一种改进的短时平均幅度差函数算法

在语音信号分析中,对于基音周期的提取目前已有较多的分析和处理方法,在现有的短时平均幅度差函数(AMDF)的处理方法中,只需要加、减和取绝对值运算,运算量较之短时自相关函数大大下降。同时,AMDF函数的谷点提取基音周期比自相关函数的峰值更加尖锐,错判率相对较少,稳健性更高。然而,传统的AMDF算法对窗长的要求较为严格,窗长较短就会有较大的误差。本文针对该缺陷做出的改进算法,使之无论窗长多大均会有较为准确的结果,大大拓展了AMDF算法的适用空间。进一步,将其与同态处理结合,会有更好的效果。

基于短时平均幅度差函数的带噪语音端点检测算法

传统的基于自相关函数的端点检测算法有两个方面的问题,一是计算量大,二是要进行语音信号基音周期的提取.提出了一种改进的方法,用短时平均幅度差函数代替自相关函数,节约了计算量;利用浊音与噪声平均幅度差函数的区别省去了基音周期的计算,同时也避免了误差带来的问题.传统算法与改进算法的仿真比较表明,改进算法的检测曲线噪声容限大,所以在低信噪比下也表现出了较强的稳定性.

基于循环自相关/平均幅度差函数的弹道目标微动周期估计

雷达微多普勒(m-D)是弹道目标的突出特征,为弹头识别提供了重要手段。然而,当弹道目标的微动伴随平动时,时频分布不再表现为正弦调制曲线,此时基于时频分布正弦假设的微多普勒特征提取方法可能失效。针对这一问题,提出了一种循环自相关函数(CACF)和循环平均幅度差函数(CAMDF)相结合的估计算法,来获取时频分布的循环系数矩阵和该矩阵的平均循环系数,从而估计出弹道目标的微动周期。该算法以时频分布的循环周期性代替正弦调制的周期性,不需要假设目标平动已被准确补偿,有效克服了传统微动周期估计方法的不足。理论推导论证了该算法的可行性,仿真实验验证了该算法的有效性和抗噪性。

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。

基于音频波形极值的基音检测方法

提出了一种基于波形极值的短时基音检测算法。在对语音数据进行预处理、清浊音判断后,提取语音波形极值,进行波形修正,计算幅度差,采用一定的基音判断准则查找基音。该算法无需对音频数据做分窗处理,且主要运算是对波形极值进行处理,比常用的AMDF有着更小的计算量,且有较高的精度。实验结果表明,利用该方法能够很好地得到基音周期,适宜进行实时处理。

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 .

基于LV-AMDF的自适应基音检测算法

根据语音信号的基音周期范围有限和周期相对稳定的特点,改进了可变长平均幅度差函数法(LV-AMDF),提出一种自适应幅度差法检测基音周期。它在语音非稳定段通过简单的谷值点评选机制,筛选当前谷值点以及历史谷值点,得到较精确的基音周期;在语音稳定段依据历史谷值点缩短语音段的比较范围,减少计算代价。还改进了浊音起止点检测算法,使浊音起止点的定位更精确。实验证明,该方法在不同的信噪比环境下有效地降低了半周期和倍周期点的发生率。

基于短时能量的循环AMDF基音检测算法

在语音识别优化问题的研究中,基音周期是语音信号的重要特征参数,准确提取十分困难。传统自相关函数(ACF)、平均幅度差函数(AMDF)等基音检测算法在基音周期提取中容易出现估计结果减半或者加倍的情况,导致检测结果准确率降低。针对上述问题,提出了短时平均能量和循环平均幅度差函数(CAMDF)相结合的基音周期检测方法。实验结果表明,改进方法在有效分离清浊音的基础上,加强了浊音基音周期所处采样点的谷值特性,减少了估计结果的半倍频错误,提高了基音周期估计精度,性能优于传统算法。

弹道中段目标RCS周期特性及其估计方法

分析了弹头目标的RCS周期特性,指出了传统频域分析方法的不足,提出了一种新的RCS周期估计方法。通过合成循环平均幅度差函数(CAMDF)和循环自相关函数(CAUTOC),有效克服了传统频域估计方法的不足,且具有优良的抗噪性能。仿真实验结果表明该方法能明显改善RCS周期估计的精确性和稳定性。

一种改进的模糊Smith预估器

针对具有不确定特性的大滞后系统,基于传统的Smith预估器结构,提出了一种改进方案。利用相关性分析技术实时调整预估器的滞后时间估计,并采用自适应模糊补偿器在线修正预估器的增益估计,在对象参数不稳定或受扰动的情况下可使预估器的参数迅速跟踪并收敛于对象参数,从而确保系统状态的稳定。该方案增强了系统的鲁棒性,克服了传统Smith预估器需要精确模型的缺点。仿真结果表明,该方案具有较强的参数适应性,对时变大滞后对象具有良好的控制效果。

