基于matlab的语音信号的基音周期检测

基于matlab的语音信号的基音周期检测内容摘要：

1])。 subplot(212) plot(A) xlabel(39。 延时 k39。 ) ylabel(39。 AMDF39。 ) axis([0,400,0,200])。 4 图 21 AMDF波形图 由 图 21 AMDF波形图 可知：平均幅度差函数在基音周期处表现为谷值，这些谷值之间的间隔的平均值就是所要求得的基音周期。 输入语音帧的平均幅度差函数的最小值发生在第 l点，其值为 O，我们可以设置一定的门限，得到低于此门限的局部最低点 (不包含第 1点 )。 从图中， 我们可以得到谷点的样本值分别为 70、 1 210，其间隔平均值为 70。 因此对应的基音频率为： Fs／ (70一 1)=Fs／ 69=37000／ 69=536，这和采用自相关法的检测结果完全相同。 3 ACF 算法原理 及实现 用短时平均能量进行清 /浊音的判断 语音信号 { x ( n) } 的某帧信号的短时平均能量 En 的定义为 : 5 式中 ,w ( n) 为窗函数。 N 为窗长。 令 h( n) = w2 ( n) ,则有 由此表明 ,窗口加权短时平均能量 En 相当于将 “语音平方 ”信号通过一个单位函数响应为 h( n) 的线性滤波器的输出。 试验统计发现 ,语音浊音段的短时平均能量远远大于清音段的短时平均能量。 因此 ,短时平均能量En 的计算给出了区分清音段与浊音段的依据 ,即 En (浊 ) En (清 )。 根据En 由高到低的跳变可定出浊音变为清音语音的时刻 , En 由低向高的跳变可定出清音变为浊音语音的时刻。 而只有浊音才有基音周期 ,清音的基音周期为零。 故清浊音判断是基音检测的第一步。 该算法中 窗口选择汉明窗 ,其定义为： 选择汉明窗的理由是窗函数的选取原则为窗函数截取后的 x ( n) 尽量是中间大两头小的光滑函数 ,冲激响应对应的滤波器具有低通特性。 从汉明窗的构成及频率响应特性上看 , 汉明窗具有这种特性 , 而矩形窗及汉宁窗则稍逊之。 汉明窗虽然主瓣最高 (带宽大 ) ,但旁瓣最低 (通带外的衰减大 ) , 可以有效地克服泄露现象 ,具有更好的低通特性。 故选择汉明窗而不选择别的窗函数 ,能使短时平均能量 En 更能反映语音信号的幅度变化。 6 自相关函数基音检测的原理 对于离散的数字语音信号序列 x ( n) ,自相关函数定义如下： 式中 , k 为信号的延迟点数。 对于随机性信号序列或周期性信号序列 ,自相关函数定义为 : 自相关函数具有以下的性质 :如果序列 x ( n) 具有周期 Np ,则其自相关函数也是同周期的周期函数。 即： x ( n) = x ( n + N p )； 则： R( k) = R ( k + N p )。 清音信号没有周期性 ,它的自相关函数也没有周期 , R( k) 会随着 k 的增大迅速衰减。 浊音信号具有准周期性 ,它的自相关函数 R ( k) 具有与 { x ( m) } 相同的周期。 自相关法基音检测正是利用 R ( k) 的这一性质对语音信号进行基音检测的。 算法实现及相关程序 通过对自相关基音检测原理的分析 , 考虑到检测准确度和检测速率 2 方面的因素 , 提出了算法实现方案 , 并对算法进行了 Matl。