.     

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.