基音周期的一种检测方法

自相关函数法是语音信号周期估计中的一种简单、有效的方法,但是它需要大量的乘法运算。中心削波法是用来去除声道影响,以获得更准确的基音周期的一种方法。结合两种方法,提出了一种可以避免自相关函数中大量的乘法运算的方法,从而提高了算法的运行效率。     

一种改进的抗噪基音周期检测算法

介绍了一种改进的抗噪性强的基音周期检测算法,该算法利用经典的自相关函数和平均幅度差函数,并将二者相结合.它继承了自相关函数的抗噪特性,并通过能量函数进一步加重基音峰值点,进而提高了在噪声环境下的提取准确度.与传统自相关方法相比,该算法很好地克服了基音半倍和双倍错误.实验证明:这种算法简单易行,又有很好的抗噪性能,在存在噪声的条件下,仍能比较精确地检测出基音周期.     

过渡音的基音周期检测方法

针对传统的基音估计算法不能适用于过渡音的问题，提出中心偏离函数及基于中心偏离函数的基音周期检测算法。该算法主要通过划分语音子带来搜索最小中心偏移量，较准确地确定过渡音的基音周期。介绍了该算法的设计思想和实现过程，并给出代表性的实验结果，将其结果与MBE算法所检测到的基音周期进行比较。研究结果表明：采用所提出的中心偏离函数和时域削波方法相结合来搜索基音周期，能够有效地克服传统方法的不足，降低误判率，提高基音周期的估计精度。     

一种高性能汉语语音基音周期估计方法

在分析 AMDF基音周期估计方法的基础上 ,提出一种新的汉语语音基音周期估计方法MAMDF( Modified AMDF)。实验证明 ,MAMDF方法可以获得更好的基音估计精度和时域分辨度。     

一种小波加权的基音检测方法

噪声环境下的基音检测在语音信号分析和识别中占有重要地位。自相关法是一种常用的基音检测方法，利用自相关法结合小波变换检测信号突变的灵敏性，提出了一种噪声环境下有效的基音检测方法。实验结果表明，与传统方法相比，该方法鲁棒性好，对基音检测具有更高的准确率。     

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.     

减小电流互感器磁误差的一种方法

本文讨论了电流互感器产生磁误差的原因和消除此误差的方法。同时传送功率和信息是电流互感器正常工作的必要条件,也是产生磁误差的基本原因。因此,将这两个过程分离开来便是减小磁误差的基本方法。文中讨论了分离的条件,提出了等效电路和磁误差公式。     

藏语语音基音周期检测

在藏语语音处理中基音周期的检测具有非常重要的意义．本文首先讨论了用自相关函数法进行基音周期检测的基本原理及其改进方法,进而研究了这种方法在藏语语音处理中的应用,并给出了相应的实例．     

一种基音周期估计的改进CAMDF算法

本文首先介绍了传统基音周期估计算法:ACF算法和AMDF算法.为了克服AMDF算法容易导致估计出的基音周期加倍的缺陷,本文重点阐述了CAMDF基音周期估计算法,并提出了改进CAMDF算法.该法是在CAMDF算法之前,对语音信号进行降比特处理.实验表明,改进CAMDF算法在降低对处理器件复杂度和精度方面要求的同时并不会影响基音周期的估计效果.最后,本文进行了各种基音检测算法的仿真比较,实验表明改进CAMDF算法在基音估计效果上具有很好的准确性和稳定性.     

一种有效的语音基音周期提取算法

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．采用了一种有效方法，即在浊音中用段内位移匹配的方法提取出基音周期，有效地防止由于一个周期内的2段相似波形被误判为两个周期的情况，同时也防止取到倍周期的可能．实验证实，此方法提取出的基音周期准确，能较好地合成出特定人的语音来．     

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。     

一种基于段的基音检测算法

作为语音信号处理领域一项基本、关键的技术,基音检测在语音信号处理中扮演着重要的角色,一直是语音信号处理的一个研究热点.首先对传统的基于短时自相关函数法的基音检测进行了研究;在此基础上提出了一种能同时检测一段语音信号基音周期的方法,有效地克服了传统基音检测算法只能检测一帧语音信号基音的缺点.进行了实验仿真,结果表明通过去野点,中值平滑等后处理的基于段的基音检测算法比传统的基于帧的基音检测算法具有更好的抗噪性.     

一种基于基音周期估计的音频水印算法

提出了一种水印信号与载体信号均为语音的数字音频水印算法．主要由用混沌序列对音频水印加密，基于载体信号基音周期估计确定水印嵌入位置和根据量化步长△确定水印嵌入强度等关键步骤所组成．仿真结果表明，该算法不仅具有较好的透明性，而且也对叠加噪声、低通滤波、重新采样等攻击具有较好的鲁棒性．     

基于Hilbert-Huang变换基音周期检测算法

介绍了一种与传统算法相比有更好的自适应性和优越性的基音周期检测算法,Hilbert-Huang变换不需要对语音信号进行短时平稳假设,检测精度高,适应范围广,帧长大大增加;与小波变换相比,Hilbert-Huang变换依据信号本身的信息对信号进行分解,随信号本身变化而变化,表现了信号内含的真实物理信息,具有更好的自适应性和优越性。     

基于小波变换的语音基音周期检测

本文根据语音信号在声门闭合时刻（ＧＣＩ）的锐变特性，利用小波变换的时频局部化性质，构造了一个基音检测系统．通过使用不同的压扩因子，根据语音信号小波变换的局部最大值的位置，确定出对应的语音信号的锐变时刻（即ＧＣＩ），而相邻两个ＧＣＩ的间隔即为基音周期．本方法具有准确性高、抗嗓声性能好、检测范围宽、动态性能好等传统方法所不具备的特点．     

与文本无关的说话人辨认系统中一种新的使用基音周期方法研究

研究了与文本无关的说话人辨认系统中一种新的使用基音周期方法。在说话人辨认系统中将矢量量化（VQ）、高斯混合模型（GMM）分类器结合,使用升正弦窗函数加权的线性预测倒谱系数（LPCC）。在训练时为训练集中的每个说话人估计一个一维高斯形式的基音周期概率密度函数;在识别时,将测试语音中提取的基音周期在训练集说话人基音周期概率模型中得到的基音周期概率密度对VQ、GMM分类器的似然测度加权,形成新的似然测度。实验结果表明,使用新的似然测度进行与文本无关的说话人辨认比VQ、GMM分类器的辨认率有较大的提高,码字个数为8,测试时间为8s时,辨认率相对VQ提高约13%。     

一种改进的小波变换基音检测算法

为了克服目前诸多基音频率检测算法精度低、复杂度高和鲁棒性差的缺点,提出一种利用小波变换结合线性预测的去噪方法,并通过自相关函数和平均幅度差函数的线性组合得到基音频率,实验验证,该方法性能明显优于自相关函数法和平均幅度差函数法,减少了倍频及半频的误差提取,提高基音频率的提取精度,同时在低信噪比的情况下,仍能精确提取出基音频率。     

一种改进的基于小波变换的基音周期提取算法

基音周期是语音信号重要的参数之一,是进行语音信号数字处理的基础。针对传统自相关提取方法的不足。本文提出了一种小波变换和自相关结合的基音周期检测算法,它克服了小波变换法对某些信号检测时的缺点,在真实语音的基音周期检测中取得了较为满意的效果。