一种基于三阶统计量的基音周期检测新方法

利用小波变换和三阶统量的基本特性,提出了一种小波变换与三阶统计量结合的基音周期检测新方法;在低信噪比的基音周期检测中,该方法可以获得比其它基音周期检测法更精确的结果;文中还分析了压扩因子和门限因子Ｋ的选择,实验表明,Ｋ在一定范围内取值时对基音周期检测结果影响不大。     

基于FPGA的实时基音周期估计系统

提出一种基于现场可编程门阵列FPGA的实时基音周期估计系统。语音信号先通过模数转换器转换成无符号位的8-bit的语音数字信号,然后,对每一帧语音信号进行电平削波,并将削波后的语音信号转换为带符号位的2-bit的数字信号,再采用自相关函数方法估计语音信号的基音周期,对一帧带符号位的2-bit的数字信号做自相关运算能够转换为简单的加法运算,只要用简单的组合逻辑电路和计数器就能够实现。使用SpartanIIXC2S30芯片将实时的基音周期估计算法用芯片内的存储器、门电路和时序电路实现,达到实时基音周期估计的目的。     

一种基于线性预测与自相关函数法的语音基音周期检测新算法

阐述了一种新的基于语音线性预测模型和经典自相关函数法的基音周期检测算法。该算法的特点在于着重对被处理语音进行滤波预处理和平滑后处理。它克服了自相关法在对低信噪比的语音信号检测时常出现半倍频误差的缺点，同时又克服了对某些变化曲线较大的语音信号检测时随机错误较多的问题。实验表明，在噪声环境下．这种处理方法能够提高传统自相关基音检测法的可靠性和准确性。     

语音基音周期精确测量方法研究

文章对短时自相关测语音基音周期的方法进行改进,提出一种精确的基音周期测量方法。根据语音共振峰的特点,滤除高频分量,降低语音短时周期性对基音周期测量的影响。     

基于Matlab的一种基音周期检测算法

在对自相关基音检测算法进行分析的基础上,对此算法进行了深入探讨,针对以往研究中存在的不足加以改进,考虑到检测准确度和检测速率两方面的因素,引入了三电平削波模块,设计了基于Matlab的估计方法,然后通过对一段具体的语音进行处理,得到了比较准确的浊音语音的基音周期.实验证明,该方法简单、有效.     

基于压缩感知观测序列的语音信号基音周期提取

语音信号的清浊音辨别及基音周期的提取是语音信号处理的重要组成部分。提出了一种基于压缩感知( CS)观测序列的语音基音周期提取方法,大大减少了基音周期提取的计算量。首先分析不同观测矩阵下观测序列的特征,选择了行阶梯矩阵作为所提方法的观测矩阵;然后对此观测矩阵下的观测序列做小波分解,对小波分解的低频系数采用自相关方法提取基音周期。仿真与分析表明,和传统方法比较,所提方法与传统方法基音检测准确度相当,且在语音含有高斯白噪声的条件下运行良好,但计算量仅约为传统方法的1/16。     

基于压缩感知观测序列的语音信号基音周期提取

语音信号的清浊音辨别及基音周期的提取是语音信号处理的重要组成部分。提出了一种基于压缩感知（CS）观测序列的语音基音周期提取方法,大大减少了基音周期提取的计算量。首先分析不同观测矩阵下观测序列的特征,选择了行阶梯矩阵作为所提方法的观测矩阵;然后对此观测矩阵下的观测序列做小波分解,对小波分解的低频系数采用自相关方法提取基音周期。仿真与分析表明,和传统方法比较,所提方法与传统方法基音检测准确度相当,且在语音含有高斯白噪声的条件下运行良好,但计算量仅约为传统方法的1/16。     

基于ACF的基音检测改进算法

自相关函数法是基音周期提取中一种简单而有效的检测算法,针对传统的自相关函数法在低信噪比环境下鲁棒性较差的问题,提出一种改进的基音周期提取算法。该算法通过谱减法对语音信号降噪,随后进行端点检测,并提取元音的主体,在自相关函数的基础上进行改进,对元音主体及过渡区间进行基音检测。实验结果表明,该算法具有较高的准确率,与传统自相关检测算法相比,鲁棒性明显提高。     

基于残差三阶累积量的机动检测新方法

针对在有高斯量测噪声情况下目标机动检测问题,提出了一种基于残差三阶累积量的 机动检测算法,通过利用Kalman滤波实时产生残差数据而进行的三阶累积量的计算,抑制了 高斯噪声对目标机动的影响,且实现了机动检测的实时性。仿真实验结果验证了该算法的有 效性和稳健性。     

基于小波变换的语音基音周期检测

语音信号是一种非平稳信号,基音周期是语音信号最重要的参数之一,传统的基音检测方法存在一些缺陷.小波变换鲁棒性强、能很好地反映信号的时频特性,非常适合处理非平稳信号.为准确提取基音频率,提出了一种基于小波变换的基音周期检测方法.检测前在小波域上用Teager能量算子分离出语音信号的浊音段,然后对浊音段采用空域相关函数降噪...     

