基音周期

摘要： 人耳听觉系统能够从嘈杂的环境中筛选出自己感兴趣的语音,基于计算听觉场景分析的方法,论文采用倒谱法提取语音基音周期轨迹,以连续的基音周期轨迹为线索,按基音频率的整数倍提取各次谐波的频谱,再通过傅里叶逆变换重构分离后的语音。实验表明,在几种典型噪音环境下,该方法能有效将目标语音从背景噪声中分离,信噪比(SNR)和评价意见分(MOS)得到一定的提升,平均增益分别为5.67dB和0.36。

摘要： 针对带噪语音信号基音周期检测过程中易出现较多野点的情况,提出一种改进的基音周期检测算法。首先,结合谱减法与小波变换进行降噪处理,将降噪后获得的有用语音信号序列进行第一次加窗分帧,从而用于信号端点和元音主体检测;其次,在第二次加窗分帧的过程中引入多窗谱估计法,进一步减少部分共振峰和残留噪声对基音检测的影响;最后,结合改进的主体-延伸法进行基音检测。实验仿真结果表明:与传统的基音周期检测方法相比,改进的基音周期估算方法采集到的有话段样点率为87%,比改进前提高了至少5%,提高了基音周期检测的精度。

摘要： 研究车辆信息检测的方法很多,针对常使用的车辆视频信号的检测受外界环境的影响大且价格昂贵,提出车辆音频信号的检测,利用语音信号处理的理论技术对车辆音频信号的时域特征,短时能量、短时自相关分析以及基于自相关函数的基音周期估计做了分析介绍,同时提取了4辆车的音频信号的短时能量图,对车辆基音周期的估计进行了详细的步骤和实验仿真研究.

摘要： 基音周期是《语音信号处理》中的重点和难点,基音周期作为语音信号的重要参数,在语音编码、语音合成和语音识别等方面,有着非常重要的作用.本文采用Matlab对基因周期进行仿真分析,从仿真图上查看语音信号的基音周期,让学生更形象的理解语音信号的基音周期.

摘要： 受人耳的听觉特征启发,基于计算听觉场景分析(CASA)的基本原理,结合语音信号频谱的分布特征,建立了一套较完整的信噪分离方法,首先利用图谱分析方法准确提取各语音帧的基音周期,然后以此为依据构造说话人的频谱模板,加以适当的窗函数,对原频谱进行梳状滤波,将滤波结果进行反傅里叶变换得到分离后的语音,实验结果表明了该方法的有效性.

摘要： 基音周期的检测无论在语音合成、语音压缩编码、语音识别和说话人确认等领域都起着非常重要的作用.为了获得更加精确的汉语语音基音周期轨迹,作者依据数字语音信号的特点和三次指数平滑模型的具体特征,采用了一种三次指数平滑法,该方法是在移动平均法基础上发展起来的一种时间序列分析预测法.相对于传统的中值平滑和线性平滑组合方法,该方法有效的解决了传统的语音基音轨迹平滑法中平滑过度的问题,更好的保留了语音基音周期轨迹的细节部分.

摘要： Combined with traditional three-level center clipping method and autocorrelation function recognition algorithm,an improved frame-shift algorithm to extract precisely the pitch signal was presented,which could search the maximum autocorrelation function at a finer scale to accurately locate the pitch position after accurate audio segmentation. This algorithm solved the problem that the traditional algorithms could not distinguish the influence of half-frequency and double-frequency on the pitch with fast rhythm,which degraded the recognition rate.Experiments showed that the improved algorithm had an average recognition rate of 83.0% for piano music with different rhythms,and the recognition rate with fast-paced music was 20.2% higher than that of traditional method. Therefore,the proposed algorithm has a significant improvement on music recognition,especially for fast-tempo music.%在传统三电平削波结合自相关函数识别算法的基础上,经过准确的音频分割后,提出了帧移法提取乐音基音信号.该算法能在更精细尺度上寻找最大自相关函数,进而准确定位基音位置,较好地解决了传统算法中当乐音节奏较快时,无法区分半频和倍频对基音的影响,从而导致的识别率低的问题.实验表明,本算法对—节奏快慢不同的钢琴乐音的平均识别率约为83.0%,且快节奏乐音的识别率较传统算法高出20.2%,因此该方法对乐音识别尤其对快节奏乐音识别有显著效果.

摘要： 低速率压缩语音编码因冗余信息少而很难实现大容量隐写,针对这一挑战,论文根据低速率语音编码每帧包含多个基音周期的特点,提出一种采用三维数独矩阵实现大容量隐写的方法,设计了一套采用三维数独矩阵在低速率语音编码过程中进行隐写的嵌入和提取算法.理论分析表明,该方法能增强隐写信息的隐蔽性,提高低速率语音编码的隐写容量.实验结果也表明:选择目前典型的低速率语音编码标准G.723.1为隐写载体,采用该方法能实现200bit/s的隐写容量,而载密语音编码的语音质量感官评价值下降不到10％.

