畢業(yè)設(shè)計-語音基音周期檢測算法比較(參考版)
2024-12-07 18:23本頁面
【正文】 語音文件 ： 安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院本科畢業(yè)論文 24 圖 1 a2濾波前基音軌跡圖 圖 2 a2濾波后基 音軌跡圖 安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院本科畢業(yè)論文 25 語音文件 ： 圖 3 a3濾波前基音軌跡圖 安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院本科畢業(yè)論文 26 圖 4 a3濾波后基音軌跡圖 語音文件 ： 圖 5 a4濾波前基音軌跡圖 安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院本科畢業(yè)論文 27 圖 6 a4濾波后基音軌跡圖 。信號經(jīng)過低通濾波器 (時域 )39。 plot(y)。 y= filter(b1,1,x1)。低通濾波器的頻率響應(yīng) 39。 freqz(b1,1,512)。 %長度為 N1的矩形窗 Window b1=fir1(N1,wc1/pi,Window)。 if rem(N1,2)==0 N1=N1+1。 fc1=500。原始語音信號 39。 plot(x1)。 x1=x(11001:22021)。39。 plot(A)。 plot(s)。 end 安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院本科畢業(yè)論文 23 s=x(11001:22021)。 for m=1:N sum=sum+abs(b1(m)b1(m+k1))。%窗長 A=[]。)。 stem(b1,39。%讀取聲音文件 b1=x(11001:22021)。39。)。title(39。周期 (ms)39。)。 xlabel(39。)。stem(T1,39。 T1= medfilt1(T,5)。各幀基音周期 39。)。ylabel(39。幀數(shù) (n)39。axis([0 length(T) 0 10])。.39。 %算出對應(yīng)的周期 figure(2)。 %讀取第一個自相關(guān)函數(shù)的最大點 end %補回前邊去掉的 10 個點 N=N+10。 end end p=Rm(10:n)。 for i=(k+1):n。 %對每一幀求短時自相關(guān)函數(shù) for k=1:n。 %顯示聲音信號的波形 n=220。.39。 figure(1)。)。謝謝！ 安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院本科畢業(yè)論文 22 附 錄 語音信號讀入、采樣、自相關(guān)運算的源程序： function a1 x=wavread(39。在此，向我培養(yǎng)我而付出辛勤勞動的段老師表示我最崇高的的敬意和誠摯的感謝！ 其次，我要感謝 13307寢室全體同學(xué)，感謝他們?yōu)槲覄?chuàng)造安靜的學(xué)習(xí)環(huán)境，以及對我完成論文所作出的支持和幫助。他嚴禁的治學(xué)態(tài)度，勤奮的工作精神、對事業(yè)孜孜不倦的專研精神以及積極的人生態(tài)度都給我留下了深刻的印象，讓我受益匪淺。 安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院本科畢業(yè)論文 21 致 謝 首先衷心感謝我的導(dǎo)師段凱宇段博士。 [14] 陳小利，徐金 普 ． 利用小波變換加權(quán)自相關(guān)的基音檢測算法 [J]． 數(shù)據(jù)采集與處理， 2021， 22（ 4）： 463467頁。 [12] 趙建偉，樓宏偉，徐大為，劉重慶 ． 噪音環(huán)境下的基音檢測方法 [J]． 紅外與激光工程， 2021， 21（ 1）： 58頁。 [10] 鮑長春，樊昌信 ． 基于歸一化互相關(guān)函數(shù)的基音檢測算法 [J]． 通信學(xué)報， 1998，19（ 10）： 2731頁。 [8] 楊樹功 ． 小波分析在語音信號基音檢測中應(yīng)用研究 [D]． 西安：西北工業(yè)大學(xué)，2021： 12頁。 [6] 李娟 ． 基音周期檢測算法研究及在語音合成中的應(yīng)用 [D]． 太原理工大學(xué)， 2021：35頁。 [4] 張雄偉，陳亮，楊吉斌 ． 現(xiàn)代語音處理技術(shù)及應(yīng)用 [M]． 北京：機械工業(yè)出版社， 2021： 911頁。 [2] 胡航．語音信號處理 [M]．哈爾濱：哈爾濱工業(yè)出版社， 2021。 我相信以后在基音周期方向，人們會取得重大的突破。進行基音檢測方面早期研究工作的國家主要有美國等歐美國家，之后，我國在基音檢測方面，尤其是對漢語的基音檢測工作也取得了很大進展。 盡管基音周期檢測有許多困難，但因為它的重要性，基音周期檢測一直是一個研究的重要課題。 基音檢測 是語音處理中的一個非常重要的問題，但由于影響基音檢測的因素眾 多。 論 文中首先介紹了幾種常見的語音基音周期檢測方法如自相關(guān)函數(shù)法 (ACF)、平均幅度差法 (AMDF)。 安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院本科畢業(yè)論文 19 第 4章 總結(jié)與展望 語音信號的基音周期是描述激勵源的重要特征參數(shù)之一，準確的檢測語音信號的基音周期對高質(zhì)量的語音分析與合成、語音壓縮編碼、語音識別等都具 有重要意義。 本章小結(jié) 本章在 Matlab上對自相關(guān)函數(shù)法和平均幅度差法進行了實現(xiàn)，并且進行了比較，隨后又把采樣語音信號進行濾波處理再進行基音周期的檢測，跟之前的進行比較，可以看出，檢測精度有明顯的提高。 下圖是自相關(guān)函數(shù)法檢測濾波后的 a1的基音軌跡圖。)。 title(39。%對信號進行低通濾波 figure(3)。)。 title(39。 figure(2)。 end Window= boxcar (N1+1)。 安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院本科畢業(yè)論文 16 N1=2*pi*(*pi) wc1=2*pi*fc1/fs。)。%做原始語音信號的時域圖形 title(39。 figure(1)。)。 打開 matlab，運行如下程序： [x,fs,bits]=wavread(39。)。title(39。周期 (ms)39。)。 xlabel(39。)。stem(T1,39。 得到基音軌跡圖后，在 matlab中運行： T1= medfilt1(T,5)。 L值一般為 1或 2，即中值平滑起的“窗口”一般套住 3個火 5個樣點。 這里采用中值平滑處理，中值平滑處理的基本原理是：設(shè) x(n)為輸 入信號， y（ n）為中值濾波器的輸出，采用一個滑動窗，輸出值就是將窗外的中心移到 n處時窗口輸入樣點的中值，及 n點的左右各取 L個樣點。 得到結(jié)果如下： 安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院本科畢業(yè)論文 14 圖 34 a1平均幅度差運算 基音周期 檢測 的后處理 無論采用哪一種基音周期檢測算法都可能產(chǎn)生基音檢測的錯誤，使求得的基音周期軌跡中一個或幾個基音周期估計值偏離了正常的估計（通常是偏離到正常值的兩倍或 1/2），并稱這種偏離點為基音軌跡的“野點”。 subplot(212)。 figure(2) subplot(211)。 end A(k)=sum。 for k=1:200%延遲長度 sum=0。 %顯示聲音信號的波形 N=200。.39。 figure(1)。)。 得到結(jié)果如下：
公司管理相關(guān)推薦
鄂ICP備17016276號-1