论文部分内容阅读
语言是人类最重要的交流工具，与机器进行语音交流，让机器明白我们说的是什么，这是人们长期以来的梦想。随着信息技术的发展，语音信号处理的重要性日显突出，比方，它将成为信息化战争不可或缺的重要组成部分。在语音信号处理中，重点是分析研究表征语音信号本质特征的参数，只有很好地掌握语音特征参数的提取，才可能依据这些参数来进行语音增强、语音识别、语音合成和语音压缩编码等处理。基音周期是描述语音激励源性质的重要特征参数之一。针对目前基音检测的研究状况，本文做了以下研究工作：(1)对传统的自相关法进行分析，发现该算法中随着延时量的增加相关系数求和项数逐渐减少，导致自相关函数中峰值的幅度逐渐减小，给峰值位置的检测带来困难。针对该情况，本文提出了改进自相关法。通过实验仿真，验证了本方法对峰值幅度的衰减有很好的抑制作用，突出了峰值信息。(2)自相关函数法和小波变换法是经典的基音检测方法,但自相关法存在倍频和半倍频的影响,而小波变换存在伪峰值影响，在简要分析单独使用它们进行基音检测存在不足的基础上,提出一种结合改进自相关与加权小波分量的检测方法。将多级小波变换分量加权求和以突出语音的基音信息，然后将两种方法结合突出真实基音周期点处的峰值。实验表明,与传统的自相关函数法和小波变换法独立使用相比,两者相结合的方法减少了倍频、半频及伪随机点的错误,提高了基音检测的精度。(3)根据语音信号非平稳非线性的时变特点，提出了一种基音周期检测的希尔伯特-黄变换方法。首先利用短时能量对语音进行清浊音判断，再经过经验模态分解将信号分解为若干固有模态函数，然后对每个固有模态函数进行希尔伯特变换求其瞬时幅值与瞬时频率，根据基音特点对分解得到的固有模态函数加权求和突出基音周期信息，最后采用自相关平方法进行基音检测。实验表明，本方法较传统的基音检测法精度有所提高，且鲁棒性较好。