一种实时基音检测算法

为了克服目前诸多基音周期检测算法迟延较大的缺点 ,本文提出了一种基音周期的实时检测算法 .实验结果表明 :该算法可在当前帧内实时提取精确的基音周期估计值 ,减少了传统的自相关基音检测算法因平滑处理而带来的编码迟延 .

汉语浊音基频实时检测技术研究

论述了语音基频实时检测机理,介绍了变异滤波技术和信号分离技术,提出了让语音信号工作在滤波器过渡带上的新方法,有效地抑制了高次谐波,实现了语音基频的精确实时提取。

一种实时检测语音基频的新方法

汉语浊音基频的实时检测是语音识别的关键技术之一。本文介绍一种采用模拟滤波技术,使语音信号工作在滤波器的过渡带上,从而有效地抑制高次谐波,精确实时提取语音基频的新方法。文章还对其基频检测机理和采用“过零检测,信号分离”技术提高基频量测精度作了较详细的论述。

高阶有源滤波网络的优化综合及其应用

提出了一种基于二阶、三阶巴特沃兹滤波器传递函数的高阶滤波网络的优化综合方法 ,并给出了在实时提取汉语浊音基频中的应用实例 .实验结果表明用该方法实现高阶有源滤波网络 ,参数选择方便 ,性能稳定 ,在仪器仪表、工程测试。

一种基于基音频率的实时性端点检测方法

端点检测是语音识别中的一项关键技术,端点检测的准确性对语音识别的结果有很大影响。本文提出一种引入自适应门限的基于基音频率的检测算法,并对文中提及的几种算法的实时性进行了实验与分析。大量实验表明,在低信噪比下,该算法具有较高的准确率和很好的实时性,适用于鲁棒性、实时性的语音识别。

一种提高基频实时提取精度的新方法

提高汉语浊音基频实时提取精度是语音识别的关键技术之一。本文论述了汉语浊音基频实时提取的意义、难度和误差分析,提出—种“过零检测,信号分离”的新方法。它能有效地减小工频调制误差,振幅起落误差和背景噪声误差,从而达到提高基频量测精度之目的。

一种基于动态平滑的实时基频提取算法

基频是语音信号处理中的一个基本声学特征。传统的基频提取算法为了获得较好的检测效果,需要复杂的时频域计算。对于资源受限的应用条件,例如人工耳蜗等嵌入式实时系统,很难应用计算量大的基频提取算法。语音信号的基频具有短时平稳性,根据这个特点来确定基频候选值可以提高提取的准确性。据此,提出一种基于动态平滑的基频提取算法,使用此算法对汉语声调词库进行基频提取,并与另外两种基频提取算法进行比较。实验结果表明,新算法的基频绝对平均估计误差小于3Hz,优于另两种算法,能够准确地提取基频,同时算法计算量低,适合实时应用。

基于循环神经网络的实时语音增强算法

基于循环神经网络的RNNoise语音增强算法在非稳态噪声环境中有着优良的噪声抑制效果,但在应对未知噪声时,存在增益估计偏差、频带增益估计过平滑的问题,而基于统计模型的MMSE-LSA语音增强算法,在噪声估计不准确的情况下,也能取得良好的噪声抑制效果。为结合两者的优良特性,将RNNoise中的频带增益估计转换为频带先验信噪比作为神经网络的输入特征,结合基音检测算法修正谐波增益,提出一种可抗非稳态噪声的实时语音增强算法MMSE-RNNoise。对比实验验证了改进算法的可行性,其实时语音增强性能有了一定提升。