基音
- 連續(xù)漢語語音的自動(dòng)切分研究*
技術(shù)、相干分析和基音周期軌跡檢測等方法對連續(xù)漢語語音進(jìn)行切分。另一類是基于模型的切分方法，該方法需要輸入人工切分好的數(shù)據(jù)，對模型進(jìn)行訓(xùn)練。張揚(yáng)［3］等提出了一種基于時(shí)間長度的音節(jié)切分方法，利用高斯函數(shù)擬合音節(jié)的長度對音節(jié)進(jìn)行切分。本文綜合利用端點(diǎn)檢測、語譜圖分析、基音周期軌跡檢測等技術(shù)研究了漢語連續(xù)語音的自動(dòng)切分。研究了一種連續(xù)語音多級切分方法，計(jì)算流程如圖1。圖1 連續(xù)語音多級切分計(jì)算過程2 語音特征參數(shù)提取語音信號是一種短時(shí)信號，在短時(shí)間內(nèi)可看作平穩(wěn)信
計(jì)算機(jī)與數(shù)字工程 2023年4期2023-08-02
- 基于基音周期軌跡的連續(xù)漢語語音切分技術(shù)研究*
。2.2 倒譜與基音周期譜倒譜的本質(zhì)是頻譜的頻譜，能夠反映頻域中的變化特性，得到每一幀信號的基音周期與基音峰，是語音信號分析的重要特征［13］。將第n 幀語音信號的短時(shí)譜Xn（ω）代入式（3），可以得到這一幀信號的倒譜cn。式中IFFT代表傅里葉逆變換。為了觀測基音周期隨時(shí)間的變化，將每一幀的倒譜幅度轉(zhuǎn)化為灰度，按照時(shí)間順序進(jìn)行拼接，即可得到基音周期譜，記為T。圖2 為“那年正月新春”語音數(shù)據(jù)的基音周期譜圖與對應(yīng)的時(shí)域波形。圖2 “那年正月新春”基音周期譜
計(jì)算機(jī)與數(shù)字工程 2023年1期2023-05-12
- 嬰兒啼哭監(jiān)測及安撫系統(tǒng)
克風(fēng)；端點(diǎn)檢測；基音頻率；啼哭監(jiān)測照顧嬰兒是一項(xiàng)辛苦的工作，嬰兒往往會(huì)因?yàn)榄h(huán)境的輕微的變化而產(chǎn)生啼哭行為，需要父母去安撫，這耗費(fèi)了父母的大量精力，影響了父母正常的工作和生活。隨著語音識別技術(shù)的迅速發(fā)展，語音識別已經(jīng)成為各類邊緣嵌入式電子系統(tǒng)的重要感知手段。針對嬰兒領(lǐng)域的產(chǎn)品也是層出不窮，其中包括針對嬰兒啼哭聲識別的產(chǎn)品。隨著人機(jī)交互、語音識別、嵌入式等技術(shù)在智能家居領(lǐng)域的快速應(yīng)用，出現(xiàn)了一系列高度智能化、便捷化的商業(yè)產(chǎn)品，諸如掃地機(jī)器人、小米音箱、智能門鎖
電子產(chǎn)品世界 2023年3期2023-03-22
- 這就是為什么管風(fēng)琴看上去能夠違反聲音規(guī)則的原因
，它將管樂器音管基音的波長與管長聯(lián)系到一起。通常情況下，音管越長，它的基音就會(huì)越低。但是這個(gè)等式在實(shí)踐中不成立。1根音管發(fā)出的基音總要比根據(jù)亥姆霍茲公式所建議的管長情況要低。修復(fù)這個(gè)問題需要為等式加入“末端修正”。在那些兩端未封閉的管樂器中，諸如長笛與那些風(fēng)琴，末端修復(fù)量是音管半徑的0.6倍。為什么會(huì)這樣，沒有人能夠說得清。這種情況在2010年得到了突破。樂器的生產(chǎn)及修復(fù)者伯恩哈特·埃德克斯（Bernhardt Edskes）在調(diào)整一臺(tái)管風(fēng)琴時(shí)發(fā)現(xiàn)音管鍍金
中國科技教育 2022年7期2022-11-22
- 基于改進(jìn)線性預(yù)測基音頻率的語音情感識別系統(tǒng)
方法，即線性預(yù)測基音頻率特征提取方法，利用模型相同的LPC美爾倒頻譜系數(shù)(LPC Mel cepstral coefficients，LPCMCC)[5]特征提取方法來改進(jìn)，從而改善噪聲干擾下所出現(xiàn)的情感分類模糊化問題，并設(shè)計(jì)基于改進(jìn)特征的語音情感識別系統(tǒng)，測試此改進(jìn)特征在實(shí)際生活中的應(yīng)用價(jià)值。1 線性預(yù)測基音頻率1.1 線性預(yù)測分析基于人的發(fā)音器官特點(diǎn)和語音產(chǎn)生的機(jī)理，構(gòu)成了語音信號生成的數(shù)學(xué)模型[6]。而線性預(yù)測模型則是將數(shù)學(xué)模型進(jìn)行簡化處理，并提出了
科學(xué)技術(shù)與工程 2022年26期2022-11-01
- 對鋼琴調(diào)律 若干基本問題的分析（下）
列的頻率都是與其基音頻率成整倍數(shù)的。樂音及其泛音列是音樂中一個(gè)極為重要的自然現(xiàn)象，正是由于泛音列的存在，產(chǎn)生了一系列音樂理論，泛音列（古代西方稱諧音列）是許多音樂理論的核心原理。在鋼琴上，由于鋼琴弦比較粗、硬，因而在發(fā)音過程中，會(huì)產(chǎn)生泛音偏離⑤。所謂泛音偏離是指在鋼琴的泛音列中，其泛音的頻率不與基音成整倍數(shù)，而是偏離（偏高）的。例如，A2的泛音列，理想的話應(yīng)該為基音110Hz，上面的泛音分別與其成整倍數(shù)，為220Hz、330Hz、440Hz、550Hz、6
樂器 2022年5期2022-05-29
- 基于計(jì)算聽覺場景分析的單通道語音分離方法*
模型，該模型采用基音特性和幅度調(diào)制特性分別處理低頻和高頻區(qū)域，分離結(jié)果的高頻區(qū)域得到了改善，分離效果得到了提高［5~6］。2010 年，Guoning Hu 和Deliang Wang 提出了用于基音估計(jì)和濁音分離的算法，即tandem 算法，該算法迭代的進(jìn)行基音估計(jì)和二值模估計(jì)，可以準(zhǔn)確地獲得基音和目標(biāo)語音的二值模［7~8］。2013年，基于tan-dem 算法，Guoning Hu 和Deliang Wang 提出了一種無監(jiān)督的語音分離系統(tǒng)，該算法在完
計(jì)算機(jī)與數(shù)字工程 2022年3期2022-04-07
- 基于主體-延伸法的基音周期檢測改進(jìn)算法
