一种新的鲁棒基音周期估计算法

为了实现甚低码率下的透明语音质量参数语音编码,该文提出了一种新的鲁棒的基音周期估计算法。这种算法采用了改进的自相关函数计算方法,实现了鲁棒的基音周期轨迹跟踪。这种算法不仅能够跟踪快变的基音周期,增强不规则脉冲时基音周期的估计;还能够鲁棒地估计陡变的基音周期。非正式的测试表明这种算法改进了基音周期的估计值,能够极大地降低由于不准确的基音周期估计而引入的听觉失真。     

基音周期标准化与嵌入式语音识别系统

根据不同人发相同音节时,一个基音周期内的波形具有一定相似性的特点,提出一种新的基音周期标准化的语音信号预处理方法。该方法在一个嵌入式的、非特定人、孤立数字的语音识别系统中进行了验证,实验结果表明基音周期标准化能有效提高语音识别的准确率。     

基音周期估计算法在声调康复训练中的应用

汉语是一种声调语言,而声调的识别是以基音周期的估计为基础的。文章首先用LPC求残差系数,然后对残差系数求自相关周期,进而求出基音周期,再结合计算机智能诊断,提出了一套适合临床语言障碍患者进行语音诊断和康复训练的方法。     

一种基于周期能量的基音检测方法

文章对语音信号的能量呈现周期性变化的现象进行了研究,提出了一种基于周期能量变化的基音检测方法。采用一个长帧语音信号平均能量作为基准参考能量,用一个短帧语音信号平均能量来表示瞬时能量。由二者可算出瞬时能量测度(InstantEnergyMeasure,IEM)序列。对瞬时能量测度序列进行自相关计算后,得到基音周期。实验分析表明,该方法在干净和噪声环境下,基音周期提取和清浊判决具有令人满意的效果。     

基于小波变换和平均周期的鲁棒性基音周期检测方法

提出了一种基于小波变换和平均周期的鲁棒性基音周期检测方法（MPRE）。检测前加入小波变换预处理，以平滑信号中的细节分量，检测采用最小预测能量差和基于子帧划分的基音平均周期检测方法。该方法可以克服很氏我基音检测方法中阈值难以确定的问题，并对噪声有效强的鲁棒性。     

基于TGMS320C50语音基音周期估计的实时算法

基音周期估计是语 音信号处理中一个十分问题。本文研究了基于ＴＭＳ３２０Ｃ５０处理器的实时语音信号处理中基音周期估计的算法，并简要地讨论了在音乐信号处理中的应用。     

基于随机共振的基音周期估计方法

基音周期估计是语音处理和分析的最基本步骤。无论是做语音信号处理,语音压缩,还是语音识别,都要用到基音周期这一重要参数。文章基于随机共振的理论,提出了一种新的估计基音周期的方法。     

语音信号基音检测的现状及展望

基音检测是语音处理中的一个非常重要的问题，但由于影响基音检测的因素众多．使得基音周期的准确估计非常困难。文中阐述了短时自相关函数法、短时平均幅度差函数法、倒谱法、小波变换法等几种经典的基音检测方法．分析它们各自的优点及存在的不足，并在预处理．后处理、语音信号的产生模型、语音信号的个性特征、发音时的情感及力度等基音检测的各个环节上提出了一些看法，并就一些可能出现的突破口做了一些展望。     

基于AMDF的藏语语音基音周期检测

基音周期是语音信号最重要的参数之一,它描述了语音激励源的一个重要特征。被广泛应用到语音合成、语音识别等领域。本文介绍了一种基于AMDF的语音基音周期检测方法,较好的提取了语音的基音周期。     

基于AMDF的藏语语音基音周期检测

基音周期是语音信号最重要的参数之一,它描述了语音激励源的一个重要特征。被广泛应用到语音合成、语音识别等领域。本文介绍了一种基于AMDF的语音基音周期检测方法,较好的提取了语音的基音周期。     

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。     

语音编码器中的分数基音估计算法

在保证同等音质的前提下,为降低语音编码器中分数基音估计的复杂度,提出一种基于多项式拟合的分数基音估计算法。以整数点相关度序列为基础,在其最大值点附近进行多项式拟合,解析给出分数基音估计值。与现有的基于采样函数插值的分数基音估计算法相比,不使用常数插值表,无插值、遍历和比较操作,实现运算量与插值因子无关,典型情况下的运算复杂度仅为现有算法的1/25。在实际语音编码器中,所提算法对各类语音的客观及主观测试结果表明,其长时预测增益和编码音质都与现有算法相当。     

