基于小波变换和自相关函数的基音频率检测算法

文章摘要：www.88dzw.com从图5(c)可以看到，用自相关函数法在A，B，C三帧判断错误，使基音频率轨迹估计值偏离了正常的轨迹(通常偏离到正常值的2倍或1／2倍)，这就是基音轨迹的“野点”。图5(d)是文中提出的算法的计算结果，很好地去除了这些野点，提高了检测的准确率。5 结 语 自相关函数法是一种简单，计算速度快的基音频率估计算法。但该方法易受噪音和共振峰的影响，为了提高自相关函数法检测基音频率的准确性，在此使用小波变换对语音信号进行预处理，一定程度上消除了高频噪音和共振峰的影响，能够准确反映语音段中基音频率的变化，得到比较真实的基音频率曲线。 传统的小波变换的基频检测，通过对语音

基于小波变换和自相关函数的基音频率检测算法,标签：电子小制作,http://www.88dzw.com

www.88dzw.com

从图5(c)可以看到，用自相关函数法在A，B，C三帧判断错误，使基音频率轨迹估计值偏离了正常的轨迹(通常偏离到正常值的2倍或1／2倍)，这就是基音轨迹的“野点”。图5(d)是文中提出的算法的计算结果，很好地去除了这些野点，提高了检测的准确率。

5 结 语
    自相关函数法是一种简单，计算速度快的基音频率估计算法。但该方法易受噪音和共振峰的影响，为了提高自相关函数法检测基音频率的准确性，在此使用小波变换对语音信号进行预处理，一定程度上消除了高频噪音和共振峰的影响，能够准确反映语音段中基音频率的变化，得到比较真实的基音频率曲线。
    传统的小波变换的基频检测，通过对语音信号进行3个连续尺度上的小波变换，比较相邻两尺度下的极值点位置是否一致，来确定声门闭合时刻，进而求得基音频率。由于需要进行多次小波变换及极值搜索和判定，计算量大，实时性不好。这里只需要在固定的尺度下做1次小波变换，然后用自相关函数法检测基音频率，计算量小，实时性较好。

www.88dzw.com

3 算法流程图
    算法过程如下：
    (1)采集语音信号。人的语音信号频率都在6 kHz以内，根据Nyqtfist采样定理，fs=11 025 Hz。把采集得到的语音信号记为X；
    (2)基音频率变化范围大，从老年男性的50 Hz到儿童和女性的450 Hz。因此使用小波变换进行滤波时，要把50～500 Hz的语音信号加强，把高于500 Hz的语音信号减弱，以去除共振峰和高频噪音的影响；
    (3)同一个人在不同情态下发音的基音周期也不同，加之基音周期还受单词发音音调的影响，因此基音检测实际上是估计短时语音的平均周期。采用L点的矩形窗来截取信号，进行短时分析，一般取窗口的长度为36 ms，帧重叠18 ms；
    (4)利用自相关函数估计第i帧语音信号的基音
周期fpi。若fpi的频率范围超出了[60 Hz，500 Hz]，则判断该帧为清音帧，声带不振动，fpi，置为O Hz。

    算法流程图如图4所示：

4 实 验

    首先通过一个真实的语音数据来说明第3节算法的有效性，然后将其与传统的自相关函数法的结果进行比较。
    在图5中，图5(a)为作者(男性)读“马到成功”的语音信号波形，fs=1l 025 Hz，用普通麦克风在自然环境下录制，时长为2 s。选择db4小波基，对原始语音信号进行二进小波变换，取小波变换后第三层的低频部分信号，该低频信号如图5(b)所示。用帧长为36 ms的矩形窗把图5(a)中原始信号分成165帧，并用自相关函数估计每一帧的基音频率，基音频率的变化曲线如图5(c)所示。同样地把图5(b)中经小波变换后所得的低频语音信号分成165帧，然后用自相关函数估计每一帧的基音频率，基音频率的变化曲线如图5(d)所示。

上一页  [1] [2]