基音周期估计-共振峰估计-小结
语音信号处理第6讲介绍
* En X n (k )X n (k ) k 0
*
N 2
某一谱线k的能量谱为 Yn X n (k ) X n (k )
则每个频率分量的归一化谱概率密度函数为
pn
该语音帧的短时谱熵为：
Yn (k )
Y (l )
l 0 n
N 2
Yn (k ) En
H n pn (l )ln pn (l )
clc clear all x= wavread('C:\Users\Desktop\bearings.wav'); figure(1); stem(x,'.');
n=160; %取20ms的声音片段，即160个样点 for m=1:length(x)/n; %对每一帧求短时自相关函数 for k=1:n; Rm(k)=0; for i=(k+1):n; Rm(k)=Rm(k)+x(i+(m-1)*n)*x(i-k+(m-1)*n); end end p=Rm(10:n); %防止误判，去掉前边10个数值较大的点 [Rmax,N(m)]=max(p); %读取第一个自相关函数的最大值 end %补回前边去掉的10个点 N=N+10; T=N/8; %计算出对应的周期 figure(2);stem(T,'.');axis([0 length(T) 0 10]); xlabel(‘帧数(n)’);ylabel(‘周期(ms)’);title(‘各帧基音周期’);
基音检测的主要困难在于： ① 声门激励信号并不是一个完整周期的序列，在语音的头、尾部并不具 有声带振动那样的周期性，有些清音和浊音的过度帧是很难准确地判 断是周期还是非周期性的； ② 在许多情况下，清音语音和低电平浊音语音段之间的过渡段是非常细
3.8-3.9 基音和共振峰估计解析
N k 1 m 0
S (m)S
n
n
(m k )
• Rn(k)不为零的范围为是k=(-N+1)～(N—1)，且为偶函数。 由3．3小节的分析可知，浊音信号的自相关函数在基音周期 的整数倍位置上出现峰值；而清音的自相关函数没有明显的 峰值出现。因此检测是否有峰值就可判断是清音或浊音，检 测峰值的位置就可提取基音周期值。
X
第1-2页
天津商业大学信息工程学院
语音信号处理 电子教案
2.基音周期估计的方法 (1)自相关法
(2)平均幅度差函数法
(3)并行处理法 (4)倒谱法 (5)简化逆滤波法 (6)小波变换法
第1-3页
X
电子教案
（1）自相关法
• 语音信号s(m)经窗长为N的窗口截取为一段加窗语音信号 Sn(m)后，定义Sn(m)的自相关函数(ACF)Rn(k)(亦即语音信号 s(m)的短时自相关函数)为：
第1-9页
X
天津商业大学信息工程学院
语音信号处理 电子教案
（5）简化逆滤波法（SIFT）
• 简化的逆滤波跟踪(SIFT)算法是相关处理法进行基 音提取的一种现代化的版本。该方法的基本思想是： 先对语音信号进行LPC分析和逆滤波，获得语音信号 的预测残差，然后将残差信号通过自相关滤波器滤 波，再作峰值检测，进而获得基音周期。语音信号 通过线性预测逆滤波器后达到频谱的平坦化，因为 逆滤波器是一个使频谱子坦化的滤波器，所以它提 供了一个简化的（亦即廉价的）频谱平滑器。预测 误差是自相关器的输入，通过与门限的比较可以确 定浊音，通过辅助信息可以减少误差。
第1-8页
X
天津商业大学信息工程学院
语音信号处理 电子教案
基音检测过程中减小共振峰影响的算法探究
出：综合 带通滤波和 中心 削波 两种方 法之后 ，从而得 到改进后 的基音检 测方 法，能够更 准确 更有效地提取
到语音 信号的基音周期 。
父 键 ：基 音 周 期 ；带 通 滤 波 ； 中心 削波 ； 自相 关函 数 ； 平 均 幅 度 差 函 数 Ｉ ｔ 类 ：Ｕ２ ｌ＂ ｌ ３分 ８ 文献 标 ｉ码 ：Ａ ｝ ：
