一种改进的MBE基音跟踪算法

通过对基音周期慢时变特性的研究,提出了一种改进的MBE基音跟踪算法．该算法旨在减少运算量,提升基音检测的实时性,将传统的基音跟踪算法改进为前后向各跟踪一帧．仿真实验表明,改进算法与传统算法对基音跟踪均取得了良好的效果,但是新算法计算量大幅度减少,执行速度明显提升．     

汉语语音的基音快速提取算法

根据汉语语音信号的特点．该文提出一种简化的自相关基音提取的方法，算法具有简便、快速、准确和易于实现等特点。此方法不仅可用于孤立字．更适用于提取二字词的声词。实验表明，所得到的１５种二字词声调的基本模式和轻声变调等都与已有的研究报导相符。含有清声母音节时，二字词声调能提供音节分割和声韵分离的准确信号．基音提取成功率高于９０％。     

M-AMDF基音提取算法

本文介绍了一种改进的基于LPC逆滤波的AMDF基音提取算法——M-AMDF基音提取算法。该算法重点在预处理和后处理上下功夫以提高基音提取的准确率。我们的介绍分为两个部分,一是算法介绍,另一是对算法的评价。算法介绍的重点是预处理和后处理,对算法的评价采用了四个客观评价标准。     

采用聚类神经网络与分离输出语音重构的语音分离算法

基于听觉现象分析计算模型 ( CASA)的基本原理 ,对仅有单通道输入混合语音信号时 ,采用振荡器神经网络 ,提出了一种 CASA计算模型语音分离算法结构 .利用实例说明了算法的具体实现步骤和参数设置 .讨论了该算法结构中各语音听觉感知成分 Segments的聚类过程和对分离输出语音的重构处理部分 ,以及如何采用合适的听觉感知成分聚类规则设计相应的聚类神经网络 ,以完成对应不同输入独立语音源信号的各 Segments的聚类 ,从而实现语音分离任务     

基于计算听觉场景分析的语音增强改进算法

针对单通道语音增强问题,基于计算听觉场景分析(CASA)的原理,提出了一种基于CASA计算模型的语音增强改进算法。该算法在特征提取中选择了目标语音有效能量、信道互相关等特征,对语谱能量和互相关特征的阈值选取进行了改进。在5种低信噪比噪声干扰条件下的仿真实验结果证明,该算法输出增强语音的信噪比平均提高了9.32dB,有效地抑制了噪声。     

基于计算听觉场景分析的改进清音分离方法

基于计算听觉场景分析(CASA)的单通道语音分离方法在浊音分离领域已发展得较为成熟,然而由于清音信号具有较小的能量且不包含周期性基音特征,因此清音分离具有较大的困难。根据噪声信号分布的不确定性和不稳定性,提出了基于CASA和谱减的改进清音分离方法。改进方法在剔除了浊音块后,通过基于距离加权的残余噪声估计算法得到每个清音单元中所包含的噪声能量,对每个清音单元进行谱减算法并标记,进一步剔除残余噪声单元,提取出清音信号。实验结果证明:与传统清音分离方法相比,改进方法对时变性残余噪声能量的估计结果更加精确,更能提高清音分离的有效性。     

一种汉语语音基音轨迹的平滑算法

基音是指人们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.语音信号处理中精确提取特定语音的基音周期有重要的意义,基音周期的检测无论在语音信号的合成、编码还是识别方面,都起着非常重要的作用.该文依据数字语音信号的特点,设计了一种用于语音处理的层叠滤波算法,合理选择结构元素构筑了一组用于汉语语音基音轨迹平滑的层叠滤波器,仿真实验结果表明,这种方法对于随机误判点与传统的基于中值与线性平滑的组合平滑相比效果更佳,同时也证明了层叠滤波器用于语音信号研究的可行性.     

改进的频域基音检测算法

在语音信号的低码率参数编码算法中,准确地提取基音信息是一个重要环节,文中对基于正弦波语音模型的频域基音检测算法的运算量大、易受共振峰干扰等问题提出了改进,改进后算法的运算量小,算法的准确性高,有效地减小了共振峰对频域基音检测算法的影响,模拟实验表明,改进算法的运算量仅为原算法的13%。     

基于LPC预测误差DWT的语音基音检测

在对语音信号进行ＬＰＣ分析的基础上，提出了一种有效的语音基音周期检测算法。该算法利用小波变换中著名的Ｍａｌｌａｔ算法逐层分解ＬＰＣ预测误差信号，在最低分辨率的逼近信号中寻找峰值，然后逐层回溯各个分辨率的逼近信号，最后在ＬＰＣ预测误差中确定出峰值，从而求出相应的基音周期。     

一种改进的基音检测算法

提出了一种改进的基音检测算法,通过最小化重建谐振峰与原始谐振峰之间的误差得到最佳的基音估计。在基音估计中引入误差控制因子以得到无偏的误差函数,同时对基音轨迹跟踪技术作了改进,以保证基音轨迹的正确演变。实验结果表明,与ＩＭＢＥ标准中的基音检测算法相比,该方法能够提供更正确且平滑的基音轨迹,尤其在过渡段能有效地跟踪快速基音变化,从而使重建语音具有更好的连续性和主观质量。     

