一种改进的基于ATeager能量和循环平均幅度差的基音检测

基音检测是语音处理中的一个非常重要的问题,但基音周期的准确估计非常困难,现有的方法在实时应用中,计算量都较大,本文对文献[2]提出的基音检测算法对之进行了改进,利用本文提出的ATeager(反Teager)能量,用于清浊音判决,提出了一个新的基于循环平均幅度差和ATeager能量的基音周期检测方法,实验验证了算法的可行性和有效性。因其计算量小,抗噪性也很好,应用性较强。

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。

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。

说话人性别识别系统的DSP实现

TM S320VC 5416 DSP是德州仪器公司近年来推出的16位定点数字信号处理器,他不但运算速度快,而且功耗低,是目前全球应用最广泛的DSP芯片。介绍了利用TM S320VC 5416 DSP实现实时说话人性别识别系统。系统采用循环平均幅度差函数(CAM DF)检测基音周期,能够快速、有效的判别说话人的性别。另外,采用DSP/B IO S开发工具编写代码,大大降低了代码的执行时间,满足实时的需求。经过对系统的反复测试,证明其具有较高的可靠性和实时性,所以有广泛的应用空间和良好的市场前景。

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。

基于听觉外围模型的音频基频估计方法

针对音频信号中的暂态成分对基频检测可靠性的影响,提出了一种基于听觉外围模型的基频估计方法。该方法根据听觉外围模型来模拟声音在人耳内耳听觉神经上传导过程,并利用循环平均幅度差函数判断每个神经传导信号上呈现的时域周期性,进而提取音频信号的基频。实验结果表明,在纯净音频条件下,该方法能准确地估计出音频信号的基频,并且在不同音量打击乐信号的干扰下,所提方法的平均错误率低于三种参考方法。

一种高效的基音估计算法

分析已有的一些基音估计算法,对比其优缺点,提出一种可大大提高计算速度的高效基音估计算法。该算法是利用平均幅度差(MAMDF)法提取若干个可能峰值点,再利用计算精度较高的循环平均幅度差(CAMDF)法对这几个点进行验证,选取数值最小的点作为基音周期。由于只对几个点求CAMDF函数,因此运算量大大减小。

弹道中段目标进动周期的估计

为了克服循环平均幅度差函数法(CAMDF)估计弹道中段目标进动雷达散射截面(RCS)序列周期产生加倍误判的问题,引入了平均幅度差函数的凸包函数的概念,提出了凸包循环平均幅度差函数法(CHF-CAMDF)处理弹道进动目标的RCS序列,将处理后序列的最小谷值点所在位置与采样频率的商值作为所估计弹道目标的进动周期。相较于CAMDF,CHF-CAMDF在抑制加倍误判、抗噪性能以及序列长度敏感性三个方面都具有明显的优越性,能够有效地提取弹道中段目标的进动周期,提供了一种有助于真假弹头识别的可靠依据。

基于线性预测技术的语音基音检测

针对语音基音检测易受加性背景噪声和共振峰干扰的问题,提出了一种基于线性预测技术的语音信号基音检测算法。该算法在维纳滤波基础上,利用线性预测(LPC)技术得到预测残差信号,再对其做自相关(ACF)和平均幅度差(AMDF),得到基音的检测结果。其检测效果比单一自相关函数法和平均幅度差函数法有明显的改善。