收 稿 日期 ：２ ０ — －９ ０ ９０ １ ４
作者 简介 ：刘
勇 ，在 读硕士 研究 生 ；黄地龙 ，教授 。
构 ， 而 严 重 影 响激 励 信 号 的谐 波 结 构 ， 基音 检 从 给
测 造 成 困难 。
力影 响 最 大 。
将就 动车 组 对 不 同 种 类 列 车 的 非 平 行 运 行 图的 影
语 音 是 语 言 的 声 学 表 现 ，用 现 代手 段研 究语 能 利 用 这 些 参 数 进 行 高 效 的 语 音 合 成 、语 音 识 别 音处 理 技 术 ，使人 们 能 更加 有 效 地 产 生 、 输 、 传 存 等处理 ，其中基音周期是最重要的语音信号的特 储 、 取和 应 用 语 音信 息 ， 获 对于 促 进 社 会 的发 展 具 征 参数 。 有十分重要的意义。 声道 特 性 与基 音 周期 估 计 有 关 ，会 对 基音 周
（． １成都理工 大学 信 息工程 学院，成都 ６ ０ ５ ；２ 成都 理工 大学 信息管理学院，成都 ６ ０ ５ ） １０９ ． ｌ ０ ９
摘 要：基音周期 是语音信 号最重要 的参数之一 ， 旨在 比较基音周期提取过 程 中的带通 滤波和 中心削
波 两种 方 法 。 并 且 在 此 基 础 上 比 较 自相 关 函 数 和 平 均 幅 差 函 数 两种 基 音 周 期 检 测 算 法 。 经 过 实验 ，明 显 得
《语音信号处理》实验2-基音周期估计
华南理工大学《语音信号处理》实验报告实验名称：基音周期估计姓名：学号：班级：10级电信5班日期：2013年5 月15日1.实验目的本次试验的目的是通过matlab编程，验证课本中基音周期估计的方法，本实验采用的方法是自相关法。
2. 实验原理1、基音周期基音是发浊音时声带震动所引起的周期性，而基音周期是指声带震动频率的倒数。
基音周期是语音信号的重要的参数之一，它描述语音激励源的一个重要特征，基音周期信息在多个领域有着广泛的应用，如语音识别、说话人识别、语音分析与综合以及低码率语音编码，发音系统疾病诊断、听觉残障者的语音指导等。
因为汉语是一种有调语言，基音的变化模式称为声调，它携带着非常重要的具有辨意作用的信息，有区别意义的功能，所以，基音的提取和估计对汉语更是一个十分重要的问题。
由于人的声道的易变性及其声道持征的因人而异，而基音周期的范围又很宽，而同—个人在不同情态下发音的基音周期也不同，加之基音周期还受到单词发音音调的影响，因而基音周期的精确检测实际上是一件比较困难的事情。
基音提取的主要困难反映在：①声门激励信号并不是一个完全周期的序列，在语音的头、尾部并不具有声带振动那样的周期性，有些清音和浊音的过渡帧是很难准确地判断是周期性还是非周期性的。
②声道共振峰有时会严重影响激励信号的谐波结构，所以，从语音信号中直接取出仅和声带振动有关的激励信号的信息并不容易。
③语音信号本身是准周期性的(即音调是有变化的)，而且其波形的峰值点或过零点受共振峰的结构、噪声等的影响。
④基音周期变化范围大，从老年男性的50Hz到儿童和女性的450Hz，接近三个倍频程，给基音检测带来了一定的困难。
由于这些困难，所以迄今为止尚未找到一个完善的方法可以对于各类人群(包括男、女、儿童及不向语种)、各类应用领域和各种环境条件情况下都能获得满意的检测结果。
尽管基音检测有许多困难，但因为它的重要性，基音的检测提取一直是一个研究的课题，为此提出了各种各样的基音检测算法，如自相关函数(ACF)法、峰值提取算法(PPA)、平均幅度差函数(AMDF)法、并行处理技术、倒谱法、SIFT、谱图法、小波法等等。
09语言信号处理第九章语音检测分析
�
下图为语音信号对数频谱示意图. 下图为语音信号对数频谱示意图.