48)0 引 言基音周期是現(xiàn)代語音信號處理領(lǐng)域的一個(gè)重要參數(shù)，準(zhǔn)確地提取和估算基音周期，是保證語音信號在人機(jī)交流中更有效地產(chǎn)生、傳輸、存儲(chǔ)、獲取和應(yīng)用的一個(gè)重要過程[1-2]。基音周期檢測在語音識別[3-4]、復(fù)雜時(shí)頻域交換的語音分析與合成[5-6]、低碼頻率語音編碼[7]、噪聲環(huán)境下的語音識別[8]、聽覺障礙的殘疾人語言指導(dǎo)[9]等多個(gè)領(lǐng)域有著廣泛地應(yīng)用。不同應(yīng)用領(lǐng)域下的基音周期檢測算法會(huì)直接影響到語音識別的識別率、合成語音是否真實(shí)再現(xiàn)原始語音信號、語音
西安工程大學(xué)學(xué)報(bào) 2022年1期2022-03-17
- 基于計(jì)算聽覺場分析的單聲道的雙人語音濁音分離*
u和Wang檢測基音的方法不同［9］，考慮到語音的濁音部分具有準(zhǔn)周期性，其頻譜分布有規(guī)律，體現(xiàn)在倒譜域存在明顯的峰值，本文利用倒譜域的峰值信息獲取基音周期，再通過基音周期獲取基音頻率，之后依據(jù)濁音信號的諧波頻率為基音頻率的整數(shù)倍這一規(guī)律進(jìn)行諧波拾取。重構(gòu)時(shí)，對所得的頻率信息進(jìn)行反傅里葉變換，由于幀移的存在，還將同一基音周期軌跡段內(nèi)的所有幀按語音幀的起始位置對齊后進(jìn)行疊加，并按參與疊加的語音幀個(gè)數(shù)取均值，其重構(gòu)過程如圖2所示，最后所得信號即是要分離的單人語音
計(jì)算機(jī)與數(shù)字工程 2021年4期2021-10-09
- 車輛音頻信號的時(shí)域特征方法分析研究
基于自相關(guān)函數(shù)的基音周期估計(jì)進(jìn)行研究，同時(shí)對車輛音頻信號進(jìn)行短時(shí)能量提取和基音周期的估計(jì)。1 車輛音頻信號的時(shí)域特征提取方法■1.1 短時(shí)能量音頻信號的短時(shí)能量反映了聲音幅度的變化[4]。音頻信號的短時(shí)能量的定義為：這個(gè)表示式也可以寫為：■1.2 短時(shí)自相關(guān)分析定義音頻信號xn(m)的短時(shí)自相關(guān)函數(shù)Rn(k)如下：這里K 是最大的延遲點(diǎn)數(shù)?！?.3 基于自相關(guān)函數(shù)的基音周期估計(jì)基音周期檢測技術(shù)的主要方法有時(shí)域的自相關(guān)函數(shù)法、倒譜法、時(shí)頻結(jié)合的混合法及其衍生
電子制作 2021年7期2021-06-17
- 基于變步長LMS減噪的基音檢測改進(jìn)算法
引 言目前常用的基音檢測[1]方法中，ACF法[2]易出現(xiàn)基音半頻、倍頻錯(cuò)誤，AMDF法[3]常會(huì)出現(xiàn)均值下降的現(xiàn)象，倒譜法[4]的檢測誤差受噪聲影響較大。針對上述方法在噪聲環(huán)境下的檢測精度不夠理想的問題，近年來許多學(xué)者提出了改進(jìn)的基音檢測算法。潘崢嶸等[5]提出了將經(jīng)過經(jīng)驗(yàn)?zāi)Ｊ椒纸獾腁MDF與ACF進(jìn)行加權(quán)的基音檢測算法，有效減少了半頻、倍頻的錯(cuò)誤，但其算法較為復(fù)雜。徐昕等[6]提出通過基于聽覺掩蔽的多頻帶譜減法對帶噪語音進(jìn)行減噪，再利用多門限法判決清濁
計(jì)算機(jī)工程與設(shè)計(jì) 2020年10期2020-11-03
- 漢語連續(xù)語音切分技術(shù)研究?
通過對語譜圖以及基音周期軌跡的分析，研究了一種音節(jié)切分的算法，能夠有效提高漢語語音切分的準(zhǔn)確率。2 端點(diǎn)檢測技術(shù)語音的端點(diǎn)檢測是指從一段原始信號中準(zhǔn)確地找出語音信號的起始點(diǎn)和結(jié)束點(diǎn)［6］。它的目的是為了使有用的語音信號和無用的無聲段與噪聲信號相分離，增加后續(xù)語音處理的有效性［7］。目前廣泛采用的端點(diǎn)檢測方法是雙門限端點(diǎn)檢測技術(shù)［8］。本文基于對傳統(tǒng)雙門限檢測法理論的研究，研究了一種多閾值檢測方法，有效提高了端點(diǎn)檢測的準(zhǔn)確率。2.1 雙門限端點(diǎn)檢測雙門限端點(diǎn)
計(jì)算機(jī)與數(shù)字工程 2020年8期2020-10-14
- 春風(fēng)?；?潤物細(xì)無聲
提出以“人”的“基音”為“向心力”來構(gòu)建“人教”、“教人”、“為人教”的“三維一體”教學(xué)結(jié)構(gòu)形態(tài)。關(guān)鍵詞：人教;教人;為人教;基音;三維一體;結(jié)構(gòu)形態(tài)文學(xué)家說“文學(xué)即人學(xué)”，那么音樂家會(huì)問;“音樂藝術(shù)是什么？”稍加思考就可得出“音樂亦即人學(xué)”的同樣答案，縱觀歷史橫看中外哪一部音樂作品不是寫人的、人寫的、為人寫的，由此而知高中音樂欣賞教學(xué)中以“人”為“基音”是“有本之樹、有源之水”。筆者在此借鑒“基音”、“泛音”構(gòu)成一個(gè)完整的樂音音響，建構(gòu)一個(gè)理論體系來闡述
山東青年 2020年6期2020-07-27
- 一種醫(yī)用聲覺報(bào)警信號輸出算法及應(yīng)用
用程序，實(shí)現(xiàn)輸出基音頻率為500 Hz 的正弦音頻信號及其2～5 次泛音信號。1 算法推導(dǎo)為了實(shí)現(xiàn)式(3)中的正弦信號，基于二階無限脈沖響應(yīng)(IIR)[14]數(shù)字濾波器原理，建立如式(4)所示的正弦信號遞歸算式。式中第(n?1)和第(n?2)步的計(jì)算結(jié)果分別乘以系數(shù)“p”和“q”后作為第n 步的輸入。根據(jù)sin(A±B)= sinAcosB±cosAsinB 三角和差定理，將式(4)右邊展開：令a[n]、a[n?1]、a[n?2]滿足：得到：給定基音頻率f
電子科技大學(xué)學(xué)報(bào) 2020年2期2020-04-06
- 基于DNN與基音周期的說話人識別
的影響，采用基于基音周期的說話人匹配的輔助確認(rèn)模式，通過建立注冊人的基音庫，利用DTW算法對測試人的基音周期進(jìn)行個(gè)性匹配，輔助基于DNN說話人識別的主線識別。1.1 特征參數(shù)提取1.1.1 Fbank參數(shù)提取相比于MFCC特征，對數(shù)梅爾濾波器組特征更接近于原始特征信息，有利于DNN學(xué)習(xí)模型獲取更具代表性的信息。所以本文直接采用對數(shù)梅爾濾波器組特征(Fbank)作為DNN的輸入[11-12]，圖1是Fbank參數(shù)提取原理框圖。圖1 Fbank參數(shù)提取過程1.
