基于matlab的語音信號的基音周期檢測(編輯修改稿)
2024-12-23 21:52 本頁面
【文章內(nèi)容簡介】 1])。 subplot(212) plot(A) xlabel(39。延時 k39。) ylabel(39。AMDF39。) axis([0,400,0,200])。 4 圖 21 AMDF波形圖 由 圖 21 AMDF波形圖 可知：平均幅度差函數(shù)在基音周期處表現(xiàn)為谷值，這些谷值之間的間隔的平均值就是所要求得的基音周期。輸入語音幀的平均幅度差函數(shù)的最小值發(fā)生在第 l點，其值為 O，我們可以設置一定的門限，得到低于此門限的局部最低點 (不包含第 1點 )。從圖中， 我們可以得到谷點的樣本值分別為 70、 1 210，其間隔平均值為 70。因此對應的基音頻率為： Fs／ (70一 1)=Fs／ 69=37000／ 69=536，這和采用自相關(guān)法的檢測結(jié)果完全相同。 3 ACF 算法原理 及實現(xiàn) 用短時平均能量進行清 /濁音的判斷 語音信號 { x ( n) } 的某幀信號的短時平均能量 En 的定義為 : 5 式中 ,w ( n) 為窗函數(shù) 。 N 為窗長。令 h( n) = w2 ( n) ,則有 由此表明 ,窗口加權(quán)短時平均能量 En 相當于將 “語音平方 ”信號通過一個單位函數(shù)響應為 h( n) 的線性濾波器的輸出。試驗統(tǒng)計發(fā)現(xiàn) ,語音濁音段的短時平均能量遠遠大于清音段的短時平均能量。因此 ,短時平均能量En 的計算給出了區(qū)分清音段與濁音段的依據(jù) ,即 En (濁 ) En (清 ) 。根據(jù)En 由高到低的跳變可定出濁音變?yōu)榍逡粽Z音的時刻 , En 由低向高的跳變可定出清音變?yōu)闈嵋粽Z音的時刻 。而只有濁音才有基音周期 ,清音的基音周期為零。故清濁音判斷是基音檢測的第一步。 該算法中 窗口選擇漢明窗 ,其定義為： 選擇漢明窗的理由是窗函數(shù)的選取原則為窗函數(shù)截取后的 x ( n) 盡量是中間大兩頭小的光滑函數(shù) ,沖激響應對應的濾波器具有低通特性。從漢明窗的構(gòu)成及頻率響應特性上看 , 漢明窗具有這種特性 , 而矩形窗及漢寧窗則稍遜之。漢明窗雖然主瓣最高 (帶寬大 ) ,但旁瓣最低 (通帶外的衰減大 ) , 可以有效地克服泄露現(xiàn)象 ,具有更好的低通特性。故選擇漢明窗而不選擇別的窗函數(shù) ,能使短時平均能量 En 更能反映語音信號的幅度變化。 6 自相關(guān)函數(shù)基音檢測的原理 對于離散的數(shù)字語音信號序列 x ( n) ,自相關(guān)函數(shù)定義如下： 式中 , k 為信號的延遲點數(shù)。對于隨機性信號序列或周期性信號序列 ,自相關(guān)函數(shù)定義為 : 自相關(guān)函數(shù)具有以下的性質(zhì) :如果序列 x ( n) 具有周期 Np ,則其自相關(guān)函數(shù)也是同周期的周期函數(shù)。即： x ( n) = x ( n + N p )； 則： R( k) = R ( k + N p ) 。 清音信號沒有周期性 ,它的自相關(guān)函數(shù)也沒有周期 , R( k) 會隨著 k 的增大迅速衰減。濁音信號具有準周期性 ,它的自相關(guān)函數(shù) R ( k) 具有與 { x ( m) } 相同的周期。自相關(guān)法基音檢測正是利用 R ( k) 的這一性質(zhì)對語音信號進行基音檢測的。 算法實現(xiàn)及相關(guān)程序 通過對自相關(guān)基音檢測原理的分析 , 考慮到檢測準確度和檢測速率 2 方面的因素 , 提出了算法實現(xiàn)方案 , 并對算法進行了 Matl
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1