频谱包络的慢变分量 虚线所示) (虚线所示) 基音谐波峰值 的快变分量 实线所示) (实线所示)
幅度
频率Hz
通过滤波或再取一次傅立叶反变换,即可将 慢变分量与快变分量分离开. 下图为倒谱的示意图.
幅度
靠近原点的低 倒频部分是频 谐波峰值的变 谱包络的变换换,表示基音. 表示基音.
C[x]
-CL
+CL
x
CL 由语音信号的峰值幅度来确定
(2)中心削波后的语音再计算自相关函数,求第 )中心削波后的语音再计算自相关函数, 一最大峰值点
中心削波示意图
输入语音
中心削 波后的 语音
计算自相关函数的运算量是很大的,可用一些 减少短时自相关运算的有效方法. 如可对中心削波函数进行修正. 如可对中心削波函数进行修正.
第九章 语音检测分析
基音检测
自相关法 倒谱法 简化逆滤波法
共振峰估计
倒谱法 LPC法 LPC法
9.1 基音周期估计
基音是指发浊音时声带振动所引起的周期 性
基音周期是语音信号最重要的参数之一,也称 是语音产生模型中激励源的一个重要参数 对汉语:是一种有调语言,基音的变化模式称为声调, 对汉语:是一种有调语言,基音的变化模式称为声调, 它携带着非常重要的具有辨意作用的信息. 它携带着非常重要的具有辨意作用的信息.
∑| x
w
(m + k ) x w (m) |
也呈现周期性. 对于周期性的 x(n) ,γ n (k ) 也呈现周期性. 与自相关函数相反,在周期的各整数倍点上 γ n (k ) 与自相关函数相反, 具有的是谷值,而不是峰值. 具有的是谷值,而不是峰值.
基音周期估计
语音信号处理实验报告实验二：语音信号的基音周期估计学院：电子与信息学院专业：信息工程姓名学号：提交日期：2014.4.29实验二：语音信号基音周期估计1、 实验内容从一段语音信号中估计出其基音周期。
基音是指法浊音是声带振动所引起的周期性，而基因周期是指声带振动频率的倒数。
2、 实验方法尽管基音检测有许多困难，但因为它的重要性，基音的检测提取一直是一个研究的课题，为此提出了各种各样的基音检测算法，如自相关函数(ACF)法、峰值提取算法(PPA)、平均幅度差函数(AMDF)法、并行处理技术、倒谱法、SIFT 、谱图法、小波法等等。
2.1、短时自相关法对于离散的语音信号x(n)，它的自相关函数定义为：R(k)=Σx(n)x(n-k)， 如果信号x(n))具有周期性，那么它的自相关函数也具有周期性，而且周期与信号x(n)的周期性相同。
自相关函数提供了一种获取周期信号周期的方法。
在周期信号周期的整数倍上，它的自相关函数可以达到最大值，因此可以不考虑起始时间，而从自相关函数的第一个最大值的位置估计出信号的基音周期，这使自相关函数成为信号基音周期估计的一种工具。
语音信号是非平稳的信号，所以对信号的处理都使用短时自相关函数。
短时自相关函数是在信号的第N 个样本点附近用短时窗截取一段信号，做自相关计算。
短时自相关运算定义为下式：1()()()N k n nnm R k S m S m k --==+∑2.2、平均幅度差函数法语音信号的短时平均幅度差函数Fn （k ）定义为1()|()()|N k n nnm F k S m k S m --==+-∑与短时自相关函数一样，对周期性的浊音一样，Fn （k ）也呈现与浊音语音周期一致的周期特性，不过不同的是Fn （k ）在周期的各个整数倍点上具有是谷值特性而不是峰值特性，因而通过Fn （k ）的计算同样可以确定基音周期。
