基音周期估计

基音周期估计是语音处理和分析的最基本步骤,无论是做语音信号处理,语音压缩,还是语音识别,都要用到基音周期这一重要参数.下面总结了教科书上的基音估计方法.
估计基音周期有2种最基本的方法,求短时自相关函数和求短时平均幅度差函数(AMDF)
1 求短时自相关函数
1.1 要用足够长的方窗,语音中最长的基音周期约为20ms,所以窗长就选择大于40ms
1.2 声道共振峰干扰会影响基音周期的估计,有2种方法可以用来克服,
1.2.1 减少共振峰的影响,
1.2.1.1一个是用带宽为60~900Hz的带通滤波器滤波,用滤波信号进行自相关,可以在模拟信号时

滤波也可以是采样后的数字滤波.
1.2.1.2另一个方法是让语音信号通过线性预测(LPC)逆滤波器,并通过求残差信号的自相关函数

来估计基音周期.
1.2.2 对语音信号进行非线性变换然后求自相关.
1.2.2.1 中心削波,削波电平选择最大峰值的68%.

2 求短时AMDF
寻找最深谷点的位置,可以在执行AMDF之前做去除共振峰和中心削波以改善计算效果.
该方法的优点是计算量小但是对于语音信号幅度的快速变化较敏感,影响精度.

对于一些基音周期的"野点"要做滤波处理.

基音周期估计是语音处理和分析的最基本步骤,无论是做语音信号处理,语音压缩,还是语音识别,都要用到基音周期这一重要参数.下面总结了教科书上的基音估计方法.
估计基音周期有2种最基本的方法,求短时自相关函数和求短时平均幅度差函数(AMDF)
1 求短时自相关函数
1.1 要用足够长的方窗,语音中最长的基音周期约为20ms,所以窗长就选择大于40ms
1.2 声道共振峰干扰会影响基音周期的估计,有2种方法可以用来克服,
1.2.1 减少共振峰的影响,
1.2.1.1一个是用带宽为60~900Hz的带通滤波器滤波,用滤波信号进行自相关,可以在模拟信号时

滤波也可以是采样后的数字滤波.
1.2.1.2另一个方法是让语音信号通过线性预测(LPC)逆滤波器,并通过求残差信号的自相关函数

来估计基音周期.
1.2.2 对语音信号进行非线性变换然后求自相关.
1.2.2.1 中心削波,削波电平选择最大峰值的68%.

2 求短时AMDF
寻找最深谷点的位置,可以在执行AMDF之前做去除共振峰和中心削波以改善计算效果.
该方法的优点是计算量小但是对于语音信号幅度的快速变化较敏感,影响精度.