加权短时自相关函数的基音周期估计算法

语音基音频率的准确检测是语音信号处理的难点之一。提出一种加权短时自相关函数(Autocorrelation Function,ACF)算法提取基音频率。在传统的ACF方法基础上,利用短时平均幅度差函数(Average Magnitude Difference Function,AMDF)的平方对ACF函数进行加权,由此加强短时自相关函数在基音周期倍数处的峰值特性。对提取出的基频曲线做平滑处理。实验结果表明,该方法提高了基音周期检测的准确率。

基于短时相关性和极值点的语音边界检测

针对基于短时能量和过零率相结合的语音边界检测法在实际应用中的不足 ,提出了一种改进方法———基于短时相关性和极值点的语音边界检测法 ,并在MATLAB环境下进行实验测试 ,在语音客观评价及语音识别算法中取得了良好的效果 .

基于音频匹配的藏语驱动视觉语音合成算法研究

为解决唇部轮廓检测精度较低、视觉语音合成效果不好的问题,提出了基于音频匹配的藏语驱动视觉语音合成算法。该算法从藏语驱动视觉语音信号中提取短时能量和过零率,并建立语音信号的短时自相关函数。首先,提取语音信号中的特征信息,以此获得藏语语音信号的基音轨迹,即音频特征;其次,建立了唇部时空分析模型,分析唇部轮廓在发音过程中变化趋势,采用主成分分析法提取唇部轮廓特征;最后,通过输入输出隐马尔可夫模型获取音频特征与唇部轮廓特征之间的关联,在音频匹配的基础上合成藏语驱动视觉语音。实验结果表明,该方法具有较高的唇部轮廓检测精度,视觉语音合成效果较好。

基于ACF-AMDF的气井环空液面回波特征提取方法

为了精确有效地提取声波法检测气井环空液位的回波周期,在分析环空中测试波的传播特征及基音周期检测的基础上,提出1种基于检测信号短时自相关函数(ACF)及平均幅度差函数(AMDF)的液面回波周期提取方法;利用自主搭建的室内模拟实验系统开展了不同初始环空压力下环空液位检测实验;对检测信号进行中心削波处理并计算ACF/AMDF,提取出液面回波周期并与理论计算值对比分析;同时分析了现场环空液位检测信号,提取其回波周期。研究结果表明:提出的新方法能有效地用于提取环空液面回波周期;室内实验中,该方法最大误差绝对值为1.54%;该方法能够有效抑制液面回波信号中的随机噪声及接箍反射波等,处理后的信号曲线在回波周期处峰值更加突出、集中,而在其他位置更加平滑,提高了对液面回波周期特征的辨识能力。

直升机声信号的特征分析

根据传统语音信号的分析方法分析了直升机声信号,采用MATLAB软件进行了仿真,提取出了两种直升机声信号的短时自相关函数、短时频谱图和线性预测系数LPC,并分析对比了两种不同型号直升机声信号的特征。实验结果表明短时自相关、短时频谱和LPC等特征参数能较好地分析与识别不同类型的直升机声信号。

一种藏语连续语音声学特征参数提取算法研究

声学特征参数提取是连续语音信号处理过程中的关键环节之一。介绍了目前藏语语音声学特征参数提取研究基本情况,设计了提取藏语连续语音时域波形、短时平均能量、短时过零率、短时自相关函数以及连续语音基音轨迹的流程;在Matlab环境下进行编程仿真,结合藏语语音发音特征进行藏语连续语音参数特征分析,实验表明这些参数基本上能够很好的表征藏语连续语音中的声学特征,为藏语连续语音识别、语音合成和语音数据处理提供参考依据。

基于ACF的基音检测算法

提出了基于短时自相关函数(ACF)的基音检测算法,并利用修正的ACF对此算法进行改进,通过结合相应的预处理、后处理技术,可以有效地实现浊音和清音激励语音信号的区分以及浊音激励语音信号的基音周期检测.

语音通信中信号的清浊音判别

文章采用了一种基于三参数组合的方法对语音信号进行清/浊音判决。在传统两参数(短时能量和过零率)算法的基础上增加了自相关函数作为判决参数,减少了清/浊音信号的误判率。经计算机仿真表明,算法切实可行,且算法误判概率小。

加性噪声环境下语音特征参数提取方法的研究

提出一种具有良好抗噪性的语音特征分析方法.将语音信号的短时自相关序列进行时间方向上的平滑处理,然后利用平滑后的序列代替原语音信号进行线性预测分析,从而得到线性预测倒谱系数.实验表明,利用该特征参数的语音识别系统的识别性能优于MEL倒谱系数、LPC倒谱系数等传统的语音特征参数.

基于声学特征的腭裂语音声韵母切分

设计了一种腭裂语音的声韵母切分算法。通过主观的波形测试和客观的F检验及t检验,证明了腭裂语音与正常语音具有显著性差异。定义声母具有清音音素特性的音节为Ⅰ类音节,声母具有浊音音素特性的音节为Ⅱ类音节。首先基于层次聚类模型自动判别Ⅰ类、Ⅱ类音节,然后定义类浊音权重函数和类清音概率函数,实现Ⅰ类音节的声韵母一级切分,再通过短时自相关函数峰值个数的一阶微分实现Ⅰ类音节声韵母的二级切分。基于声韵母波形差异性,检测短时自相关函数的能量跳变点,实现Ⅱ类音节的声韵母切分。通过大样本实验,结果表明提出的腭裂语音声韵母自动判别算法具有较高的正确率,Ⅰ类音节的正确率达到90.72%,Ⅱ类音节的正确率为92.90%。

一种双门限语音端点检测算法

在实际的噪声环境中,传统的语音端点检测算法容易出现误判、虚判和漏判等问题。因此,本文提出了一种基于短时能量和短时自相关函数的双门限语音端点检测方法,通过分析语音短时能量和短时自相关函数,设计出一种双门限语音端点检测算法。把传统算法和本文算法应用在基于DTW算法的语音识别系统中并进行了Matlab仿真。通过对比实验数据,得出本文提出的算法能够显著提高语音识别系统的识别率的结论。

基于Matlab的基音周期检测

基音周期检测是语音信号处理的重要内容,在语音合成、编码和识别中发挥着重要作用。短时自相关函数法和倒谱法是基音周期检测的常用算法。为对比短时自相关函数法和倒谱法的检测性能,在分析两种算法基本原理的基础上,采用Matlab仿真平台对两种算法建模。仿真结果表明,倒谱法与短时自相关函数法估算出的基音周期精度相近,均有较好的基音周期检测效果。