計(jì)算機(jī)與現(xiàn)代化 2020年1期2020-02-07
- 基于多分類支持向量機(jī)和主體延伸法的基音檢測算法
00）0 引 言基音周期是語音信號的一個(gè)重要特征參數(shù)，能否準(zhǔn)確地估計(jì)基音周期的大小在語音識別和分離、說話人識別及跟蹤等語音處理應(yīng)用中有著至關(guān)重要的作用。基因檢測的典型方法包括自相關(guān)函數(shù)法、倒譜法、小波變換法、線性預(yù)測法，以及在此基礎(chǔ)上衍生的多種算法[1-3]，這些算法可以在無噪聲或高信噪比環(huán)境下檢測出被測語音的基音周期。但是，隨著信噪比的降低，基音的線索會(huì)受到極大的干擾，導(dǎo)致算法在低信噪比境下不再適用。因此，低信噪比環(huán)境下的基音估計(jì)問題成為近年來該領(lǐng)域的熱
現(xiàn)代電子技術(shù) 2019年22期2019-11-20
- 一種藏語連續(xù)語音聲學(xué)特征參數(shù)提取算法研究*
頻率參數(shù)包括語音基音頻率、共振峰、MFCC梅爾倒譜系數(shù)（Mel Frequency Cepstral Coefficents）參數(shù)等。在孤立詞語音信號中單獨(dú)的字或詞的語音信號的音強(qiáng)、時(shí)長、能量分布等特征比較容易觀察和分析，但是日常生活和實(shí)際的社會(huì)環(huán)境中使用的都是連續(xù)的語音句子，這些句子根據(jù)說話人的說話風(fēng)格，語速、背景，情緒有很大的差異，因而藏語孤立字和詞的聲學(xué)參數(shù)特征提取已經(jīng)不能滿足藏語語音大數(shù)據(jù)智能化的需求，本論文在Matlab環(huán)境下對藏語連續(xù)語音數(shù)據(jù)提
通信技術(shù) 2019年8期2019-09-03
- 基于計(jì)算聽覺場景分析的單通道信噪分離方法?
，在這些方法中，基音周期都作為分離和組合的重要依據(jù)，因而待分離目標(biāo)語音基音周期的精度對分離效果具有決定性影響。然而，目標(biāo)語音的基音周期常常受到噪聲的影響，尤其是在信噪比較低的情況下影響更明顯［11］，因此，如何得到魯棒性的基音周期估計(jì)是一大難點(diǎn)，受到研究人員的廣泛關(guān)注［12］。本文在提高基音周期準(zhǔn)確性的基礎(chǔ)上，研究了一條新的思路，先以語音信號的短時(shí)穩(wěn)定性為依據(jù)利用傅里葉變換將其轉(zhuǎn)到頻域，每一時(shí)段內(nèi)按濁音的諧波特性，以基音周期為依據(jù)進(jìn)行同時(shí)組合，同一說話人時(shí)
計(jì)算機(jī)與數(shù)字工程 2019年5期2019-06-01
- 閉管音頻在洞簫制作中的運(yùn)用
度。各音孔發(fā)出的基音也稱“第一諧音”。一般的聲音都是由發(fā)音體發(fā)出的一系列頻率、振幅各不相同的振動(dòng)復(fù)合而成的，這些振動(dòng)中有一個(gè)頻率最低的振動(dòng)，由它發(fā)出的音就是基音。此外，開管和閉管二者產(chǎn)生的諧音列情況也不一樣：開管能產(chǎn)生與基音成整數(shù)倍的諧音列，而閉管只能產(chǎn)生與基音成奇數(shù)倍的諧音列，即：如果設(shè)基音的頻率為n，開管的諧音列為1n、2n、3n、4n……；閉管則為1n、3n、5n、7n……。二、同一點(diǎn)位上開管與閉管音頻的對應(yīng)關(guān)系洞簫是一端通透的開管，其發(fā)出的諧音列與
樂器 2019年3期2019-04-10
- 基于數(shù)學(xué)模型分析的小提琴諧音能量分布特性研究
音，整弦振動(dòng)產(chǎn)生基音，部分振動(dòng)產(chǎn)生泛音，基音和泛音統(tǒng)稱為諧音.其中，基音為1號諧音，第一泛音為2號諧音……以此類推.諧音的分布情況，是一件樂器所發(fā)出聲音的質(zhì)量一個(gè)的重要參考方面[1].研究諧音，對于研究樂器的音色有十分重要的作用[2]，例如人耳可以根據(jù)諧音的不同來識別樂器或者是人聲.因此，研究樂器諧音的數(shù)量、能量以及分布，對于調(diào)查樂器的質(zhì)量、聲音的音色以及指導(dǎo)樂器的制造等方面，有積極的作用.傳統(tǒng)分析樂器諧音的方法，多通過不同的硬件如頻譜分析儀，或者軟件如G
復(fù)旦學(xué)報(bào)（自然科學(xué)版） 2018年3期2018-07-26
- 基于Hilbert?Huang變換的語音合成基音標(biāo)注搜索新算法
語音合成系統(tǒng)中，基音標(biāo)注的準(zhǔn)確性是一個(gè)非常重要的因素。針對傳統(tǒng)的短時(shí)自相關(guān)函數(shù)和小波算法準(zhǔn)確性不高和沒有自適應(yīng)性的缺點(diǎn)，提出一種基于Hilbert?Huang變換的基音標(biāo)注方法。該算法通過Hilbert?Huang變換分析語音，具有自適應(yīng)性，根據(jù)自身情況選擇基函數(shù)，分解過程滿足條件自動(dòng)停止。采用文中自適應(yīng)算法對整段非平穩(wěn)語音信號進(jìn)行基音標(biāo)注，其中濁音段、過渡段采用Hilbert?Huang變換進(jìn)行標(biāo)注，清音段、非語音段用相近基音周期插值。實(shí)驗(yàn)證明，相比自相
現(xiàn)代電子技術(shù) 2018年12期2018-06-12
- 基于小波減噪的基音檢測改進(jìn)算法
241000)基音檢測是指對語音信號基因周期或頻率的這一特征的檢測[1]699，在語音識別、語音編碼、語音合成等語音應(yīng)用方面具有非常重要的作用[2]223。目前基音檢測存在的主要問題是，當(dāng)受噪聲影響時(shí)，帶噪語音信號的信噪比急劇下降，從而導(dǎo)致基音檢測準(zhǔn)確度降低[3-4]163。針對此問題，目前國內(nèi)外采用的方法主要有兩類：直接法和間接法。其中，直接法是指對帶噪語音信號直接利用相關(guān)算法進(jìn)行基音檢測；如文獻(xiàn)[2]223提出一種新的基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾钠骄群瘮?shù)與
