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。

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。

基于ACF和AMDF的基音检测改进算法

自相关函数法和平均幅度差函数法是基音周期检测的两种常用方法,两者具有独立且相似的统计特性。在讨论了传统基音周期检测算法及其缺点后,提出了综合应用ACF和AMDF函数进行基音检测的算法。该算法简单可行,性能优于一般传统时域基音周期检测算法。从仿真结果可以看出,对于含噪语音信号,该算法具有较强的抗噪能力。

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.

幅值补偿的AMDF基音周期检测算法

传统的基于AMDF及其改进算法LV-AMDF容易导致检测基音周期时产生加倍、减半等错误。针对该现象,分析了AMDF、LV-AMDF函数的特性及其用于基音检测时存在的不足,提出了幅值补偿AMDF算法来检测基音周期,降低了基音检测中经常出现的半频、倍频错误,提高了检测的精度。实验表明该方法基音检测性能优于AMDF和LV-AMDF的方法。

基于线性预测编码与AMDF的高精度基音检测算法

根据语音信号产生原理,结合线性预测编码(LPC)与平均幅度差函数法(AMDF),提出了一种高精度的基音检测算法。该算法首先利用线性预测分析提取残差信号;然后采用累积平均归一化差分函数与差分信号修正,使基音周期的谷值点更加尖锐;最后利用二次函数拟合与基音周期的倍数检查筛选候选值,得到了准确的基音周期。实验结果表明,与传统方法相比,该算法的基音检测效果有了明显改善,减少了基音检测中的半频错误,在高信噪比下具有良好的准确性和鲁棒性。

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DWT的AMDF基音检测改进算法

平均幅度差函数(AMDF)法是一种常用的基音检测算法,但由于AMDF存在严重的均值下降趋势,使得用这种算法在提取基音的过程中易产生错误.为克服该缺点,提出了一种基于离散小波变换(DWT)的AMDF改进算法(DW-AMDF),该算法首先求取每帧浊音信号的AMDF,利用DWT提取出AMDF中的下降趋势,去除下降趋势后得到DW-AMDF用于检测基音.实验结果表明,与传统的AMDF算法及其几种典型的改进算法相比,该算法的检测精度有了明显的提高.

基于AMDF的藏语语音基音周期检测

基音周期是语音信号最重要的参数之一，它描述了语音激励源的一个重要特征。被广泛应用到语音合成、语音识别等领域。本文介绍了一种基于AMDF的语音基音周期检测方法，较好的提取了语音的基音周期。

一种基于多项式拟合的AMDF基音检测改进算法

为了解决传统平均幅度差函数(Average Magnitude Difference Function,AMDF)基音检测算法在实际使用中有时发生检测错误的问题,在基于趋势分析的改进框架下,提出了多项式拟合的方法表示和提取AMDF的均值下降趋势。首先假设均值下降趋势为多项式的形式并利用最小二乘法估计出多项式的参数,接着根据基于趋势分析的AMDF改进框架,从AMDF中减去提取的均值下降趋势,从而得到改进的AMDF(文中定义为PFmAMDF)。最后,使用Keele基音数据库对PFmAMDF的性能进行了评价和测试。实验结果表明,基于多项式拟合表示和提取均值下降趋势的方法是完全合理可行的;无论是纯净语音还是不同信噪比的噪声环境下,PFmAMDF的检测准确率均明显优于CAMDF、EAMDF、EMDAMDF和LSAMDF。

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。

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。

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。

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。

一种无门限U/V判决和基音检测算法

在实验研究自相关法(ACF)和平均幅度差法(AMDF)基音检测性能的基础上,提出了一种无门限清/浊音判决和基音检测算法。该算法对语音帧分别计算AMDF和LPC残差信号的自相关(LACF),比较两种方法所得的基音,得出清/浊音判决结果和浊音帧的基音周期。只用一次逻辑判断,无需比较门限;在多种声码器上应用该算法进行语音编/解码仿真实验,表明判决和检测算法具有较高的准确性和较强的噪声鲁棒性。

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。

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。

基音检测过程中减小共振峰影响的算法探究

基音周期是语音信号最重要的参数之一,旨在比较基音周期提取过程中的带通滤波和中心削波两种方法。并且在此基础上比较自相关函数和平均幅差函数两种基音周期检测算法。经过实验,明显得出:综合带通滤波和中心削波两种方法之后,从而得到改进后的基音检测方法,能够更准确更有效地提取到语音信号的基音周期。

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。