摘要： 该介绍了一种基于时频瞬态互相关分析的小数基音周期检测理论和方法。基于时频分析的理论，为了动态重构出语音信号的时频谱，精确的瞬态小数基音周期是极为重要的参数之一。另外，时频瞬态互相关的小数基音周期检测方法，比一般的基音周期检测方法更准确地反映了语音信号的实际基音周期情况，且计算量并不增加许多。

摘要： 提出了一种小波变换和自相关结合的基音周期检测方法，在真实语音的基音周期检测中取得了较为满意的结果，该方法对于噪声具有较好的稳健性。

摘要： 本文根据双源谐波模型给出了一种提取语音信号清浊音分量的方法。该方法主要利用语音浊音分量的准周期特性，利用一组调频调幅的正弦信号和来逼近。在通过自相关法获得基音周期的初始值之后，依据最小均方准则通过循环叠代逐步更新基音周期。在得到更新的基音之后，采用基音同步的窗对语音信号进行频谱分析。然后根据谐波（基音频率整数倍）频率处的信号频谱幅度和相位来估算浊音分量在该频率处的幅度和相位。本文的工作是在的基础上展开的。相比本文的创新主要在以下两点：1、提出了一个适合清浊音分离的基音检测算法；2、提出了在谐波频率处进行修正的思想，并给出了具体的修正方法。实验结果表明，本文提出的方法达到了预期目标。

摘要： 针对计算机辅助语言学习,介绍了一种适合微机处理的、基于C-AMDF的语音基音周期快速计算方法,并给出了提取一个连续语音段声调分布的处理流程和完整过程,包括端点检测、AMDF运算、基音周期估算、中值滤波等关键过程.实际设计中,依据语音信号的声学特征,采取了低通滤波、高低电平削波、区域搜索等提高基音周期计算速度和准确性的实用方法.最后,介绍了系统的实现方式和运行环境,并给出了典型的实验结果.

摘要： 用语音来鉴别说话人身份有许多独特的优点,如语音是人的固有特征,不会丢失或遗忘;语音信号采集方便,系统设备成本低等,因此自动说话人识别具有广泛的应用前景.本文以语音信号的LPC倒谱系数、差值倒谱系数、基音周期和差值基音周期的混合特征参数作为识别的特征矢量集,比较了利用矢量量化(VQ)、各态经历隐马尔可夫模型(HMM)、混合高斯分布模型(GMM)技术实现的与文本无关说话人识别系统的性能.结论是GMM性能最好,最高识别率可达93.6﹪,其次是各态经历HMM,而VQ最差,其最高识别率仅为86.2﹪.

摘要： 基音周期、噪音起始时间、清浊判决是语音信号处理中较为重要的参数。传统的提取方法在信噪比比较低的情况下，测量精度会受到影响，噪声特别严重的情况下还可能失效。该文介绍了小波变换、希尔伯特变换在基音提取，噪音起始时间、清浊判决语音信号处理中的应用。这一方法在低信噪比情况下与传统方法相比有较好的性能。

摘要： 主要介绍了混合激励线性预测编码(Mixed Excitation Linear Prediction，MELP)的算法模型，并分析了该编码算法所采用的关键技术。在IVlELP的基础上，针对MELP的优缺点进行了分析，在线性预测系数量化方面对MELP算法做出改进。

摘要： 主要介绍了混合激励线性预测编码(Mixed Excitation Linear Prediction，MELP)的算法模型，并分析了该编码算法所采用的关键技术。在IVlELP的基础上，针对MELP的优缺点进行了分析，在线性预测系数量化方面对MELP算法做出改进。

摘要： 主要介绍了混合激励线性预测编码(Mixed Excitation Linear Prediction，MELP)的算法模型，并分析了该编码算法所采用的关键技术。在IVlELP的基础上，针对MELP的优缺点进行了分析，在线性预测系数量化方面对MELP算法做出改进。

摘要： 本发明公开了一种直接显示基音周期轨迹的基音周期谱图方法。该方法首先分帧计算频谱和倒谱，用倒谱提取基音周期，倒谱峰值对应的时间就是基音周期，然后将倒谱的振幅转换为灰度，将倒谱的数据点转换为像素点。再根据相邻帧的基音周期具有相似性、渐变性和连续性的特点，将各帧倒谱的像素点沿垂直方向并排绘制，横轴为时间，纵轴为倒谱频率，构成基音周期谱图，使相邻帧的倒谱峰值互相靠近，形成一条明显的、有规律变化的基音周期轨迹。本发明能直接显示基音周期轨迹，不仅为语音分离提供关键线索，还能有效排除偏离基音周期轨迹的虚假倒谱峰值，提高了基音周期提取的精度。