- 結(jié)合EMD與DWT-ACF的語音基音周期檢測改進(jìn)算法
243002)基音周期檢測是語音信號處理中的重要步驟之一，它在語音識別、語音情感識別、語音合成以及語音編碼中有著廣泛的應(yīng)用[1]。于是，精準(zhǔn)的基音周期檢測就具有非常重要的意義。目前的基音周期檢測方法有自相關(guān)函數(shù)法(Auto Correlation Function，ACF)[2]、平均幅度差函數(shù)法(Average Magnitude Difference Function，AMDF)[3]、倒譜法[4]、線性預(yù)測系數(shù)(Linear Prediction
噪聲與振動(dòng)控制 2018年2期2018-05-11
- 基于自相關(guān)函數(shù)的鋼琴樂音改進(jìn)識別算法
鋼琴樂音信號是由基音及泛音共同組成的，而決定其音高的是基音，因此基音周期的檢測是鋼琴音符識別的關(guān)鍵所在［1-2］。基音周期的檢測的方法主要包括頻域識別和時(shí)域識別，短時(shí)自相關(guān)法是一種經(jīng)典的時(shí)域檢測算法，它計(jì)算簡單，應(yīng)用廣泛，但是該算法會(huì)發(fā)生基音倍頻或半頻錯(cuò)誤。在此基礎(chǔ)上，在計(jì)算自相關(guān)函數(shù)前進(jìn)行三電平中心削波運(yùn)算是一種經(jīng)典的改進(jìn)算法［3-5］。由于該運(yùn)算去除了各個(gè)音符能量相對集中在中心區(qū)域的部分，保留了在峰值附近的能量，因而可以減少計(jì)算量，加快運(yùn)算速度，同時(shí)，
武漢工程大學(xué)學(xué)報(bào) 2018年2期2018-05-03
- 基于Android平臺(tái)的聽曲繪譜研究及其實(shí)現(xiàn)
計(jì)樂音的頻率，即基音周期。國內(nèi)有很多學(xué)者在基音周期的提取方面進(jìn)行了研究。高戈等提出了一種基音周期估計(jì)算法，以實(shí)現(xiàn)甚低碼率下的透明質(zhì)量語音編碼[2]。黃海亮等利用人工神經(jīng)網(wǎng)絡(luò)和動(dòng)態(tài)規(guī)劃算法提出了一種高精度的基音提取方案[3]。徐國慶等提出了一種音樂識別方法，為實(shí)現(xiàn)自動(dòng)作曲系統(tǒng)提供了較高的識別精度[4]。成新民等通過線性變換等方法將求取“最小谷值點(diǎn)”轉(zhuǎn)換為求取最大值，實(shí)現(xiàn)了精確的基音檢測[5]。翟景瞳等基于自相關(guān)處理和快速傅里葉變換（FFT）提出了一種的改進(jìn)的
電子世界 2018年7期2018-04-26
- 泛音率與德彪西的和聲思維
。如果以“C”為基音，其泛音列應(yīng)為C→c→g→c1→e1→g1→bb1→c2→d2→e2→#f2→g2→a2→bb2→b2→c3。泛音率中的音并不是每個(gè)人都能聽到，但是它確實(shí)存在。一個(gè)八度中有十二個(gè)半音，而以某個(gè)音為基音所產(chǎn)生的泛音中并沒有完全產(chǎn)生所有的十二個(gè)半音，比如以“C”為基音所產(chǎn)生的泛音列中就缺少了十二個(gè)半音中的#C（bD）、#D(bE)、F、#G(bA)四個(gè)音，在德彪西的和聲思維中這四個(gè)音就屬于“調(diào)外體系”。德彪西認(rèn)為泛音與基音之間的距離越近，兩
黃河之聲 2017年9期2017-07-31
- 基于改進(jìn)小波變換的語音基音周期檢測
進(jìn)小波變換的語音基音周期檢測吳興銓1,2，周金治1,2(1.西南科技大學(xué)信息工程學(xué)院，四川 綿陽 621010;2.西南科技大學(xué)特殊環(huán)境機(jī)器人技術(shù)四川省重點(diǎn)實(shí)驗(yàn)室，四川 綿陽 621010)基音在許多方面都有比較廣泛的應(yīng)用，比如語音編碼、語音識別、語音轉(zhuǎn)換、音樂檢索以及發(fā)聲系統(tǒng)疾病診斷等。針對目前很多小波變換方法在測量基音周期時(shí)存在的準(zhǔn)確度低、復(fù)雜度高、魯棒性差等缺點(diǎn)，以及在帶噪語音環(huán)境下，特別是在非平穩(wěn)噪聲下比較難判斷語音基音周期的問題，提出了一種基于改
自動(dòng)化儀表 2017年6期2017-06-23
- 淺談中國美聲怎樣沖出圍城
、聲音的氣質(zhì)以及基音擺放三個(gè)方面。1.后背唱法：之前沒人提及此方法，偶爾有人說起也是輕描淡寫的幾句，筆者通過反復(fù)研究發(fā)現(xiàn)了這一唱法。唱法要領(lǐng)1：在靈活的掌握了胸腹式唱法后，一定要用意念將其唱法引導(dǎo)轉(zhuǎn)向后背，也就是所謂的后背唱法。方法是：每次吸氣都到達(dá)后背，在發(fā)聲的一剎那有翻起動(dòng)作，也就是后背長了一對翅膀，時(shí)刻有要飛翔的沖動(dòng)。水平達(dá)到一定程度后，也就盡量不動(dòng)用可控肌肉(上腹)，人是可以自由控制身體前面這些部位，只要可以控制，就一定或多或少帶來緊張感；人們平日
黃河之聲 2017年16期2017-01-28
- 基于Android語音信號處理教學(xué)平臺(tái)的設(shè)計(jì)
等。2 語音信號基音檢測技術(shù)基音周期是語音信號處理中的一個(gè)非常重要的參數(shù)，能夠準(zhǔn)確地檢測出基音周期對語音信號的分析、合成、編碼以及識別，具有重要的意義［1］。短時(shí)自相關(guān)函數(shù)法和倒譜分析法是基音周期估計(jì)較為常用的方法。本節(jié)基于SEPH系統(tǒng)，探討在基音檢測教學(xué)中如何利用語音分析技術(shù)對實(shí)際的語音信號進(jìn)行分析與檢測。2.1 基于倒譜分析法的基音檢測語音信號的倒譜分析是估計(jì)語音生成模型的有效方法，通常用于語音編碼、合成、識別等方面［2］。根據(jù)語音產(chǎn)生理論，語音信號s
實(shí)驗(yàn)科學(xué)與技術(shù) 2016年5期2016-11-12
- 改進(jìn)LVAMDF及綜合多因素基音檢測算法
