论文正文_语音信号的基音频率提取算法的研究.doc

专业专心专注专业资料参考首选语音信号的基音频率提取算法研究1前言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。基音周期具有时变性和准周期性,它的大小与个人声带的长短、厚薄、韧性和发音****惯有关,还与发音者的性别、年龄、发音时的力度及情感有关,是语音信号处理中的重要参数之一,它描述了语音激励源的一个重要特征。基音周期的估计称为基音检测(PitchDetection),基音检测的最终目标是找出和声带振动频率完全一致的基音周期变化轨迹曲线,如不可能则找出尽量相吻合的轨迹曲线。然而由于人的声道的易变性及其声道特征的因人而异,而基音周期的范围又很宽,且同一个人在不同情态下发音的基音周期也不同,加之基音周期还受到单词发音音调的影响,故实际中的基音周期的精确检测是一件比较困难的事情。然而,尽管语音信号的基音检测有许多困难但由于它在语音信号处理中的重要作用,促使广大学者争相涉足该领域,提出了各种各样的基音检测算法。,,它是一种时域上的基音检测算法,算法的精确性高,计算量不大,是目前各种应用中最为常用的基音检测算法。1967年,(Cepstrum)检测语音信号的基音周期。这是一个频域上的检测算法,这种方法检测基音周期精确度很高,抗噪性能好,主要的缺陷是计算量太大,要用到傅立叶变换和对数运算,不利于实现。1972年,(SIFT)检测语音信号的基音周期,这是一种时域和频域相结合的算法,是一种精确度和计算量较为折中的算法,它利用逆滤波去除声道共振峰的影响,使基音信息更为突出。1974年,,这是一种时域上的算法,也是最简单的基音检测算法,它只需在时域上进行简单的加减和少量的除法运算,运算量很小,但是很容易产生半基音和倍基音,目前还有很多人在专业专心专注专业资料参考首选不断的提出改进的AMDF算法。到1976年,,并进行了全面的比较。这些算法都是假定语音信号在一帧内是平稳的且一帧内包含两个以上的基音周期,所以它们不能很好反映语音信号的时变特性,而且只能求出一帧内的平均周期。1992年,,它是一种利用变换的基音检测算法,通过小波变换后的幅度和相邻两个尺度下的小波变换的局部最大值是否一致来进行清浊音判断,浊音的小波变换的局部最大值点即为GO,而相邻两个GO的距离即为语音信号的基音周期。受小波变换的基音检测算法的启发,不断地有人提出了各种改进的小波变换基音检测算法,如:小波变换偏移补偿的基音检测算法,利用小波变换和其它方法结合的基音检测算等。,基音检测技术的研究热点和难点已经集中于处理低信噪比语音。着眼于基音的检测方法,主要有以下三个方面的研究:(1)稳定并提取准周期性信号的周期性方法;(2)因周期混乱,采取基音提取误差补偿的方法;(3)消除声道噪声影响的方法。人们从语音信号的时域特性、频域和时一频混合特性三个方面出发,已经开发了许多基音检测方法,这些方法中的一些方案已经得到了应用。基音检测方法大致上可以分为三类:(1)时域估计法,直接由波形来估计基音周期,常见的有:自相关(ACF)法[31]、平均幅度差法[32]等;(2)频域估计法,利用同态分析方法将声道的影响消除,得到属于激励部分的信息,然后求取基音周期,常见的有:谐波积谱(HPS)法,简化逆滤波(SIFT)法[33],倒谱(cepstrum)法[34]等;(3)混合法,基于以上方法的衍生组合算法,如:自相关法和平均幅度差法相结合。这些方法在实验室特定条件下都取得了不错的效果。表1列出了几种典型的基音检测方法及特征[30]专业专心专注专业资料参考首选表1几种典型的基音检测方法及特征分类基音提取法特征波形估计法并行处理法由多种简单的波形峰值检测器决定提取的多数基因周期。数据减少法根据各种理论操作,从波形去掉修正基音脉冲以外的数据。过零数法关于波形的过零数,着眼于重复图形相关处理法自相关法语音波形的自相关函数,根据中心削波,平坦处理频谱,采用峰值削波可以简化运算。SIFT法语音信号波形降低取样后,进行LPC分析,用逆滤波器平坦处理频谱,通过预测误差的自相关函数,恢复时间精度。AMDF法采用平均幅度差函数检测周期性,根据预测误差信号的AMDF也可以进行提取。变换法倒谱法根据对数功率谱的傅里叶逆变换,分离频谱包络和细微结构。循环直方图法在频谱上,求出基频高次谐波成分的直方图,根据高次谐波的公约数决定基音。目前,