基于自相关平方函数与小波变换的基音检测

在背景噪声干扰条件下,研究语音信号的基音周期,提出了一种基于自相关平方函数与小波变换结合的基音检测算法。该算法先用小波变换对带噪语音去噪,然后再求语音的自相关平方函数以突出真实基音周期的峰值,以获取较精确的基音周期。实验结果表明,与传统的自相关法相比,该算法鲁棒性好,具有更高的准确性,且计算复杂度低,利于语音合成和编码的实时处理。     

基于前置滤波和小波变换的带噪语音基音周期检测方法

根据语音信号的基音周期范围有限和在声门闭合时刻语音信号出现锐变的特点,提出一种基于前置滤波和小波变换的基音周期检测方法。带噪语音信号经过3阶椭圆低通滤波器滤波后,采用以二次样条小波作为小波函数,进行一级小波变换检测语音信号的锐变点,再计算基音周期。实验表明,本文提出的基音周期检测方法,与平均幅度差函数(AMDF)和自相关函数(ACF)方法相比,提高了提取基音周期的准确率;与多尺度小波变换的基音周期检测方法相比,减小了计算量,削弱了噪声信号和语音的共振峰对基音周期检测的影响。     

基于小波变换和动态验证的基音检测算法

针对基音周期检测中容易出现的半周期和倍周期错误,综合考虑了常用的小波变换和短时自相关方法的优缺点,以及相邻基音周期长度的渐变性,提出了把两者相结合的基音周期检测算法.对语音信号进行清浊音检测和前置带通滤波,利用小波变换方法进行初步检测,对基音周期变化过大的情况使用自相关方法进行验证.实验结果表明,该方法在不同信噪比下的基音周期检测准确率都明显高于普通的小波变换检测方法.同时,该方法还有助于通过人工方式快速修正基音周期.     

基于改进小波变换的语音基音周期检测

基音在许多方面都有比较广泛的应用,比如语音编码、语音识别、语音转换、音乐检索以及发声系统疾病诊断等。针对目前很多小波变换方法在测量基音周期时存在的准确度低、复杂度高、鲁棒性差等缺点,以及在带噪语音环境下,特别是在非平稳噪声下比较难判断语音基音周期的问题,提出了一种基于改进小波变换的语音基音检测方法。首先将每帧带噪信号进行预处理,提取出有话段的信息,消除直流分量;然后在加窗分帧后先进行端点检测,滤波后再分帧;接着再利用小波分解后取低频系数重构信号;最后结合四阶累积法对重构信号进行基音检测。试验结果表明,该方法在不同带噪语音环境下和低信噪比条件下,提高了带噪语音基音检测的准确性。与传统的小波变换法相比,该方法鲁棒性好且计算复杂度低,有利于语音基音周期检测。     

一种改进的小波能量熵语音端点检测算法

语音端点检测是语音信号处理的一个重要环节,在低信噪比下,端点检测的准确度和鲁棒性较低。为此,提出一种小波能量熵与基音周期相结合的混合端点检测算法。该算法通过分析语音信号的小波能量和小波能量熵,构造不同语者的小波能量熵端点检测参数,针对不同语者的发音特性运用小波能量熵和基音周期检测语音端点。实验结果表明,在不同噪声背景下,当信噪比为5 dB时,该算法的端点检测平均准确率达到84.375%,相对于小波能量和小波能量熵算法均有明显提高。     

一种基于小波包变换加权自相关的基音检测算法

噪声环境下的基音检测在语音信号处理中占有重要地位。为了有效提取低信噪比情况下的语音基音周期,提出了一种基于小波包变换加权线性预测自相关的检测方法。该方法首先利用小波包自适应阈值消除噪声,将多级小波包变换的近似分量求和以突出基音信息,并采用小波包系数加权线性预测误差自相关的方法突出基音周期处的峰值,提高了基音周期检测的精度。实验结果表明,与传统的自相关法、小波加权自相关法相比,该方法鲁棒性好,基音轨迹平滑,具有更高的准确性,即使在信噪比为-5dB时仍能取得较为理想的结果。     

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.     

一种多小波滤波器在基音周期提取中的应用

基音周期是嗓音信号的重要特征参数之一,它在病态嗓音医学临床检测中有广泛的应用。推导了一组双正交多小波滤波器,提出了多小波滤波器与自相关结合的基音周期检测方法,构造了包含汉语拼音6个元音的短语句,利用多小波滤波器从语音信号中提取低频信号,再使用自相关法检测语音信号基音周期。结果表明,该方法提取基音周期具有正确率较高、准确率较高和抗噪性较强的特点,在不同噪声环境下均优于自相关法、单小波与自相关法相结合的方法,尤其在较大噪声干扰下该方法具有明显的抗噪能力,不受语音信号非平稳特性的影响,可以有效地提取病态嗓音的基音周期。     

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。     

基于小波特征提取的语音监测系统

论文针对小波变换和语音信号的特点,把小波变换和形态滤波法结合应用于语音信号基音周期的提取,并在此基础上把小波变换和说话人声道特征参数相结合,用于声道特征的提取。最后在以上研究的基础上设计了一种用于公安侦破和司法鉴定的语音监测系统。     