DF及綜合多因素基音檢測算法薛帥強(qiáng)，陳波，陳菲(西南科技大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，四川 綿陽621010)在對語音信號靜音、清音、濁音劃分的基礎(chǔ)上，針對語音信號周期特征明顯段分布隨機(jī)性問題，提出改進(jìn)的變長度平均幅度差函數(shù)LVAMDF及綜合多因素基音檢測算法，該算法對語音信號進(jìn)行周期特征明顯段和周期特征不明顯段的聚類劃分，同時(shí)，獲取周期特征明顯語音段的所有基音周期的起止端點(diǎn)，針對少數(shù)基音周期劃分倍頻或半頻問題，提出識別、修正方法，其識別、修正率極高；在對大
計(jì)算機(jī)測量與控制 2016年4期2016-10-31
- 基于MATLAB的說話人識別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
）借助語音增強(qiáng)、基音頻率分析和共振峰分析，設(shè)計(jì)了簡單的說話人識別系統(tǒng).在識別過程中以平均基音頻率、共振峰峰值位置作為兩種評價(jià)標(biāo)準(zhǔn)，交互印證，最終實(shí)現(xiàn)了說話人的身份辨認(rèn).基音頻率；共振峰；說話人識別；MATLAB0引言人類語音信號可對受眾提供多重信息：首先可通過字、詞來傳遞消息，其次可將說話人的感情、性別等信息傳遞出來，同時(shí)在語音信號里也暗含了說話人的身份信息［1-4］.語音識別的目的在于識別說話人所表達(dá)出來的詞匯，而說話人識別的功能是通過提取、表征并識別語
石家莊學(xué)院學(xué)報(bào) 2016年3期2016-09-03
- 基于卷積神經(jīng)網(wǎng)絡(luò)的魯棒性基音檢測方法
神經(jīng)網(wǎng)絡(luò)的魯棒性基音檢測方法張暉1蘇紅1張學(xué)良1高光來1在語音信號中，基音是一個(gè)重要參數(shù)，且有重要用途.然而，檢測噪聲環(huán)境中語音的基音卻是一項(xiàng)難度較大的工作.由于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural network，CNN）具有平移不變性，能夠很好地刻畫語譜圖中的諧波結(jié)構(gòu)，因此我們提出使用CNN來完成這項(xiàng)工作.具體地，我們使用CNN來選取候選基音，再用動(dòng)態(tài)規(guī)劃方法（Dynamic programming，DP）進(jìn)行基音追蹤，生成連續(xù)的基音
自動(dòng)化學(xué)報(bào) 2016年6期2016-08-22
- 一種基音周期檢測中減小中值平滑誤差的方法
10007）一種基音周期檢測中減小中值平滑誤差的方法馬 英， 陳 超， 陳善繼（青海民族大學(xué) 物理與電子信息工程學(xué)院，青海 西寧 810007）在語音信號處理中，常用的基音檢測算法對于純凈語音信號的檢測效果較好；然而，實(shí)際的語音信號都會(huì)受到背景噪音的影響，使得常用的檢測算法不能達(dá)到最優(yōu)化，為提高檢測基音周期的準(zhǔn)確性，可以在基音檢測后處理中采用多種平滑技術(shù)，但大多情況下后處理基音周期估值仍然產(chǎn)生很大的誤差，為此文章針對語音信號基音周期估值的中值平滑處理中，可
- 淺析歌唱發(fā)聲的三要素
唱；發(fā)聲；氣息；基音；共鳴一、發(fā)聲的原理喉頭與聲帶是發(fā)出聲音的主要器官，喉頭位于頸前部的最突出的部位而聲帶藏在喉頭里，聲帶由兩片薄膜組成，它們的韌性很強(qiáng)并左右并排。聲帶在放松時(shí)它的形態(tài)自然張開的，而發(fā)聲時(shí)，由于空氣產(chǎn)生的阻力使兩片聲帶自然閉合。@由于每個(gè)人的聲帶、各部分器官的構(gòu)造不同，每個(gè)人的發(fā)聲習(xí)慣不同，所以，每個(gè)人的聲音是不同的。二、發(fā)聲的三要素氣息、基音、共鳴是發(fā)出聲音的三個(gè)重要要素，是保證能正常發(fā)聲的三個(gè)條件，想要形成整體歌唱，它們之間的關(guān)系必須是
北方音樂 2016年2期2016-02-05
- 基于語音基音頻率特征對人性別識別的研究
尹巧萍基于語音基音頻率特征對人性別識別的研究江蘇孫海林尹巧萍本文利用基音頻率作為語音特征，研究了文本無關(guān)說話人性別判別的方法。根據(jù)所計(jì)算出的不同性別說話人的語音基音頻率累積密度函數(shù)之間的差異，識別出文本無關(guān)說話人的性別，實(shí)驗(yàn)結(jié)果顯示該方法能夠有效地識別不同說話人的性別。語音基音頻率說話人性別識別一、引言（研究背景）隨著科學(xué)技術(shù)的飛速發(fā)展，通過對語音信號進(jìn)行分析處理，進(jìn)而提取語音特征參數(shù)來識別說話人身份已經(jīng)成為可能。根據(jù)語音特征來識別說話人的身份，具有不會(huì)
作文教學(xué)研究 2015年5期2015-11-29
- 基于AMR-WB基音周期的帶寬節(jié)省方法
基于AMR-WB基音周期的帶寬節(jié)省方法滕 達(dá)1，2，馮浩楠1（1.中國鐵道科學(xué)研究院 通信信號研究所，北京 100081；2.中國鐵道科學(xué)研究院 研究生部，北京 100081）移動(dòng)網(wǎng)絡(luò)擁塞會(huì)影響數(shù)據(jù)通信的質(zhì)量和穩(wěn)定性，為節(jié)省網(wǎng)絡(luò)高峰時(shí)段的網(wǎng)絡(luò)帶寬，本文在不改變硬件和協(xié)議的條件下，將信息隱藏的思想應(yīng)用于語音編碼，在編碼階段對語音信號進(jìn)行壓縮處理，經(jīng)計(jì)算可以節(jié)省約12%的帶寬，從而起到緩解網(wǎng)絡(luò)擁塞的作用。基音周期；AMR-WB；帶寬隨著手機(jī)、平板電腦等移動(dòng)類電
鐵路計(jì)算機(jī)應(yīng)用 2015年1期2015-06-28
- 基音周期檢測的希爾伯特-黃變換方法