线性加权短时平均幅度差（W-AMDF ）的定义：11()|()()|1N k nw n n m F k S m k S m N k --==+--+∑2.3、实验过程2.3.1自相关法（ACF ）1、录取一段录音，采样率8K ，单声道2、用MATLAB 的wavread 函数把录音都进来并进行归一化处理3、对语音信号进行预加重4、对语音信号进行截止频率为1000Hz 的低通滤波，然后进行分帧处理5、对每帧语音进行三电平削波处理6、对每帧分别计算短时自相关运算，去除每帧前十个点后再求最大值7、利用最大值对应的序号N 来确定基音的周期2.3.2短时平均幅度差法（W-ADMF ） 1、录取一段录音，采样率8K ，单声道2、用MATLAB 的wavread 函数把录音都进来并进行归一化处理3、对语音信号进行预加重4、对语音信号进行截止频率为1000Hz 的低通滤波，然后进行分帧处理5、对每帧语音进行三电平削波处理6、对每帧分别计算线性加权短时平均幅度差运算，去除每帧前、后5个点后再求最小值M1和第二最小值M27、利用abs （M2-M1）来确定基音的周期短时自相关法（W-ADMF）短时平均幅度差法4.1结果分析根据自相关法和平均幅度差两种方法的结果对比，提取出来的基音周期大小有点差异，但是基本都相同。
第五讲 共振峰估计3.9
LPC法（了解）
这一章讨论了语音信号数字处理的一 些基本问题和最重要或常用的若干处 理方法，这些内容对语音信号数字处 理的任何一个研究领域都是必需的， 基中贯穿全书的是语音信号产生模型 和语音信号的短时分析技术。
编程实现：
1.提取一段语音信号的短时能量、过零率、短 时平均幅度差。 2.提取一段语音的傅里叶变换幅度谱、线性倒 谱、梅尔频率倒谱（MFCC）。 3. 提取一段语音的LPC参数。
倒谱法
• 下图所示为倒谱法求取语音频谱包络的原理。实验表明，倒 谱法因为其频谱曲线的波动比较小，所以估计共振峰参数的 效果是较好的，但其运算量太大。
LPC法（了解）
• 从线性预测导出的声道滤波器是频谱包络估计器的最新形式， 线性预测提供了一个优良的声道模型(条件是语音不含噪声)。 尽管线性预测法的频率灵敏度和人耳不相匹配，但它仍是最 廉价、最优良的行之有效的方法。 • 用线性预测可对语音信号进行解卷：即把激励分量归入预测 残差中，得到声道响应的全极模型H(z)的分量，从而就得到 这个分量的ai参数。另外，也可以采用抛物线内插技术，解 决频率分辨率较低的情况下的共振峰频率值的求取，它的原 理如图3-22所示。
4. 估计一段语音的基音频率。
5. 估计一段语音的前3个共振峰频率。
3.9共振峰估计
3.9 共振峰估计
• 声道可以看成是一根具有非均匀截面的声管，在发音时起 共鸣器的作用。当准周期脉冲激励进入声道时会引起共振 特性，产生一组共振频率，称为共振峰频率或简称共振峰。 共振峰参数包括共振峰频率和频带宽度，它是区别不同韵 母的重要参数。共振峰信息包含在语音频谱包络中，因此 共振峰参数提取的关键是估计自然语音频谱包络，并认为 谱包络中的最大值就是共振峰。
带通滤器组法
基于共振峰增强的语音信号共振峰频率估计
基于共振峰增强的语音信号共振峰频率估计
语音信号共振峰频率（Pitch）的估计一直是语音处理技术中的一个关键问题。
基于共振峰增强的语音信号共振峰频率估计是最近几年出现的一种新的估计方法。
它利用共振峰增强技术，即改变语音信号的频谱，从而提高自身对语音输入信号频率解码能力。
首先，基于共振峰增强的语音信号共振峰频率估计中采用的是一种端系统向量
自相关（SSCA）算法。
通过这种算法，可以扩大分析滤波器的小带宽，从而提高信号共振峰频率估计的精度。
其次，基于共振峰增强的语音信号共振峰频率估计中还采用了阈值处理技术和信息检测方法。
通过使用阈值处理技术，可以减少误差，提高准确性，而信息检测方法则可以有效地处理噪声等干扰。
最后，基于共振峰增强的语音信号共振峰频率估计中还采用了统计参数估计和多项式拟合等方法。
它们可以有效地帮助估计语音信号共振峰频率。
由此可见，基于共振峰增强的语音信号共振峰频率估计是一种有效的语音处理
技术。
它通过综合不同的技术，成功地提高了估计语音信号共振峰频率的精度，为语音处理技术的进一步发展提供了可靠的依据。
可以预期，随着语音处理技术的进一步发展，基于共振峰增强的语音信号共振峰频率估计将会得到更大的应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
5 简化逆滤波法 SIFT
