基于基音周期轨迹的连续汉语语音切分技术研究

连续语音识别技术是人工智能领域的研究热点之一,连续语音切分是语音识别的关键环节。实现准确可靠的连续语音切分算法,能够明显提升连续语音识别系统的性能,符合目前连续语音识别系统的应用需求。论文通过分析汉语语音识别的建模单元、汉语的语言结构和发音规律,综合利用语音信号的时域特征、频域特征与倒谱域特征,依据基音周期轨迹的断点和斜率变化,设计浊音检测与多级切分算法,实现了连续汉语语音切分技术。实验表明,算法能够取得较好结果,且在噪声环境下具有较好的鲁棒性。

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。

一种新的鲁棒基音周期估计算法

为了实现甚低码率下的透明语音质量参数语音编码,该文提出了一种新的鲁棒的基音周期估计算法。这种算法采用了改进的自相关函数计算方法,实现了鲁棒的基音周期轨迹跟踪。这种算法不仅能够跟踪快变的基音周期,增强不规则脉冲时基音周期的估计;还能够鲁棒地估计陡变的基音周期。非正式的测试表明这种算法改进了基音周期的估计值,能够极大地降低由于不准确的基音周期估计而引入的听觉失真。

循环AMDF及其语音基音周期估计算法

基音周期是语音压缩、合成以及识别中的一个重要参数 .传统的基于AMDF的基音估计算法容易导致估计的基音周期加倍 .本文针对该现象 ,分析了AMDF函数的特性及其用于基音检测时存在的不足 ,提出了新的CAMDF函数 .CAMDF有效地克服了AMDF函数的不足 ,简化了基音检测过程 .在此基础上 ,本文给出了新的基于CAMDF的基音检测算法 .该算法不仅简化了基音检测过程 ,而且降低了误判率 ,提高了估计精度 .大量实验表明其性能优于其它AMDF或LVAMDF的方法 .

一种基于Hilbert-Huang变换的基音周期检测新方法

利用Hilbert-Huang变换对语言信号处理中基于事件的基音周期检测问题提出了一种新的检测方法.该方法利用Huang等人1998年提出的具有高时频分辨能力的H ilbert-Huang变换分析语音信号,并提取其瞬时能量,通过精确定位声门脉冲发生的时刻,从而精确地跟踪基音周期的变化,达到精确检测基音周期的目的.与传统方法相比,其优点主要表现在:(1)不需要对语音信号作短时平稳性假设;(2)检测精度高,适应范围广;(3)具有跟踪基音周期变化的能力;(4)能精确区分清浊音;(5)与传统方法相比,帧长大大增加,因而,在提取连续语音信号的基音轮廓时,用于分帧和拼合的开销大大减少,帧间拼合痕迹小.仿真数据和实际语音信号检测实验均获得了相当精确的检测结果.最后,需要指出的是,H ilbert-Huang变换作为一种新的信号分析方法,被成功地用于提取语音信号的基音周期,这本身是一个有意义的探索,它为拓展H ilbert-Huang变换理论的应用给出了一个新的尝试.

基音周期估计算法在声调康复训练中的应用

汉语是一种声调语言,而声调的识别是以基音周期的估计为基础的。文章首先用LPC求残差系数,然后对残差系数求自相关周期,进而求出基音周期,再结合计算机智能诊断,提出了一套适合临床语言障碍患者进行语音诊断和康复训练的方法。

基于声门闭合时刻估计的语音基音周期的提取

根据语音信号在声门闭合时刻（ＧＣＩ）的锐变特性，通过检测语音信号小波变换发生在ＧＣＩ附近的局部极大值的位置估计声门闭合时刻，两个相邻ＧＣＩ的距离为该段语音的基音周期，它的倒数即为基频Ｆ０．实验结果表明，采用本方法检测到的基音周期准确，能按基音周期及时反映它的迅速变化，且抗噪声性能强，还能可靠的判别清／浊音．

基于LPC残差用频域法来实现基音周期变换

基音周期变换是文—语转换和语音转换的重要内容。在语音转换中有很多作者主张基于LPC分析来实现语音转换,通过直接或间接调整LPC系数来实现频谱包络的转换,而基音周期的转换则通过对LPC激励谱或LPC残差的处理来实现。提出对LPC残差用频域法来进行处理,得到改变了基音周期的LPC残差,从而实现语音的基音周期的变换。这种方法也可以用于文—语转换的基音周期改变中。

语音基音周期检测方法

针对现有语音基音检测算法抗噪能力低的问题,利用多尺度连续小波对语音信号进行预处理。基于短时平均幅度差函数和短时自相关函数,提出一种语音基音周期检测方法,在确保运算量较低的前提下,获得准确结果。使用平滑算法消除倍频点、半频点和随机点产生的误差,实现基音曲线平滑。

基于前置滤波和小波变换的带噪语音基音周期检测方法

根据语音信号的基音周期范围有限和在声门闭合时刻语音信号出现锐变的特点 ,提出一种基于前置滤波和小波变换的基音周期检测方法。带噪语音信号经过 3阶椭圆低通滤波器滤波后 ,采用以二次样条小波作为小波函数 ,进行一级小波变换检测语音信号的锐变点 ,再计算基音周期。实验表明 ,本文提出的基音周期检测方法 ,与平均幅度差函数 ( AMDF)和自相关函数 ( ACF)方法相比 ,提高了提取基音周期的准确率 ;与多尺度小波变换的基音周期检测方法相比 ,减小了计算量 。