脈沖串的周期稱為基音周期。基音周期是語音信號處理中最重要的參數(shù)之一，準(zhǔn)確地檢測基音周期對于高質(zhì)量的語音合成、語音編碼、語音識別及說話人識別有重要意義。近年來，人們從語音信號的時(shí)域特性、頻域特性、時(shí)頻混合特性出發(fā)，提出了許多基音檢測方法，最具有代表性的是自相關(guān)法（Autocorrelation Function，ACF）[1]、平均幅度差法（Average Magnitude Difference Function，AMDF）[2]、倒譜法[3]、小波變換法
計(jì)算機(jī)工程與應(yīng)用 2015年1期2015-04-14
- 語種識別中的幾種特征參數(shù)
共振峰（F1）、基音頻率（F0）、短時(shí)能量（En）、韻律節(jié)奏等6種聲學(xué)特征參數(shù)及其派生參數(shù)。2 特征參數(shù)2.1 美爾頻率倒譜系數(shù)美爾頻率倒譜系數(shù)（Mel Frequency Cepstral Coefficients，MFCC）[1]考慮了人耳的感知頻率以及音強(qiáng)時(shí)具有的非線性特性，被認(rèn)為具有良好的語音識別性能和抗噪聲能力，現(xiàn)在已被廣泛的應(yīng)用于語種識別和說話人識別中。2.2 線性預(yù)測倒譜系數(shù)（LPCC）線性預(yù)測倒譜參數(shù)(LPCC)已被廣泛地應(yīng)用在語音識別上[
電子世界 2015年20期2015-03-25
- Matlab在語音信號處理教學(xué)中的應(yīng)用
；線性預(yù)測編碼；基音檢測；共振峰檢測語音信號處理是利用數(shù)字信號處理技術(shù)對語音信號進(jìn)行分析和處理的一門學(xué)科，涉及語音學(xué)、信息論、隨機(jī)過程、模式識別等許多學(xué)科領(lǐng)域。語音信號處理課程不僅是與通信技術(shù)和信息處理技術(shù)發(fā)展密切相關(guān)的一門專業(yè)基礎(chǔ)課程，而且是一門理論性強(qiáng)、實(shí)用廣、難度大的交叉學(xué)科課程[1-2]。工科電子類專業(yè)語音信號處理課程的主要內(nèi)容包括語音信號處理的基本知識、語音信號的各種分析和處理技術(shù)(時(shí)域頻域分析、同態(tài)處理、線性預(yù)測分析、矢量量化)、語音信號處理及
實(shí)驗(yàn)科學(xué)與技術(shù) 2015年6期2015-02-27
- G.718音頻編碼器核心層的一種低延時(shí)編碼方案
析和量化以及開環(huán)基音搜索過程。1.1 G.718編碼器信號分類為了在8Kbps時(shí)獲得最好的語音編碼性能，首先進(jìn)行VAD（Voice Activitity Detection）檢測判斷語音信號是否為活動(dòng)語音信號，非活動(dòng)語音信號如果采用DTX（Discontinuous Transmission）可以按照 CNG（Comfort Noise Generator）進(jìn)行編碼。對于非活動(dòng)語音不采用DTX方式時(shí)和活動(dòng)語音，核心層將信號分成清音（unvoiced）、濁音
- 基于趨勢分析的AMDF基音檢測改進(jìn)算法
210023）基音作為語音信號處理的重要特征參數(shù)，指人在發(fā)濁音時(shí)氣流通過聲門使聲帶張弛振蕩的振動(dòng)頻率（或周期），廣泛用于語音編碼、語音合成、語音增強(qiáng)及語音識別等。因此能準(zhǔn)確檢測基音意義極其重要。經(jīng)典的基音檢測算法有自相關(guān)函數(shù)法［1］、平均幅度差函數(shù) 法 （Average Magnitude Difference Function，AMDF）［2］、倒譜法［3］及小波變換法［4］等。盡管已有諸多算法及其改進(jìn)算法，但準(zhǔn)確、可信的基音檢測算法研究仍為具有挑戰(zhàn)性
振動(dòng)與沖擊 2014年20期2014-09-19
- 基于短時(shí)平均幅度差函數(shù)的帶噪語音端點(diǎn)檢測算法
是要進(jìn)行語音信號基音周期的提取.提出了一種改進(jìn)的方法，用短時(shí)平均幅度差函數(shù)代替自相關(guān)函數(shù)，節(jié)約了計(jì)算量；利用濁音與噪聲平均幅度差函數(shù)的區(qū)別省去了基音周期的計(jì)算，同時(shí)也避免了誤差帶來的問題.傳統(tǒng)算法與改進(jìn)算法的仿真比較表明，改進(jìn)算法的檢測曲線噪聲容限大，所以在低信噪比下也表現(xiàn)出了較強(qiáng)的穩(wěn)定性.端點(diǎn)檢測；自相關(guān)函數(shù)；短時(shí)平均幅度差函數(shù)；基音周期語音端點(diǎn)檢測是在復(fù)雜的應(yīng)用環(huán)境下，在信號流中找出語音信號的起始點(diǎn)和結(jié)束點(diǎn)，它是數(shù)字語音處理的重要環(huán)節(jié)[1].在通信系統(tǒng)
- 和弦的產(chǎn)生及音響結(jié)構(gòu)形態(tài)
是對位音程的兩個(gè)基音音響，還有這兩個(gè)基音內(nèi)含的兩個(gè)諧音列，相互之間諧振而產(chǎn)生的上、下兩個(gè)結(jié)合音列的音響。正是這些隱含的結(jié)合音音響，當(dāng)聽覺要求它們從后臺(tái)再現(xiàn)到前臺(tái)時(shí)，就相繼產(chǎn)生了各種和弦形式。以往有關(guān)和弦的產(chǎn)生和功能屬性等方面的認(rèn)知，是歐洲音樂實(shí)踐和創(chuàng)作中逐漸形成理論的基礎(chǔ)，它們也僅是由創(chuàng)作經(jīng)驗(yàn)感悟產(chǎn)生的結(jié)果，它應(yīng)隸屬于主觀評價(jià)的一些方面。我們現(xiàn)在已可從上、下兩個(gè)結(jié)合音列的音響分析中，找到它客觀音響形態(tài)結(jié)構(gòu)的理論科學(xué)依據(jù)。關(guān)鍵詞：復(fù)調(diào)；和聲；純律；和弦；諧音
黃鐘 2014年2期2014-08-08
- 一種改進(jìn)的基音周期提取算法