循环AMDF及其语音基音周期估计算法

基音周期是语音压缩、合成以及识别中的一个重要参数.传统的基于AMDF的基音估计算法容易导致估计的基音周期加倍.本文针对该现象,分析了AMDF函数的特性及其用于基音检测时存在的不足,提出了新的CAMDF函数.CAMDF有效地克服了AMDF函数的不足,简化了基音检测过程.在此基础上,本文给出了新的基于CAMDF的基音检测算法.该算法不仅简化了基音检测过程,而且降低了误判率,提高了估计精度.大量实验表明其性能优于其它AMDF或LVAMDF的方法.     

一种改进的AMDF求取语音基音的方法

文章在已经被广泛运用的平均幅度差函数(AMDF)的基础上,针对其通过求取"第一谷值点"会产生误差,而求取"最小谷值点"会遇到周期增倍等问题,提出了改进的AMDF方法,它通过简单的预测谷值范围、循环AMDF和线性变换等步骤实现了精确的基音检测.实验结果证明:无论是对不同的语音(男、女音),还是在不同的信噪比情况下.其检测结果都优于传统的AMDF法和LV-AMDF法.     

基于三阶累积量对角切片的直接自适应谱线增强算法

依据随机平方相位耦合信号三阶累积量不为零的特点，提出了从高斯噪声环境中恢复平方相位耦合信号的基于三阶累积量对角切片的直接自适应谱线增强算法。该算法恢复平方相位耦合信号、抑制高斯噪声的性能优于传统的自适应谱线增强算法。仿真结果证实了这种算法的有效性。     

基于ACF和AMDF的基音检测改进算法

自相关函数法和平均幅度差函数法是基音周期检测的两种常用方法,两者具有独立且相似的统计特性。在讨论了传统基音周期检测算法及其缺点后,提出了综合应用ACF和ANDF函数进行基音检测的算法。该算法简单可行,性能优于一般传统时域基音周期检测算法。从仿真结果可以看出,对于含噪语音信号,该算法具有较强的抗噪能力。     

集成语音信号与表面肌电信号的情感自动识别模型

为了提高情感识别的正确率,针对单一语音信号特征和表面肌电信号特征存在的局限性,提出了一种集成语音信号特征和表面肌电信号特征的情感自动识别模型.首先对语音信号和表面肌电信号进行预处理,并分别提取相关的语音信号和表面肌电信号特征,然后采用支持向量机对语音信号和表面肌电信号特征进行学习,分别建立相应的情感分类器,得到相应的识别结果,最后将识别结果分别输入到支持向量机确定两种特征的权重系数,从而得到最终的情感识别结果.两个标准语情感数据库的仿真结果表明,相对于其它情感识别模型,本文模型大幅提高了情感识别的正确率,人机交互情感识别系统提供了一种新的研究工具.     

基于LabVIEW语音信号的采集与分析

采用美国国家仪器(NI)公司开发的LabVIEW图形化编程软件,结合计算机声卡,设计了一个语音信号的采集和处理系统。通过LabVIEW相应的声音读取、写入和存储函数,实现了对声音的采集、读取和保存。采集到的语音信号经由信号处理VI函数,进行频谱、谐波失真等分析。在系统中,可以对语音信号进行较完整的分析。进而得到信号的功率谱、幅度谱、相位谱、谐波信号数据和失真参数。而且通过友好的交互界面——前面板,可以灵活地控制系统功能的实现,得到实时的分析数据。     

语音信号基于小波分析的噪声抑制

详细介绍了语音信号基于小波阈值法的噪声抑制在Matlab上的具体实现步骤,在阈值函数的问题上,针对硬阈值和软阈值函数的缺点和不足,采用一种改进的阈值函数.分析实验结果,总结新阈值函数在处理语音信号方面存在的优势和不足.