语音基音检测的多分辨率分析法

介绍了一种语音基音检测的多分辨率分析法。它将语音在不同的分辨率下判决出基音,然后相互比较得出正确的基音。还比较了它与两种传统方法的性能。实验结果说明,多分辨率分析法具有精度高、抗干扰能力强的特点。     

利用声调判别提高汉语数码语音识别性能

数码语音“２”与“８”等的混淆是汉语数码语音识别错误的主要来源。为此,提出了在汉语数码语音识别中引入声调判别的方法。首先设计了变长度短时平均幅度差函数（ＬＶＡＭＤＦ）、元音中心定位、基音谐波单周期校正以及基音邻近搜索等一系列高性能基音周期估计算法,在此基础上设计了一个针对汉语数码语音声调识别的ＭＤＴＤ算法。实验表明,新的基音周期估计方法和ＭＤＴＤ算法使汉语数码语音识别率由９５．２％上升到９８．５％,更使“２”与“８”的分辨率由９０．５％上升到了９８．８％,从而较好地解决了这个难题。     

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．     

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。     

检测语音端点及基音的概率模型及方法

在传统的语音识别系统中,语音端点检测和基音提取是2个分开的步骤。将2个步骤合二为一将有助于提高误别准确性、降低系统复杂度。该文使用了一种语音时域分析方法,它使用概率模型描述语音幅度分布规律,并使用隐Markov模型(hidden Markov model,HMM)描述语音中的状态转换。使用新方法可以同时完成对语音端点的检测、清浊音的判断与基音频率计算。实验表明:这种算法在10dB以上信噪比的条件下可以得到准确的基音频率和端点位置。     

可视式语音信号的分析及基音检测

本文研究了简易的语音信号处理系统.着重介绍了语音信号的分析和基频检测技术.本文为一般人语言音调语调、聋哑儿童的语言训练的研究和实验,提供了可视式硬件基础,对类似语音信号处理系统有一定的参考价值.     

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。     

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.     

基于小波变换的汉语三字词语音基频提取方法

小波变换具有良好的时频局部分析能力 ,可利用它检测语音信号的基频。文章将其应用于具有实际连续语音特征的三字词语音的基频提取 ,发现对大多数三字词提取的基频中含有较多的错误点 ,甚至出现一堆乱点。文章分析了其产生的原因 ,给出了基于投票策略的改进方案 ,并验证了该方案的有效性。     

基于小波分析的电力系统故障检测

正确检测电力系统故障信号对提高电能质量具有重要意义，文中讨论了采用小波变换快速算法对电力系统中故障信号进行分析、判断的方法。仿真结果表明，这种算法能够准确及时判断故障，符合工程实时性的要求。     

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.     

基于小波的异常检测方法研究

针对DDoS攻击引起的网络异常,提出基于小波变换的检测方法.将网络流量分解到不同的频段,根据高频段频谱能量,即小波方差的变化对网络流量异常进行检测.为提高预警的准确性,吸取了路由器的设计思想,用LRU Cache滤掉长时流发现突发流量,实验证明本尝试是有效的.     

基于小波变换的皮电信号滤波及奇异性检测

皮电信号(GSR)是心理测试的重要参数指标,信号的奇异点包含着皮电信号的幅度变化、突变时间及持续时间等重要特征且信号具有非平稳,超低频等特点,传统的信号处理方法不能有效地对其进行滤波并进行奇异点检测,甚至将包含重要信息的奇异点信号滤除。本文采用小波变换来处理皮电信号,选用Daubechies小波系将皮电信号分解为一个近似皮电信号和相应的细节成分,完成对皮电信号的去噪处理且对几种小波消噪方式进行了比较得出适合于皮电信号的消噪方法,最大限度地保留了奇异点的完整性。消噪信号利用李普希兹指数(Lipschitz)通过模量极大值和微分对相对应心理变化引起的皮电信号第一类间断点和第二类间断点进行了检测,通过间断点推断皮电信号的突变时间和持续时间,实现心理特征自动检测用于心理评估。     

基于小波变换的结构损伤检测

基于小波变换核心内容之一的多分辨分析,将小波变换应用于结构损伤检测中．实例分析表明,用损伤检测得到的回波信号的小波分解可排除噪声影响,准确地判定被捡构件中损伤的空间位置．     

基于方向小波变换的边缘检测

定义了一种方向小波变换，并将其用于图像边缘检测．建立了它与Canny边缘检测子的关系．基于此提出的新的边缘检测方法，不仅可以有效地检测出图像的边缘，而且也可检测图像中某一方向的边缘．实验结果表明，新的边缘检测算法具有能检测方向性边缘、算法简单、计算量小、效果佳等优点．     

基于多尺度小波算子的图象边缘检测

分析了传统的图像边缘检测算法及其存在的问题，论述了基于多尺度的小波分析进行边缘检测的算法，并以实例说明基于小波分析得图像边缘检测算子效果更优。