• 简化逆滤波法SIFT是进行基音提取的一种新方法。 • 基本思想：首先进行LPC分析和拟滤波，得到预测残 差；然后通过自相关滤波器滤波，峰值检测，获得基音 周期。 • 与倒谱法类似，需有一个有声/无声检测器，以减少运 算量。 • 在基音提取中，采用低通滤波对提高基音提取精度是很 重要的。
原始语音信号 C-AMDF LV-AMDFFn ( k ) =
N − k −1 m=0
基本AMDF W-AMDF
∑
S n ( m + k ) − S n ( m)
LP-AMDF
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
Байду номын сангаас
2 倒谱法
虽然可以直接对语音信号求离散傅里叶变换(DFT)，然 后用DFT谱来提取语音信号的共振峰参数。但是，直接DFT 的谱要受基频谐波的影响，最大值只能出现在谐波频率上， 因而共振峰测定误差较大。 为了消除基频谐波的影响，可以采用同态解卷技术，经 过同态滤波后得到平滑的谱，这样简单地检测峰值就可以直 接提取共振峰参数，因而这种方法更为有效和精确。
式中e(n)是声门激励，v(n)是声道响应；倒谱为加法运算， 即倒谱域中基音信息与声道信息是相互分离的。 • 采用简单的倒谱滤波方法可以分离出e(n)和v(n)，根据 激励e(n)及其倒谱的特征，可以求出基音周期。 • 在过渡音或含噪语音中，倒谱峰会变得不清晰，方法 需要采用LPC分析进行改进(略)。
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
1 带通滤波器法
带通滤波器法类似于语谱仪，是共振峰提取的最早形 式，通过滤波器组的设计可以使估计的共振峰频率同人耳 的灵敏度相匹配。 滤波器的中心频率有两种分布方法：均匀分布，所有 带通滤波器的带宽相同；非均匀分布，如低频端间距小， 高频端间距大(带宽增加)；
语音信号的短时平均幅度差函数（AMDF）Fn(k)定义为：
Fn (k ) =
N − k −1 m=0
∑
S n ( m + k ) − S n ( m)
Fn(k)在周期的各个整数倍点上具有谷值特性，类似 于短时自相关函数的峰值特性，因而通过Fn(k)的计算同
样可以来确定基音周期。 由于AMDF的计算无需乘法运算，因而其算法复杂度 较小。另外在基音周期点处AMDF的谷点锐度比AFC的峰 点锐度更尖锐，因此估值精度更高。但是，AMDF对语音 信号幅度的快速变化比较敏感，它影响估计的精度。
峰值-前峰值 谷值 谷值+ 峰值 峰值-前谷值
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
4 倒谱方法
• 倒谱法是传统的基音周期检测算法之一。语音s(n)
ˆ ˆ ˆ s (n) = e(n) ∗ v(n); s (n) = e(n) + v(n)
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
平均幅度差函数法改进
对短时平均幅度差函数AMDF进行改进，有对基本 AMDF函数进行线性加权的方法W- AMDF、采用变长度 的AMDF(LV- AMDF)、经过LPC预测分析获得预测残差 后再计算残差信号的AMDF函数(LP- AMDF)等方法。
中心削波函数: CL削波电平 只保留超过削波电平的部分
中心削波器的输出
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
三电平中心削波方法
• 三电平中心削波器的方法采用如下的削波函数 ；
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
3 并行处理技术(PPROC)方法
• 图示检测六个语音测度的并行处理实现框图； • 六个独立的基音检测器，得到六个基音周期估值，最终 进行服从多数的基音判决。
3 并行处理技术(PPROC)方法
