加权短时自相关函数的基音周期估计算法

语音基音频率的准确检测是语音信号处理的难点之一。提出一种加权短时自相关函数(Autocorrelation Function,ACF)算法提取基音频率。在传统的ACF方法基础上,利用短时平均幅度差函数(Average Magnitude Difference Function,AMDF)的平方对ACF函数进行加权,由此加强短时自相关函数在基音周期倍数处的峰值特性。对提取出的基频曲线做平滑处理。实验结果表明,该方法提高了基音周期检测的准确率。     

改进的基音检测方法及在音乐检索中的应用

基音检测是音频分析和基于内容的音乐检索中的关键技术,是基于内容音乐检索中实现哼唱检索的基础。提出一种改进的自相关函数（autocorrelation function,ACF）方法进行基音检测。从对音频信号进行去噪预处理、清浊音判断及后处理等方面对ACF进行改进,使之能够生成规整的音高变化曲线。在音乐检索的实现中,提出一种有限长度的最长公共子序列（Local Longest Common String,LLCS）方法,该方法可有效解决传统方法存在的误检问题。开发实现了一个通过哼唱/歌唱进行歌曲检索的原型系统。对大量的歌曲哼唱的实验表明,提出的改进ACF算法和LLCS算法对于提高检索正确率是正确有效的。     

改进的基音周期检测算法研究

针对传统的短时平均幅度差函数（AMDF）法由于出现均值下降趋势,谷点并非全局最低谷点而导致基音周期提取中的倍频和半频错误出现的情况,提出一种改进算法。将传统的AMDF经过经验模式分解（EMD）处理后去掉趋势项重组新的EMDAMDF,再利用短时自相关函数（ACF）对其进行加权,构造新的EMDAMDF/ACF加权平方特征检测该语音帧的基音。仿真结果表明,该方法有效地加强了AMDF的谷值特性提高了基音周期检测的准确率。     

一种语音信号基音周期的提取方法

基音周期是语音压缩,合成以及识别中的一个重要参数。本文首先指出提取基音周期的一个重要部分就是语音信号起始位置的确定,同时主要给出了短时平均幅度差（AMDF）函数的基音周期估计方法。     

基于自相关的语音基音周期检测方法研究

用基音周期检测算法从浊音语音信号中提取基音周期,有益于语音合成、语音编码及语音识别等语音信号处理工作。通过对具体语音时域信号分帧、求短时自相关函数,可得到浊音语音的基音周期,实现基音周期的检测。     

一个使用歌谱信息进行哼唱检索的系统

提出一种直接使用歌谱信息进行哼唱检索的方法,并在此基础上实现了一个基于内容的哼唱检索系统--Music Angel.该系统采用歌谱轮廓作为检索目标,首先提出歌谱轮廓特征提取算法并构造标准音调差值图,然后提取哼唱片段的基音轮廓特征并将其转换为歌谱轮廓特征,最后使用动态规划算法进行字符串相似度计算,得出检索结果.结果表明,该系统对环境噪声有较好的鲁棒性;在含有405首歌曲的搜索空间中,检索前5位成功率超过90%.     

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。     

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.     

一种有效的实时基音检测算法

针对基音周期检测实时性的要求,提出了基于小波变换的实时语音基音周期检测算法。该算法利用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,采取自适应基准、多特征参数提取小波系数极大值,并在2.5ms时间内捕捉并检测到新的基音脉冲位置。实验表明,该算法对语音和残差信号取得了较好结果。     

一种实用的汉语基音提取方法

提出一种基于语音短时自相关函数的基音提取实用方法。根据汉语语音短时能量和过零率相结合来精确定位汉语音节的韵母基音周期起点,进而提取基音周期。经过大量的测试,结果与手工提取的精度一致。     

一种基于隐马尔科夫模型的波形文件主旋律基频提取算法

哼唱检索中通常以旋律的基频作为音乐特征进行检索,目前研究的哼唱检索系统都是基于MIDI音乐文件。但是,目前存在的MIDI音乐文件的数量非常少,基于波形文件的哼唱检索系统才是未来的发展趋势。本文针对单声道波形文件,研究了一种提取歌曲主旋律基频曲线的算法。该算法将隐马尔科夫模型和“谐波乐器/打击乐器声音分离”模型进行结合。实验表明该算法对主旋律基频提取具有很高的准确率。     