SELP声码器基音周期参数量化合成改进算法

针对正弦激励线性预测(SELP)声码器在解码端使用整型基音周期会引入额外舍入误差的问题,提出了一种码本整型化修正算法,该算法通过对码本中的各个码字在线性域进行取整,达到与解码端反量化过程一致的效果。测试结果表明,该算法能够有效地降低基音周期对数域矢量量化的量化误差,并且能够将合成语音的平均意见得分(MOS)提高0.05左右,明显改善合成语音质量。

基于基音周期的语音MFCC参数提取

提出了一种可用于改善说话人识别效果的基于基音周期的可变窗长语音MFCC参数提取方法。基本原理是将原始的语音分解为当前基音周期整数倍长度以内部分及其以外部分,并保留前者舍去后者,以减小训练语音与测试语音的频谱失真。通过文本无关的说话人确认实验,验证了该方法能有效提高说话人确认的识别率,并能提高短时语音的稳定性。

改进的基音周期检测算法研究

针对传统的短时平均幅度差函数(AMDF)法由于出现均值下降趋势,谷点并非全局最低谷点而导致基音周期提取中的倍频和半频错误出现的情况,提出一种改进算法。将传统的AMDF经过经验模式分解(EMD)处理后去掉趋势项重组新的EMDAMDF,再利用短时自相关函数(ACF)对其进行加权,构造新的EMDAMDF/ACF加权平方特征检测该语音帧的基音。仿真结果表明,该方法有效地加强了AMDF的谷值特性提高了基音周期检测的准确率。

基于小波变换的语音基音周期鲁棒性检测

固定门限的小波变换基音检测算法,在浊音信号起始段和结束段的模极大值不能有效提取。文中提出一种基于小波变换模极大值的基音周期自适应前后向跟踪算法,并结合过零率检测,实现了弱浊音信号基音周期的鲁棒性检测。算法对浊音信号采用自适应帧长,对陡变的基音周期能够准确提取,对噪声有较强的鲁棒性。

一种多小波滤波器在基音周期提取中的应用

基音周期是嗓音信号的重要特征参数之一,它在病态嗓音医学临床检测中有广泛的应用。推导了一组双正交多小波滤波器,提出了多小波滤波器与自相关结合的基音周期检测方法,构造了包含汉语拼音6个元音的短语句,利用多小波滤波器从语音信号中提取低频信号,再使用自相关法检测语音信号基音周期。结果表明,该方法提取基音周期具有正确率较高、准确率较高和抗噪性较强的特点,在不同噪声环境下均优于自相关法、单小波与自相关法相结合的方法,尤其在较大噪声干扰下该方法具有明显的抗噪能力,不受语音信号非平稳特性的影响,可以有效地提取病态嗓音的基音周期。

一种基于线性预测与自相关函数法的语音基音周期检测新算法

阐述了一种新的基于语音线性预测模型和经典自相关函数法的基音周期检测算法。该算法的特点在于着重对被处理语音进行滤波预处理和平滑后处理。它克服了自相关法在对低信噪比的语音信号检测时常出现半倍频误差的缺点,同时又克服了对某些变化曲线较大的语音信号检测时随机错误较多的问题。实验表明,在噪声环境下,这种处理方法能够提高传统自相关基音检测法的可靠性和准确性。

基于FFT-ACF和候选值估计的基音周期提取方法

利用FFT-ACF算法进行基音周期候选值估计,减少在语音基音周期提取中常见的倍频和半频错误,提出针对候选值的多重后处理算法.后处理过程:首先运用峰值筛选法进行初选,接着利用一次均值法将语音分为不同的音高段,再使用二次均值法为每个音高段确定合适的频率范围,最后精确提取出基音周期.实验结果表明,基音周期后处理算法有效,在音乐哼唱识别应用中收到良好效果.

基于线性预测和小波变换的语音基音周期检测新算法

将小波变换与语音信号短时线性预测（LPC）及自相关函数相结合，得出了清、浊音判决及基音周期检测的新算法，实验结果表明该算法性能良好．

一种小波变换与时域波形相结合的基音周期检测方法

提出了一种利用小波变换和语音信号波形本身信息相结合的方法来检测语音信号的基音周期，它克服了只用小波变换方法在对某些信号检测时阈值难以确定的缺点，同时又克服了纯粹利用波形信息来检测时随机齿状噪声的干扰问题，而且计算量也比利用小波变换法和自相关法小得多。在真实的语音信号基音周期检测的计算机仿真实验中取得了较好的效果。

基于FPGA的实时基音周期估计系统

提出一种基于现场可编程门阵列FPGA的实时基音周期估计系统。语音信号先通过模数转换器转换成无符号位的8-bit的语音数字信号,然后,对每一帧语音信号进行电平削波,并将削波后的语音信号转换为带符号位的2-bit的数字信号,再采用自相关函数方法估计语音信号的基音周期,对一帧带符号位的2-bit的数字信号做自相关运算能够转换为简单的加法运算,只要用简单的组合逻辑电路和计数器就能够实现。使用SpartanIIXC2S30芯片将实时的基音周期估计算法用芯片内的存储器、门电路和时序电路实现,达到实时基音周期估计的目的。