改进的基音检测算法

提出了一种改进的基音检测算法。利用LMS自适应滤波器对带噪语音信号进行语音增强,再求语音信号的自相关函数(ACF)和平均幅度差函数(AMDF),对ACF峰值和AMDF谷值进行分析,提取改进的ACF/AMDF加权平方特征进行基音检测。实验结果表明,改进算法的检测效果明显优于传统方法,在低信噪比环境下,鲁棒性较好,提高了检测精度。

一种改进的AMDF求取语音基音的方法

文章在已经被广泛运用的平均幅度差函数(AMDF)的基础上,针对其通过求取“第一谷值点”会产生误差,而求取“最小谷值点”会遇到周期增倍等问题,提出了改进的AMDF方法,它通过简单的预测谷值范围、循环AMDF和线性变换等步骤实现了精确的基音检测。实验结果证明:无论是对不同的语音(男、女音),还是在不同的信噪比情况下,其检测结果都优于传统的AMDF法和LV-AMDF法。

时延匹配加权的舷外异常噪声源曲面投影定位方法

对现有的"滤波-时延估计-双曲面定位"的声源定位方法进行改进。结合经验模态分解消噪方法和广义平均幅度差函数时延估计方法,利用能量分布准则和频谱一致性准则进行源信号本征模态函数筛选和信号重构,提取多组分析信号求取时延,并利用时延匹配准则对真实时延值进行筛选和加权处理。考虑水听器贴近壳体布放,对壳体进行建模,并按照象限投影到平面再进行双曲线定位。分别进行模型系泊及航行实验,实验结果表明,改进后的定位方法有更高的定位精度,且减小了时延估计误差造成的定位精度影响。

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 。

利用小波变换加权自相关的基音检测法

自相关函数法、平均幅度差函数法及小波变换法是经典的基音检测方法,本文简要分析了单独使用它们进行基音检测时存在的不足,提出了一种基于小波变换的加权自相关的检测方法。将多级小波变换的近似分量加权求和以突出基音信息,采用改进的平均幅度差函数加权自相关函数的方法以突出真实基音周期处的峰值,提高基音检测的正确率。实验表明,与传统的自相关函数法和平均幅度差函数法相比,本文方法减少了倍频和半频错误,提高了基音检测的精度,在信噪比为-5 dB时仍能得到较准确的结果。

基于EMD的AMDF基音检测改进算法

提出了一种基于经验模式分解的平均幅度差函数基音检测改进算法.该算法首先求取每帧浊音语音的AMDF;而后利用EMD对AMDF进行分解,得到有限个本征模式函数和残余分量,利用所有的IMF重构组成新的EMDAMDF;最后利用EMDAMDF检测出该语音帧的基音.仿真结果表明,由于能够有效地去除传统AMDF的均值下降趋势,该算法的性能明显优于传统的AMDF和CAMDF.

一种改进的自适应Smith预估器

传统的Smith预估器是基于被控对象的精确数学模型而设计的,对于缺乏精确数学模型且参数时变的大时滞系统,常规的Smith预估控制规则就很难获得令人满意的控制效果。文章在一种增益自适应Smith预估补偿器的基础上,利用信号的相关性分析技术中的平均幅度差函数,实时调整预估器的滞后时间;仿真表明,该算法具有较好的性能,加强了Smith预估器抗干扰能力,改善了参数时变的大时滞系统的鲁棒性。

结合语音增强的基音检测改进方法

针对低信噪比情况下,语音信号传统的基音检测方法鲁棒性较差的问题,提出一种结合语音增强的基音检测改进方法。通过基于听觉掩蔽的多频带谱减法减小带噪语音信号背景噪声,得到较干净的语音;将增强后的语音作为基音检测的待处理语音,利用能零积和能零比的多门限法对其进行清浊音判决;在平均幅度差函数(AMDF)加权自相关函数(ACF)的基础方法上进行改进,实现精确的基音检测。理论与仿真结果表明,在信噪比为-10dB时,该方法依然能够精确检测基音周期,鲁棒性明显提高。

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。

用于语音端点检测的鲁棒性特征提取新方法

针对实际噪声环境中的语音端点检测问题,提出了一种适用于不同噪声类型的鲁棒性特征提取方法。该方法把基音检测中的循环平均幅度差函数应用到端点检测的特征提取中,并与基本的谱熵相结合,具有适用范围广和不需要噪声先验知识的优点。仿真实验验证结果表明:该特征对于多种类型的噪声有明显的抑制作用,并且在低信噪比时仍然有效。