含噪语音信号的基音提取算法的研究

摘要

语音信号的基音周期是其非常重要的特征参数之一,它是语音信号中浊音信号的周期,携带着信号中大部分有用信息,利用它可以有效实现语音合成、语音识别、语音编码、说话者身份识别等技术,为此,分析和应用语音信号的前提是特征参数的准确提取。
　　 为了提取和检测淹没在噪声中的语音信号,本文在对含噪语音信号的特征和现有的基音周期方法进行深入研究的基础之上,提出了针对含噪语音信号进行基音周期提取的新方法,大大提高了基音检测准确度,降低了运算的复杂度。
　　 本文对原有的基音周期检测方法进行了研究和分析,通过实验仿真指出了各自的适用条件和优缺点。
　　 根据空域相关滤波法能够在低信噪比下取得很好的降噪效果,提出了将空域相关滤波法和时域波形相结合的基音检测算法。该算法采用空域相关滤波法和中心削波相结合对含噪语音信号进行预处理,然后提取所需语音信号的波形信息,根据“使得所有匹配项具有最小误差”的原则进行信号匹配,进而求出初始的信号基音周期,最后结合中值滤波法对所得基音周期进行平滑得到最终的基音周期,并通过实验仿真与实际数据相对比,验证算法的可行性和准确性。
　　 根据经验模态分解法的多分辨率特性,提出了将EMD软阈值降噪法与Hilbert-Huang变换相结合的基音检测算法。该算法首先对原始语音信号进行EMD分解,然后在各层IMF分量上设置阈值,进行降噪处理,再对降噪后的各支IMF分量计算瞬时频率和瞬时幅值,得出Hilbert谱,利用浊音信号的周期性较强、信号频率处于一个相对较低的区间且信号幅值较大的原则,对Hilbert谱进行处理,得出最后的基音周期轨迹图,并通过实验仿真来验证算法的正确性和优越性。

目录

文摘

英文文摘

第一章 绪论

1.1 引言

1.1.1 语音信号的分析与处理

1.1.2 语音信号的基音周期

1.2 语音的基音检测意义及影响基音检测的因素

1.2.1 基音检测的意义

1.2.2 影响基音周期检测的因素

1.3 基音检测的国内外研究现状

1.4 本论文的主要内容和组织结构

1.4.1 论文的主要内容

1.4.2 论文的组织结构

第二章 语音信号及其特征

2.1 语音信号的产生原理

2.2 语音产生的过程

2.3 语音信号的数字模型

2.4 语音信号的特性

2.4.1 语音信号的时域特性

2.4.2 语音信号的频域特性

2.5 本章小结

第三章 常用的基音检测方法原理及实现

3.1 时域分析法

3.1.1 短时自相关基音检测算法

3.1.2 短时平均幅度差函数法

3.2 频域分析法

3.3 时频域检测法

3.3.1 小波变换检测信号突变的原理

3.3.2 小波变换法检测基音周期的原理

3.4 本章小结

第四章 基于空域相关滤波和时域波形相结合的含噪语音基音周期提取

4.1 语音信号的预处理

4.2 空域相关滤波法去噪原理

4.3 时域波形匹配法提取基音周期的原理

4.4 语音基音周期的后处理

4.4.1 中值滤波平滑处理

4.4.2 线性平滑处理

4.4.3 动态规划平滑处理

4.5 含噪语音基音提取算法的实现

4.6 实验结果及分析

4.7 本章小结

第五章 EMD软阈值与Hilbert-Huang变换结合的基音周期检测法

5.1 瞬时频率

5.2 固有模态分解

5.2.1 本征模态函数

5.2.2 EMD方法筛选过程

5.2.3 EMD方法的特点

5.3 Hilbert谱及Hilbert边际谱

5.4.EMD软阈值降噪与Hilbert-Huang变换相结合

5.4.1 EMD软阈值降噪

5.4.2 HHT法实现基音周期提取

5.5 EMD软阈值法与HHT相结合

5.6 实验及结果分析

5.7 本章小结

第六章 总结与展望

参考文献

致谢

作者简介

攻读硕士学位期间发表论文情况

攻读硕士学位期间参与项目情况