。稱濁音的周期為基音周期，在時(shí)域波形里反映為峰值點(diǎn)和峰值點(diǎn)之間的距離。基音周期的提取在語音合成、語音識別、語音編碼等領(lǐng)域有著廣泛的應(yīng)用。由于語音信號變化的復(fù)雜性，迄今為止，并未找到一個(gè)完善的適用于不同環(huán)境和要求，不同講話者的可靠準(zhǔn)確的檢測基音周期的辦法［1］?，F(xiàn)有的基音周期的檢測算法大致可以分為三類［2］：波形估計(jì)法、相關(guān)處理法以及變換法。波形估計(jì)法［3］直接通過語音時(shí)域上的波形分析周期峰值，算法簡單，硬件實(shí)現(xiàn)容易，但語音信號幅度或頻率快速變化時(shí)，精度下降
數(shù)據(jù)采集與處理 2014年2期2014-07-25
- 高噪聲環(huán)境下的基音頻率檢測方法研究
)高噪聲環(huán)境下的基音頻率檢測方法研究劉何來，張正炳，楊順遼 (長江大學(xué)電子信息學(xué)院，湖北 荊州 434023)聲道特性及噪聲給基音檢測帶來了嚴(yán)重的影響，針對這一問題，將線性預(yù)測殘差信號作為去除聲道影響的激勵(lì)信號的近似，再結(jié)合自相關(guān)函數(shù)法檢測基音頻率的高抗噪性，探討了用線性預(yù)測殘差信號的低通自相關(guān)函數(shù)法檢測基音頻率。用理論模型驗(yàn)證了該方法的可行性，并就實(shí)際信號處理情況和倒譜法及自相關(guān)函數(shù)法進(jìn)行了比較。結(jié)果表明，該方法有效的減少了聲道特性的影響，在高噪聲環(huán)境下
長江大學(xué)學(xué)報(bào)(自科版) 2013年1期2013-10-26
- 基于壓縮感知觀測序列的語音信號基音周期提取*
測序列中直接提取基音周期的技術(shù)。1 壓縮感知的數(shù)學(xué)模型設(shè)N維信號 X∈RN×1由某組正交變換基表示成如下形式:其中 θi=〈X，Φi〉，即式中，Φ∈N×N的正交變換矩陣，若θ是K稀疏的，即θ中非零元素個(gè)數(shù)為K(K＜＜N)，則可以采用另一個(gè)與Φ不相關(guān)的矩陣Ψ∈RM×N(M＜N)對θ進(jìn)行壓縮觀測，得到觀測序列Ψ稱為投影矩陣，令ΨΦT=Θ，則稱Θ為觀測矩陣。當(dāng)Θ滿足RIP特性，可以在接收端從M=O( Klg(N))個(gè)觀測值中以高概率重構(gòu)原始信號，方法為解凸優(yōu)化問
電訊技術(shù) 2013年10期2013-08-08
- 同態(tài)解卷處理在基音檢測中的應(yīng)用
3同態(tài)解卷處理在基音檢測中的應(yīng)用楊順遼長江大學(xué)電子信息學(xué)院，湖北荊州 4340231 引言人類語音分為濁音和清音，其中發(fā)濁音時(shí)氣流通過聲門使得聲帶產(chǎn)生張弛震蕩式振動(dòng)，從而產(chǎn)生準(zhǔn)周期氣流脈沖，該氣流脈沖激勵(lì)聲道就產(chǎn)生濁音。這種聲帶振動(dòng)的頻率稱為基頻，相應(yīng)的周期就稱為基音周期。基音周期具有時(shí)變性和準(zhǔn)周期性，其大小與聲帶、發(fā)音習(xí)慣、發(fā)音者年齡、性別和發(fā)音時(shí)的情感有關(guān)[1]。基音周期的估計(jì)稱為基音檢測，是語音處理中一個(gè)重要參數(shù)，基音檢測是語音處理中的關(guān)鍵環(huán)節(jié)和難點(diǎn)
計(jì)算機(jī)工程與應(yīng)用 2013年24期2013-07-20
- 低復(fù)雜度的基音檢測算法
071051）基音周期是描述濁音激勵(lì)源的一個(gè)基本特征，其倒數(shù)稱為基音頻率.基音頻率的不同軌跡就是聲調(diào)，在漢語中聲調(diào)承擔(dān)著構(gòu)字辯意的作用，因此基音檢測是漢語語言處理的關(guān)鍵環(huán)節(jié).自相關(guān)函數(shù)法（ACF）［1］和平均幅度差函數(shù)法（AMDF）［2］是基音檢測的經(jīng)典算法，但準(zhǔn)確性不高，容易產(chǎn)生倍、半基音，在平滑過程中不僅增加了處理時(shí)間和算法復(fù)雜度，還可能引入新的誤差［3－4］.小波變換是近年來的研究熱點(diǎn)，具有良好的時(shí)頻局部分析能力，但受聲道響應(yīng)的影響較大，計(jì)算量大.
- 基頻提取算法的研究與評價(jià)
谷值點(diǎn)也不一定是基音周期所在點(diǎn)，在這種情況下，若以全局最低谷點(diǎn)作為基音周期計(jì)算點(diǎn)，就會(huì)產(chǎn)生嚴(yán)重的檢測錯(cuò)誤[2]。語音的音頻提取有廣泛的應(yīng)用。它促進(jìn)了韻律學(xué)研究的發(fā)展；在語音識別中被用來識別原始的詞匯；一些音樂的應(yīng)用也需要基頻提取，比如多媒體內(nèi)容元數(shù)據(jù)的抽取，被用在自動(dòng)評分和實(shí)時(shí)交互系統(tǒng)等等應(yīng)用上。但是大部分算法在可靠性上存在一定的缺陷和錯(cuò)誤率，下面我們著重比較最近幾年主要的幾種基頻提取算法，具有篇幅有限，我們選用測試集51mike.com中許志安的《為什么
微型電腦應(yīng)用 2012年9期2012-10-20
- 一種基于MELP模型600bps聲碼器的設(shè)計(jì)
分析、增益計(jì)算、基音估計(jì)和多帶分析方法從語音信號中提取線性預(yù)測系數(shù)、增益均值、增益差值、基音周期和子帶清濁判決等參數(shù)，然后通過量化進(jìn)入信道。圖1 編碼過程譯碼過程（見圖2）是通過將脈沖信號和噪聲信號根據(jù)子帶清濁判決結(jié)果，將其疊加在一起作為激勵(lì)信號，然后通過自適應(yīng)譜增強(qiáng)、LPC合成濾波、增益校正、脈沖整形濾波處理，從而充分反映了語音信號的本質(zhì)特征，極大地提高了合成語音的質(zhì)量。圖2 譯碼過程2.1 線譜對（LSF）參數(shù)量化在基于線性預(yù)測的語音編碼算法中，線性預(yù)
電子與封裝 2012年10期2012-05-31
- 舞蹈機(jī)器人中音樂基音頻率的提取