摘要： 时域的基音周期L与预定的时间区间的音响信号的时域基音周期码对应，且获得与时域的基音周期L对应的频域的样本间隔作为换算间隔T1，从包括换算间隔T1以及换算间隔T1的整数倍的值U×T1的候选值中决定频域基音周期T，获得表示频域基音周期T是换算间隔T1的几倍的频域基音周期码。以在解码侧中能够确定频域基音周期T的方式，输出频域基音周期码。

摘要： 本发明提供基音周期估计值修正方法，包括：当前子帧在当前频率区域内MCAMD的序列最大值MA

摘要： 本发明公开了一种基于子带信噪比加权的倒谱域基音周期估计方法，利用含噪语音的Mel谱计算子带加权系数，在对数谱域对每个Mel子带上的所有含噪语音对数谱进行子带加权，在倒谱域进行峰值检测，估计含噪语音信号的基音周期。本发明的技术方案可以同时对环境噪声和声道共振峰进行抑制，得到较为准确的基音周期估计值，尤其适合低信噪比环境下的基音估计。

摘要： 为用于语音或音频信号的非常短的基音周期检测和编码提供了系统和方法实施例。该系统和方法包括使用时域和频域基音周期检测技术的组合在语音或音频信号中检测是否存在比常规最小基音周期限制更短的非常短的基音周期。基音周期检测技术包括使用时域中的基音相关系数和检测频域中的语音或音频信号中的低频能量的缺少。使用开始于预定义最小的非常短的基音限制(小于常规最小基音限制)的基音周期范围对检测到的非常短的基音周期进行编码。

摘要： 本发明公开了一种直接显示基音周期轨迹的基音周期谱图方法。该方法首先分帧计算频谱和倒谱，用倒谱提取基音周期，倒谱峰值对应的时间就是基音周期，然后将倒谱的振幅转换为灰度，将倒谱的数据点转换为像素点。再根据相邻帧的基音周期具有相似性、渐变性和连续性的特点，将各帧倒谱的像素点沿垂直方向并排绘制，横轴为时间，纵轴为倒谱频率，构成基音周期谱图，使相邻帧的倒谱峰值互相靠近，形成一条明显的、有规律变化的基音周期轨迹。本发明能直接显示基音周期轨迹，不仅为语音分离提供关键线索，还能有效排除偏离基音周期轨迹的虚假倒谱峰值，提高了基音周期提取的精度。

摘要： 本发明提供基音周期估计值修正方法，包括：当前子帧在当前频率区域内MCAMD的序列最大值MA

摘要： 本发明公开一种基于声道信息聚类的基音周期矢量多模式量化方法及系统，包括：构建线谱频率参数量化码本、基音周期参数量化初始码本和线谱频率参数分类初始码本；并对线谱频率矢量和基音周期矢量进行量化，得到线谱频率参数的量化索引；获取每个量化索引下线谱频率参数所对应的基音周期参数及其概率分布；根据概率分布更新线谱频率参数分类初始码本，得到线谱频率参数分类码本，根据线谱频率参数分类码本得到每种分类模式下的基音周期参数量化码本；根据最终得到的线谱频率参数分类码本、基音周期参数量化码本和线谱频率参数量化码本对语音信号的线谱频率矢量和基音周期矢量进行量化，以用于实现语音合成。提高基音周期参数的量化效率。

摘要： 本发明涉及一种噪声环境下的基音周期提取方法，属于语音音频信号特征提取技术领域。首先对带噪语音信号进行分帧、加窗操作后，再对其利用能熵比进行端点检测，检测出有话帧与无话帧，取出音频中的所有无话帧对其求取均值作为估计噪声。利用谱减过减法估计出干净语音。再把估计出的噪声与干净语音带入维纳滤波法中进行傅里叶变换求取语音能量与噪声能量构建出维纳滤波器。得到维纳滤波器后使之乘以噪声频谱再进行傅里叶逆变换就得到了降噪后的语音信号。然后取出端点检测后的所有对应的有话帧求取倒谱并且画出包络线，并且对它进行平滑处理。在60到400Hz，的范围内从左到右寻找出第一个峰值得到此帧的基音周期，得到一整条语音信号的基音周期。

摘要： 本发明涉及信息隐藏技术领域，且公开了基于贝叶斯网络的基音周期调制信息隐藏检测方法，本发明从不同网络结构的角度来说，使用帧内、帧间和自身三个网络相结合的联合网络取得了最好的效果，从不同嵌入率的检测性能角度来说，本发明方法在较低嵌入率时的检测准确率优于现有的一些隐写分析方法；从PDBNS的大小来说，贝叶斯网络数量越少系统检测时间越短，在贝叶斯网络数量少时仍具有较高的检测准确率，能实现对对基音周期调制信息隐藏方法的实时检测；从不同时长的检测性能来说，本发明方法在嵌入率1.0下1秒到10秒音频检测率均为100％，优于现有一些算法。