汉语连续语音三字词声调提取方法研究

连续的汉语三字词声调,由于受声道响应、音联、协同发音和变调规律等的影响,情况很复杂,故其基音提取远远较孤立字困难.文章简述了简化的自相关算法,分析了削波电平值对三字词基频检测的影响,得出了削波电平的取值范围,提出了对三字词基频检测应采取改变削波电平的观点,进而给出了三字词的基音提取方法.实验表明该方法简便、有效,提取成功率高.文章最后根据实验简述了三字词的变调规律和声调模式.     

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．     

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。     

用峰值校正自相关函数检测的汉语基音周期

在对大量的汉语普通话的语音波形进行分析之后发现汉语普通话的基音提取不能用简单的中心削波自相关方法,在进行基音标记时会存在一种基音标记偏移的现象,为此在自相关理论的基础上,根据声调语言的语音信号音高变化特征,对声调语音的基音标记的偏移现象提出了一种基于自相关法和峰值校正的算法,经实践检验,这种算法对声调语言的基音标记的偏移现象能够得到很好的校正。     

自相关函数估值的快速算法

本文给出一种自相关函数估值的快速算法，与直接计算的方法相比，该算法的乘法运算次数减少将近一半，而且该算法所依据的数学原理浅显，易于编程，是一种简单而十分有效的算法。     

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％。     

中心消波自相关法语音基音检测

采用非线性中心消波与自相关/AMDF相结合的算法提取语音基音周期,有效去除声道共振峰的影响和噪声的干扰,实现语音的基音检测;绘制了周期轨迹平台图,使周期/频率读取更加直观.MATLAB仿真实验结果表明,该方法有效、准确地提取了基音周期,并且对噪声有一定的鲁棒性.     

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。     

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。     

基于MATLAB实现经典功率谱估计

功率谱估计(power spectrum estimation,PSE)是利用有限长的数据估计信号的功率谱,广泛应用于雷达、声纳、通信、地质勘探、天文、生物医学工程等众多领域.功率谱估计可分为经典谱估计和现代谱估计,文章主要研究经典谱估计中的修正算法.目前经典谱估计中主要采用对2种方法进行估计,分别足周期图法和自相关法...     

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。     

基于样条小波变换的语音基音检测

作者在分析小波变换时频局部化特性的基础上，选取样条小波函数对语音信号进行处理，给出了基于小波变换极大模的基音周期检测方法和实验结果。     

基于小波变换的语音基频检测

用小波变换法对语音基频进行检测。结果表明 ,小波变换法比传统方法更准确地提取基频 ,并具有相当的稳健性和适应性。对汉语而言 ,有利于语音四声的识别     

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。     

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.     

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。     

基于小波变换的汉语三字词语音基音频率提取

声调是基音频率的轮廓,为准确提取基音频率,进行具有汉语特色的连续语音识别,提出了具有汉语特色的清浊音切分方法.与常用的阈值法相比,该方法能更好地找到清浊音的切分点,尤其是在字与字连接紧密时更有效(在这种情况下阈值法往往失效).在此基础上,利用小波变换的多分辨分析特性进行了汉语三字词语音基音频率的提取.实验结果显示,该算法能有效地将三字词语音分开,且得到的基音频率曲线符合汉语三字词语音的声调模式.