• PPROC基本思想是：对经过预处理的语音信号实施一 系列的基音初步检测，或分别对原始信号和经处理后的 信号实施系列检测，然后根据系列检测的初步结果，综 合判定基音周期。 • PPROC是时域估计方法，优点是运算简单、硬件容易 实现； • 即可估计出基音周期，还可以确定峰点位置。
一、基音周期估计
• 基音周期是指声带振动频率的倒数，是语言信号最重 要的参数之一，在语音识别、说话人识别、语音分析、 语音编码中都有应用。 • 基音周期估计比较困难，目前还没有十分完善的方法 可以对于各类人群、各类应用都能获得满意的结果。 • 基音的检测和提取包括：自相关函数法ACF、峰值提取 算法PPA、平均幅度差函数法AMDF、并行处理技术、倒 谱法、SIFT、谱图法、小波法等。
及自相关函数
• 中心削波后的信号
以及自相关函数
• 三电平削波后的信
号以及自相关函数
削波后的信号
削波后的信号的自相关函数
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
2 平均幅度差函数法（AMDF）
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
并行处理技术(PPROC)方法
原始信号 峰值 峰值- 前谷值
• 基音周期计算比较 估计值，出现次数 最多的值就是该时 刻的基音周期；4 • 浊音可估计出基音 周期，清音各个估 计值不一致，可判 断为清音。
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
倒谱法
• 采用倒谱法求取语音频谱包络的原理图。
•
实验表明，倒谱法因为其频谱曲线的波动比较小，所以估
计共振峰参数的效果是比较好的，缺点是计算量太大。
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
带通滤波器组法提取共振峰
带通滤波器组法估计共振峰系统结构示意图。
滤波器组 检测与平滑
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
3 LPC法估计
• 从线性预测导出的声道滤波器是频谱包络估计器的最新 形式，线性预测提供了一个优良的声道模型(条件是语音 不含噪声)。尽管线性预测法的频率灵敏度和人耳不相匹 配，但它仍是最廉价、最优良的行之有效的方法。 • • 求根法:计算全极点模型分母多项式A(z)的根； DFT法:求A(z)的离散频率响应A(k)的谷点来得到共振
• 因为削波后的信号取值只有0，1，-1三种情况，自相关 函数计算很简单。不需做乘法运算，只需组合逻辑运算。
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
中心削波举例
• 不削波的原信号以
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
数字语音处理
基音周期估计-共振峰估计
小结
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉
1 自相关函数法ACF
语音信号的短时自相关函数 • 浊音信号的自相关函数在基音周期的整数倍位置上出现 峰值，清音信号的自相关函数没有明显的峰值出现； • 检测是否有峰值就可判断是清音还是浊音； • 检测峰值的位置就可提取基音周期值； • 方法：采用矩形窗，窗长至少应大于两个基音周期； • 消除声道特性影响的方法：(声道共振峰特性造成的干 扰会带来检测误差)采用60-900Hz的带通滤波器对语音 信号进行滤波；对语音信号进行非线性变换后再求自相 关函数(如中心削波)；
峰的位置；若p不大，影响精度，可以采用抛物线插值技 术解决分辨率较低时的共振峰频率值的求取。
HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY Wuhan,430074, P.R. China 中华人民共和国 湖北 武汉