哼唱检索中联合音高与能量的音符切分算法

为改善哼唱检索系统中利用旋律轮廓和节奏进行匹配的性能,提出一种新的联合音高与能量的音符切分算法。该算法改进基于自相关的基音提取算法,对提取的基音频率曲线进行后处理,并在切分过程中保持能量的分割信息,利用半音曲线的突变做切分,以提高音符切分的准确度。实验结果表明,在安静实验室环境下,该算法能获得88.75%的分割准确度。     

一种无门限U/V判决和基音检测算法

在实验研究自相关法（ACF）和平均幅度差法（AMDF）基音检测性能的基础上,提出了一种无门限清/浊音判决和基音检测算法。该算法对语音帧分别计算AMDF和LPC残差信号的自相关（LACF）,比较两种方法所得的基音,得出清/浊音判决结果和浊音帧的基音周期。只用一次逻辑判断,无需比较门限;在多种声码器上应用该算法进行语音编/解码仿真实验,表明判决和检测算法具有较高的准确性和较强的噪声鲁棒性。     

改进的基音检测算法

提出了一种改进的基音检测算法。利用LMS自适应滤波器对带噪语音信号进行语音增强,再求语音信号的自相关函数（ACF）和平均幅度差函数（AMDF）,对ACF峰值和AMDF谷值进行分析,提取改进的ACF/AMDF加权平方特征进行基音检测。实验结果表明,改进算法的检测效果明显优于传统方法,在低信噪比环境下,鲁棒性较好,提高了检测精度。     

基于哼唱的音乐检索应用系统

通过研究哼唱旋律基频提取和检索算法,给出了一个完整的基于哼唱的音乐检索系统框架。系统主要分析了旋律特征提取和近似旋律匹配部分。旋律特征提取部分采用基于差分Mel倒谱法求基频;旋律匹配部分对经典的动态时间弯折算法原理分析后,根据声音特征引入音长差序列的余弦相似度,提高了检索效率和精度。在340首MIDI歌曲的测试集上,前三位识别效率提高3.7%,用时降低16%,系统的性能有明显改善。     

基于线性预测编码与AMDF的高精度基音检测算法

根据语音信号产生原理,结合线性预测编码(LPC)与平均幅度差函数法(AMDF),提出了一种高精度的基音检测算法。该算法首先利用线性预测分析提取残差信号;然后采用累积平均归一化差分函数与差分信号修正,使基音周期的谷值点更加尖锐;最后利用二次函数拟合与基音周期的倍数检查筛选候选值,得到了准确的基音周期。实验结果表明,与传统方法相比, 该算法的基音检测效果有了明显改善,减少了基音检测中的半频错误,在高信噪比下具有良好的准确性和鲁棒性。     

基于IMF能量谱的水声信号特征提取与分类

经验模态分解（EMD）是用来处理非平稳时变信号的一种信号分析方法,该方法对所分析信号的局部特征信号进行不同时间尺度的分解,从而得到这些局部特征信号的各阶本征模函数（IMF）。提出了一种基于IMF能量谱的水声信号特征提取与选择方法,通过对水声信号进行经验模态分解,提取信号的本征模式分量并转换为能量谱特征向量,从而观测不同信号子频带能量谱的特征变化。分类实验采用支持向量机（SVM）分类器进行。实验结果表明,相对于小波能量谱特征提取法而言,利用IMF能量谱作为特征向量的分类实验具有更佳的分类效果,平均正确率达88%以上。     

采用中心聚类与PSO的RBF网络设计方法

基于中心聚类法与微粒群（PSO）优化方法,提出一种径向基函数（RBF）网络的设计算法。算法采用中心聚类方法对输入样本数据进行聚类处理,自适应地确定RBF网络隐含层的初始参数;利用修正全局最优解计算方法的经典PSO算法优化RBF网络隐含层参数,进一步修正网络结构参数;输出层权值采用带遗忘因子的递推最小二乘算法在线更新。采用该方法建立炼铁过程中烧结矿成分与转鼓强度关系的预测模型,并用现场数据加以验证;实验结果表明该方法收敛速度快,所建立的模型具有较高的预测精度,可用于复杂非线性系统建模。