語音信號基音檢測算法的研究.pdf

1、基音周期是語音信號的重要參數(shù)之一，準(zhǔn)確而快速的基音周期提取對語音信號的合成、編碼、識別等都具有重要的意義。目前，人們已經(jīng)從語音信號的時域特性、頻域特性和時頻混合特性三個方面出發(fā)，提出了許多基音檢測算法。經(jīng)典的語音信號基音檢測算法有：自相關(guān)函數(shù)法（Autocorrelation Function）(簡稱ACF)、平均幅度差函數(shù)法（Average Magnitude Difference Function）（簡稱AMDF）、倒譜法和小波變換

2、法等。但由于基音周期本身固有的特性，目前還沒有一種能適應(yīng)任何人、任何應(yīng)用和任何環(huán)境的基音檢測算法。本論文旨在尋找一種準(zhǔn)確性和魯棒性都相對較好的基音檢測算法。
　　首先，本文介紹了語音信號的生成、聲學(xué)特征、產(chǎn)生的數(shù)學(xué)模型、頻譜特性和短時特性。其次，對較典型的幾種語音基音檢測算法，作了較系統(tǒng)的分析、探討和比較。倒譜法計算量較大，倒譜的峰值取決的因素較多，常受到模型的帶寬限制。小波變換法具有良好的時頻局部分析能力，非常適合于探測正常信號

3、中的突變，但受聲道響應(yīng)、音聯(lián)、協(xié)同發(fā)音和變調(diào)規(guī)律的影響較大，計算量大。平均幅度差函數(shù)法無需乘法運算，因而算法復(fù)雜度小，但當(dāng)語音信號幅度快速變化時，平均幅度差函數(shù)法估計的精度會明顯下降。經(jīng)典的時域自相關(guān)函數(shù)基音檢測是其中一種性能較好的算法，然而 ACF算法在無噪聲環(huán)境下有時會發(fā)生基音倍頻和半頻錯誤，在噪聲環(huán)境下，這種錯誤的發(fā)生率顯著增加。
　　在深入研究小波分析理論和現(xiàn)有基音檢測算法的基礎(chǔ)上，結(jié)合預(yù)處理、動態(tài)規(guī)劃平滑和Teager能

4、量算子（Teager Energy Operator）(簡稱TEO)等技術(shù)，得到了一種新的基音周期檢測算法。新算法的基本思想是：首先對小波系數(shù)的“能量”的計算采用TEO進(jìn)行，根據(jù)判別門限判斷清濁音，然后僅對濁音段提取基音周期；在基音周期提取前端用低通、數(shù)值濾波等方法進(jìn)行預(yù)處理，去除工頻干擾、共振峰和高頻噪聲的影響；在基音周期提取后端對結(jié)果用中值平滑和線性平滑相結(jié)合的平滑法進(jìn)行后處理，去除掉半、倍頻點和隨機(jī)錯誤點。
　　論文給出了新

5、基音周期算法的實現(xiàn)流程，同時對算法的每個階段進(jìn)行了詳細(xì)地闡述。用MATLAB在計算機(jī)上完成算法程序設(shè)計，進(jìn)行仿真實驗。實驗結(jié)果表明，新算法估計基音周期準(zhǔn)確性高，運算速度較快、穩(wěn)定性好，對噪聲具有較好的魯棒性，充分吸收了自相關(guān)算法和小波變換算法的優(yōu)點，有效地克服了自相關(guān)算法的分頻和倍頻現(xiàn)象，性能明顯優(yōu)于傳統(tǒng)方法。論文的最后還給出了新算法的兩個應(yīng)用實例：基于改進(jìn)基音檢測算法的方言辨識系統(tǒng)和PSOLA語音合成技術(shù)。說明了新算法具有較好的應(yīng)用前