Improved voice activity detection algorithm using wavelet and support vector machine

This paper proposes an improved voice activity detection (VAD) algorithm using wavelet and support vector machine (SVM) for European Telecommunication Standards Institution (ETSI) adaptive multi-rate (AMR) narrow-band (NB) and wide-band (WB) speech codecs. First, based on the wavelet transform, the original IIR filter bank and pitch/tone detector are implemented, respectively, via the wavelet filter bank and the wavelet-based pitch/tone detection algorithm. The wavelet filter bank can divide input speech signal into several frequency bands so that the signal power level at each sub-band can be calculated. In addition, the background noise level can be estimated in each sub-band by using the wavelet de-noising method. The wavelet filter bank is also derived to detect correlated complex signals like music. Then the proposed algorithm can apply SVM to train an optimized non-linear VAD decision rule involving the sub-band power, noise level, pitch period, tone flag, and complex signals warning flag of input speech signals. By the use of the trained SVM, the proposed VAD algorithm can produce more accurate detection results. Various experimental results carried out from the Aurora speech database with different noise conditions show that the proposed algorithm gives considerable VAD performances superior to the AMR-NB VAD Options 1 and 2, and AMR-WB VAD.     

一种改进的基音周期提取算法研究

现有的基音周期提取方法在准确度和稳健性上存在一定的局限性,很难准确地提取出信噪比较低的语音信号的周期.针对这一问题,提出一种基于小波变换的基音周期提取改进算法,将TEO(Teager Energy Operator)算子与二进小波变换结合起来,首先进行清浊判定,然后只对浊音帧采取多尺度小波分析提取周期,提出用幅度信息和出现概率信息校正二进小波模极大值间距,从而得到准确的周期.计算机仿真结果表明,与传统方法相比,不仅提高了处理效率,而且具有更高的精确度和稳定性.     

基于听觉及小波变换的汉语语音调值分析

提出了一种基于听觉与小波变换处理的汉语语音基音的方法，在对听觉系统描述的基础上，给出了人的听觉与小波变换的关系，选取适合汉语事音基频提取的小波函数，给出了基频提取的应用实例和基于ＦＣＭ模糊聚类分析的汉语四声调值识别结果。     

责任链设计模式的改进

传统责任链设计模式采用面向对象的程序设计标准加以实现,过多强调程序的扩展性,但没有考虑并发性、空间及时间问题,在使用过程中造成空间及时间上的浪费,降低程序处理的并发性。针对上述问题,提出一种责任链设计模式创建过程,利用延迟初始化技术减少不必要的请求处理者数量。该方法不仅维持了责任链的核心应用思想及标准实现模式,而且能够根据实际请求码,创建具体处理实例,从而提高程序的整体性能。     

语音基音周期检测方法

针对现有语音基音检测算法抗噪能力低的问题,利用多尺度连续小波对语音信号进行预处理。基于短时平均幅度差函数和短时自相关函数,提出一种语音基音周期检测方法,在确保运算量较低的前提下,获得准确结果。使用平滑算法消除倍频点、半频点和随机点产生的误差,实现基音曲线平滑。     

基于单目视觉的实时测距方法研究

为了利用单目视觉实时监测本车与前方障碍物之间的距离,在比较了现有的几类用于车辆控制的道路深度信息获取方法的基础上,首先研究了较为适用于汽车自动驾驶的几何关系推导法,进而提出了基于单目视觉的实时测距算法.通过试验可知,由于摄像机的俯仰角是影响实时测距算法的关键因素,因此又提出了基于道路边界平行约束条件的实时计算摄像机俯仰角算法.静态实车试验的结果显示,该基于单目视觉的实时测距算法具有较高的准确性,可以满足测距要求,而动态实车试验的结果则显示,此算法还可以满足汽车智能化控制的实时性要求.     

基于音频波形极值的基音检测方法

提出了一种基于波形极值的短时基音检测算法。在对语音数据进行预处理、清浊音判断后,提取语音波形极值,进行波形修正,计算幅度差,采用一定的基音判断准则查找基音。该算法无需对音频数据做分窗处理,且主要运算是对波形极值进行处理,比常用的AMDF有着更小的计算量,且有较高的精度。实验结果表明,利用该方法能够很好地得到基音周期,适宜进行实时处理。     

基于小波变换和希尔伯特包络分析的QRS波检测算法

提出一种基于双正交小波变换和Hilbert变换的QRS波检测算法。首先，通过双正交小波变换分解与重构，消除高频噪声，同时突出R峰位置，构造出有利于QRS波检测的检测层。然后，对信号求差分和希尔波特变换，进一步抑制P波、T波以及基线漂移等噪声。最后，在计算得到的包络信号上根据自适应阈值及决策规则进行R峰检测。根据MIT-BIH心率失常数据库有标注的临床数据进行验证，QRS波检测结果准确率达到99.01%，同时算法具有不错的鲁棒性和实时性。