基于CASA简化模型的语音增强算法

基于听觉现象分析（CASA）模型的基本原理,针对仅有非语音信号干扰情况下的单通道语音增强处理问题,利用人耳的频率掩蔽效应,提出了一种单通道简化CASA计算模型语音增强新算法,新算法通过提取混合语音输入中的有效语音时频成分并利用人耳的听觉掩蔽效应重构合成增强语音输出信号,通过在汽车噪声和白噪声干扰下的仿真实验结果表明,简化的CASA模型语音增强算法的输出信噪比约提高了10dB,且可以有效抑制干扰噪声的听觉影响,增强输出语音信号的可懂度。     

一种基于小波变换的混叠语音基音提取方法

小波变换对单一信号源的基音提取非常有效，但在多音源混叠语音的基音提取中则无法有效地获得基音信息。为解决这一问题，先从混叠语音信号中确定信号的个数以及每路信号的时间间隔范围，之后再对其进行奇异点的分离，以便提取各源信号的谐波分量。为简化计算并避免由于幅值的不同而影响搜索效果，对各次谐波的幅值进行了归一化、卷积等处理，最后使用小波变换精确地提取出混叠语音的基音。实验表明了这一方法的有效性。     

基于LPC预测误差DWT的语音基音检测

在对语音信号进行ＬＰＣ分析的基础上，提出了一种有效的语音基音周期检测算法。该算法利用小波变换中著名的Ｍａｌｌａｔ算法逐层分解ＬＰＣ预测误差信号，在最低分辨率的逼近信号中寻找峰值，然后逐层回溯各个分辨率的逼近信号，最后在ＬＰＣ预测误差中确定出峰值，从而求出相应的基音周期。     

一种采用振荡神经网络的CASA计算模型语音分离算法

基于听觉现象分析（CASA）模型的基本原理,在仅有单通道输入混合语音信号时,采用振荡器神经网络,提出了一种CASA改进模型语音分离算法结构,文中利用一个实例说明了新算法的具体实现步骤,讨论了新算法机构中语音听觉外围处理部分和分割神经网络处理部分,通过上述两个部分的处理可以将输入混合语音信号在时频域上分割为若干有听觉感知意义的语音听觉感知成分分段Segments,以便于新算法后续处理分部中语音Segments的聚为和分离重构输出处理,最终完成语音分离任务。     

基于人耳听觉模型的语音质量客观评价方法

将人耳听觉模型应用于语音质量客观评价 ,用听觉模型对语音作处理得到近似的短时语音频谱 ,在此基础上得到谱距离作为语音质量的评判标准 .实验结果表明这种方法与主观评价结果的相关度达到 0 .83     

低信噪比下二值掩蔽算法性能分析

基于计算听觉场景分析,对基于能量的二值掩蔽语音分离算法的性能进行分析,证明了理想二值掩蔽算法在信噪比下具有最佳的单元分离性能,并通过3种类型带噪语音的分离实验证实了该结论。采用理想二值掩蔽算法对8种噪声类型的低信噪比带噪语音进行了分离实验,信噪比平均提升幅度大于10dB,表明算法对低信噪比语音分离的有效性和普遍适用性;采用非均匀、均匀两种多子带分析滤波器组进行分离性能对比测试,结果表明子带均匀性对信噪比提升影响不大。分析滤波器组的子带数量应大于32以实现较好的分离性能。     

一种基于听觉模型的抗噪语音识别特征提取方法

提出了一种新的语音识别特征提取方法。该方法是建立在听觉模型的基础上,通过计算语音的上升过零率作为频率信息并通过非线性幅度加权相结合来获取语音特征。仿真实现了中小词汇量、孤立词的语音识别,得到了较好的实验结果,证明了此方法具有较强的抗噪声性能。     

基于改进归一化积相关算法的目标跟踪方法研究

针对归一化积相关算法（Normalizad Product Correlation,NProd）对光照敏感且计算复杂度高的特点,提出一种基于改进归一化积相关的实时目标跟踪方法.通过对NProd算法进行去均值改进,去除图像直流分量,抑制了图像灰度变化对相关峰的影响,提高了算法对光照变化的鲁棒性;通过应用先粗后精的分层搜索算法提高了算法实时性能;最后通过自适应模板更新改善了跟踪算法的稳定性.运动目标跟踪实验表明,该方法保留了NProd算法的高匹配精度,在亮度变化达到25%时可以保证跟踪稳定,且满足实时性要求.     

一种基于窗长自适应的语音信号处理算法

首先指出固定窗长的窗函数在处理复杂语音信号时,通常会遇到保持短时平稳性和准确性的矛盾.继而提出一种窗长可以自适应的算法来解决问题,在维持短时平稳性的同时保证准确性.实验结果表明,通过窗函数的窗长自适应来响应复杂信号的频率变化,能够更准确、更有效地处理语音信号.