音高與音樂信號的基音頻率是一一對應(yīng)的關(guān)系，因此，音樂的基音頻率是音樂信號特征參數(shù)識別中及其重要的參數(shù)之一。音樂信號的基音頻率提取的質(zhì)量對音樂的音高、節(jié)奏、旋律和情感等特征參數(shù)的提取具有重要的意義，將會(huì)直接影響到音樂信號特征參數(shù)提取的效果。作為音樂識別領(lǐng)域內(nèi)重要的研究內(nèi)容之一，目前常用的音樂信號基音頻率的提取方法主要有自相關(guān)函數(shù)法（ACF）[1]、平均幅度差函數(shù)法（AMDF）[2]、倒譜法（CEP）和小波變換法[3]等，而單純的利用自相關(guān)函數(shù)法或者平均幅度差
電子設(shè)計(jì)工程 2011年13期2011-05-21
- 多帶激勵(lì)MBE譜幅度估計(jì)與參數(shù)編解碼方案研究
函數(shù)w（n）即為基音細(xì)搜索窗（寬度取為221個(gè)樣點(diǎn)的哈明窗）。設(shè)加窗語音信號為sw（n），則sw（n）=w（n）×s（n）。用Sw（w）表示sw（n）的傅立葉變換，可以看成是系統(tǒng)函數(shù)Hw（w）同激勵(lì)信號譜Ew（w）的乘積，即：而重建語音信號可以寫成：1.1 譜幅度估計(jì)多帶激勵(lì)編碼過程都涉及3種參數(shù)的提取，它們是基音頻率，按基音頻率各次諧波分成頻帶后每個(gè)頻帶的譜包絡(luò)參數(shù)以及每個(gè)頻帶的V/U判決信息。統(tǒng)一提取這3個(gè)參數(shù)所涉及的計(jì)算量相當(dāng)大，目前在實(shí)際應(yīng)用中難以
電子設(shè)計(jì)工程 2011年16期2011-03-28
- 語音信號的自相關(guān)基音周期檢測
200090)基音周期的估計(jì)稱為基音周期檢測，基音周期檢測的最終目的是得到與聲音振動(dòng)頻率吻合較好的基音周期變化軌跡曲線.在語音信號的處理中只有準(zhǔn)確捕獲語音信號參數(shù)，才能高效地識別語音.而在這些語音信號參數(shù)中，基音周期提取的精確性和效率直接影響到合成語音能否真實(shí)快速地再現(xiàn)原始語音信號.本文在基音周期檢測一般方法的基礎(chǔ)上，對自相關(guān)運(yùn)算過程加以修改，并給出使用該種方法對兩段語音信號進(jìn)行基音周期檢測的結(jié)果.1 語音信號基音周期檢測一般過程語音信號基音周期檢測的一
上海電力大學(xué)學(xué)報(bào) 2011年3期2011-02-26
- 談?wù)劦炎拥姆阂?/a>
我們能聽到的只是基音。實(shí)際上此時(shí)除了基音而外，其間還夾有若干分音；這些分音就構(gòu)成了該樂器的音色。當(dāng)手指虛按在弦的1/n點(diǎn)時(shí)，該分音就被增強(qiáng)激發(fā)出來，而基音卻被抑制，從而使我們只能聽到比該分音減一的泛音。當(dāng)泛音被激發(fā)以后，由于基音同其余的分音同時(shí)都被抑制，因此泛音的音色純凈卻十分單調(diào)。這弦樂器上的泛音，也被人們稱作“笛音”。這“笛音”的稱謂，是否有其道理呢？弦樂器可以通過第一把位、第二把位……，用縮短弦長的方法獲得不同頻率的音高。那么管樂器能否也通過多多開挖
劇影月報(bào) 2010年6期2010-11-16
- 一種高效的基音估計(jì)算法
06）一種高效的基音估計(jì)算法高 悅，陳硯圃，閔 剛，杜 佳（西安通信學(xué)院 基礎(chǔ)部,陜西 西安 710106）分析已有的一些基音估計(jì)算法，對比其優(yōu)缺點(diǎn)，提出一種可大大提高計(jì)算速度的高效基音估計(jì)算法。該算法是利用平均幅度差（MAMDF）法提取若干個(gè)可能峰值點(diǎn)，再利用計(jì)算精度較高的循環(huán)平均幅度差（CAMDF）法對這幾個(gè)點(diǎn)進(jìn)行驗(yàn)證，選取數(shù)值最小的點(diǎn)作為基音周期。由于只對幾個(gè)點(diǎn)求CAMDF函數(shù)，因此運(yùn)算量大大減小。基音周期；基音估計(jì)；平均幅度差（AMDF）；改進(jìn)的平
電子設(shè)計(jì)工程 2010年1期2010-09-27
- 一種新的語音通信抗分組丟失方法—分布式子幀交織描述
應(yīng)碼書(ACB)基音延遲；Pi,2表示第二子幀的自適應(yīng)碼書基音延遲；FCBi,1表示第一子幀的固定碼書(FCB)位置和符號，F(xiàn)CBi,2表示第二子幀的固定碼書(FCB)位置和符號；Gi,1表示第一子幀的ACB和FCB增益；Gi,2表示第二子幀的ACB和FCB增益。(2)MD-G.729編碼器一般的編碼器結(jié)構(gòu)如圖3(a)所示。如上所述，MD-G.729通過在G.729中的兩個(gè)相鄰幀應(yīng)用DSI，生成兩個(gè)速率相同的平衡描述。與第II部分介紹的DSI不同的是：當(dāng)只
通信技術(shù) 2010年6期2010-08-06
- 一種基于數(shù)學(xué)形態(tài)學(xué)的語音基音軌跡平滑的改進(jìn)算法
430073）基音的檢測提取一直是一個(gè)被廣泛研究的課題，并提出了各種各樣的基音檢測算法.然而由于濁音信號的周期性表征極其復(fù)雜，無論采用哪一種基音檢測算法都可能產(chǎn)生基音檢測錯(cuò)誤，加之噪音干擾，使求得的基音周期軌跡中有一個(gè)或幾個(gè)基音周期估值偏離了正常軌跡（通常是偏離到正常值的2倍或1／2），這種偏離點(diǎn)稱為“野點(diǎn)”.這些脈沖噪聲類似于圖像中的椒鹽噪聲，故可以采取平滑技術(shù)加以糾正.目前比較常用的基音平滑方法主要有中值濾波算法和線性平滑算法以及它們的組合.它們有一
- MELP聲碼器的算法研究及實(shí)現(xiàn)
做以下處理:1.基音分析:首先經(jīng)過1KHz的巴特沃思低通濾波器,用歸一化互相關(guān)法進(jìn)行基音粗估,得到整數(shù)基音值T,然后進(jìn)行分?jǐn)?shù)基音分析,采用內(nèi)插方法,求得分?jǐn)?shù)基音估計(jì)的小數(shù)部分,此時(shí)分?jǐn)?shù)基音值P為整數(shù)基音T與分?jǐn)?shù)基音小數(shù)部分之和。采用6階巴特沃思帶通濾波器將一幀語音信號分為五個(gè)帶,分別是[0,500Hz],[500,1000Hz],[1000,2000Hz],[2000,3000Hz],[3000,4000Hz]五個(gè)頻帶,利用[0,500Hz]子帶信號與殘差
新媒體研究 2009年23期2009-07-01