基于基音周期的语音MFCC参数提取

提出了一种可用于改善说话人识别效果的基于基音周期的可变窗长语音MFCC参数提取方法。基本原理是将原始的语音分解为当前基音周期整数倍长度以内部分及其以外部分,并保留前者舍去后者,以减小训练语音与测试语音的频谱失真。通过文本无关的说话人确认实验,验证了该方法能有效提高说话人确认的识别率,并能提高短时语音的稳定性。     

汉语声调识别中的基音平滑新方法

汉语普通话是一种带声调的语言。声调可以用基音的轮廓信息进行描述。传统基音的平滑方法:线性平滑、中值平滑和一般的线性插值方法都不能很好地处理连续的基音频率有随机错误点的情况。本文提出了一种通过搜索来得到更精确的基音轮廓的新的基音平滑方法。这种方法具有简单可靠,快速高效的特点。实验表明这种方法比传统的方法识别错误率降低约40%。     

基音周期估计中倍数检验算法的研究

讨论了基于自相关函数法基音周期估计过程中的倍数检验和校正问题。自相关函数法是语音信号处理中的一种重要方法,但往往会把真实基音周期的倍数误判为真实的基音周期。为了防止误判,提出了倍数检验算法。实验表明:使用该算法,提高了基音周期估计的准确性,改善了基音周期轨迹的平滑度。     

一种基于Hilbert-Huang变换的基音周期检测新方法

利用Hilbert-Huang变换对语言信号处理中基于事件的基音周期检测问题提出了一种新的检测方法．该方法利用Huang等人1998年提出的具有高时频分辨能力的Hilbert-Huang变换分析语音信号,并提取其瞬时能量,通过精确定位声门脉冲发生的时刻,从而精确地跟踪基音周期的变化,达到精确检测基音周期的目的．与传统方法相比,其优点主要表现在：（1）不需要对语音信号作短时平稳性假设;（2）检测精度高,适应范围广;（3）具有跟踪基音周期变化的能力;（4）能精确区分清浊音}（5）与传统方法相比,帧长大大增加,因而,在提取连续语音信号的基音轮廓时,用于分帧和拼合的开销大大减少,帧间拼合痕迹小．仿真数据和实际语音信号检测实验均获得了相当精确的检测结果．最后,需要指出的是,Hilbert-Huang变换作为一种新的信号分析方法,被成功地用于提取语音信号的基音周期,这本身是一个有意义的探索,它为拓展Hilbert-Huang变换理论的应用给出了一个新的尝试．     

同态解卷处理在基音检测中的应用

语音处理中基音检测是极为重要的环节之一,然而浊音中的基音往往会受到声道特性和噪声的影响而导致检测结果的误差。利用同态解卷处理,将浊音中的激励信号和声道特性进行分离,然后再在激励信号中利用自相关检测基音,可以减小声道特性和噪声对基音检测的影响,从而提高基音检测的精度。通过理论模型验证了该方法的可行性,而且实际语音信号处理结果表明,该方法在基音检测时可以基本不受声道特性和噪声的影响。     

基于倒谱分析法的藏语语音基音周期检测

基音周期是表征激励源特征的一个重要参数,在藏语语音处理的研究中具有非常重要的意义.本文首先介绍了基于倒谱分析法进行基音周期检测的基本原理,并在此基础上对藏语语音的基音周期检测进行了仿真研究,同时指出了几个应该注意的问题.     

一种针对基音周期的3G信息隐藏方法

现今,移动通信网络已经发展到了第三代,随着3G网络的不断发展,研究3G网络隐蔽通信是十分必要的.语音编码过程中利用编码参数隐藏信息是现今的一个研究热点.基音周期是描述音源特征的一个主要参数,基于基音周期的修改较难检测的特点,在自适应码本搜索的过程中,提出一种在3G话音中利用基音周期参数隐藏信息的算法,使用该算法可以在3G通信的过程中嵌入隐秘信息.该算法可以抵抗基于浊音特性的语音压缩域隐写分析.仿真实验的结果表明该方法对合成语音质量的影响很小,具有良好的隐蔽信息传输性能.