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。     

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.     

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。     

基于小波与神经网络的说话人身份识别

将小波变换和神经网络结合起来应用于说话人身份识别.通过小波变换提取语音信号的基音周期序列不仅体现了人发声时的生理特点，同时还包含了个人说话习惯等后天形成的特征.所以它能有效地反映说话人的语音特点.应用人工神经网络对基音周期序列进行识别分类以确定说话人身份.实验证明应用人工神经网络进行特征识别直接输出代表说话人身份的二进制编码，可以省去与库中所有数据进行匹配的繁琐操作，同时又能保证较高的正确率.     

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。     

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。     

一种自适应时移与阈值的DCT语音增强算法

针对现有语音增强方法在低信噪比下性能降低的问题,提出了一种自适应时移与阈值的离散余弦变换语音增强算法．首先,对软阈值函数进行改进,既能消除噪声主导帧中的噪声,也能消除语音主导帧中的噪声,并依据信噪比自适应地选择阈值,较大程度地保留了语音的原始特征．其次,依据基音周期自适应地选择分析窗时移,降低了固定分析窗时移产生的白噪声,并且引入短时自相关函数和短时平均幅度差函数相结合的加权自相关函数,来进行基音周期的检测,提高了基音周期检测的准确性和对噪声的鲁棒性．理论分析与仿真结果表明,该算法在信噪比低至-5dB噪声环境下,相比现有的经验模态分解算法和子空间算法,输出信噪比有较大提高,鲁棒性更好．     

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.     

基于自适应提升小波变换的语音增强算法的研究

语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号.Sweldens等人引入了基于提升法的小波变换,也称为第二代小波变换.提升法是一种柔性的小波构造方法,它可以使用许多线性,非线性或者空间变化的预测和更新算子,而且可以确保变换的可逆性.该文讨论强背景噪声下的基于自适应提升小波变换的语音增强方法,并与自相关相减法语音增强算法进行比较.计算机仿真结果表明,该方法在大大消除背景噪声同时保持语音信号较好的可懂度.     

小波变换在电子耳蜗CIS处理中的应用及其仿真和合成

小波变换是采用多分辨率的思想,非均匀的划分时频空间,对信号做多尺度分析,其功能相当于用一组恒品质因数Q的带通滤波器做多分辨率分析.文章利用小波变换代替带通滤波器组实现电子耳蜗CIS语音信号处理,讨论了小波变换在电子耳蜗CIS语音信号处理中的应用,并对该方法进行计算机仿真和声音合成.