论文研究-基于多基音跟踪的单声道混合语音分离.pdf

针对许多计算听觉场景分析系统无法很好地解决多说话人混合语音信号分离的问题，提出了一种基于多基音跟踪的单声道混合语音分离系统。该系统充分利用了多基音跟踪研究的最新成果，通过将多基音跟踪得到的目标语音和干扰语音的基音轨迹信息结合到分离系统中，有效地改善了分离系统在包括多说话人混合在内的多种干扰情况下的分离效果，为多说话人语音分离问题的解决提供了新的思路。

语音信号基音检测算法的研究

基音周期是语音信号的重要参数之一，准确而快速的基音周期提取对语音信号的合 成、编码、识别等都具有重要的意义。目前，人们已经从语音信号的时域特性、频域特 性和时频混合特性三个方面出发，提出了许多基音检测算法。经典的语音信号基音检测 算法有：自相关函数法（Autocorrelation Function）(简称 ACF)、平均幅度差函数法 （Average Magnitude Difference Function）（简称 AMDF）、倒谱法和小波变换法等

基于DyWT基音检测的改进MBE语音压缩算法

基于DyWT基音检测的改进MBE语音压缩算法基于DyWT基音检测的改进MBE语音压缩算法

一种基于倒谱法的基音周期检测改进算法.pdf

通过对常规语音信号处理分析，设计一种基于倒谱法的基音周期检测改进算法。其过程是先对语音信号进行 预处理、去趋势项处理及去噪声处理，，然后通过语音分析中的线性化处理、伯格算法和中值滤波算法对预处理过的 语音信号进一步优化，并利用仿真软件验证改进增强算法，改进算法可有效的减少外界环境及共振峰等因素的干 扰，相对于常规的语音基音检测算法其鲁棒性、稳定性更强。

基于小波减噪的基音检测改进算法

为了提高含噪语音信号在低信噪比情况下的基音检测准确度,以带噪语音信号为研究对象,采用小波变换对带噪语音信号进行减噪处理以提高带噪语音信号的信噪比,再利用自相关函数对减噪后的语音信号进行基音检测。利用Matlab软件对具有不同信噪比的带噪语音信号进行了基音检测改进算法仿真实验。实验结果表明,当带噪语音信号信噪比下降到0d B时,改进算法基音检测正确率略高于未进行小波减噪的基音检测算法正确率。当带噪语音信号信噪比下降到-5d B时,改进算法基音检测正确率明显高于未进行小波减噪的基音检测正确率。

基于自相关和倒谱法的基音检测改进算法.pdf

语音信号基音周期检测一直以来都是语音信号处理的关键技术和热点领域。对传统的基音检测方法进行研究分析，提 出基于自相关和倒谱法的基音检测改进算法。先将语音信号进行最小均方误差(LMs)自适应滤波和非线性处理进行语音增强，后 进行自相关法和倒谱法加权平方运算来检测基音周期。经Matlab实验仿真，该算法在低信噪比环境中能精确检测基音周期，较传 统基音检测方法鲁棒性更好、更精确。

论文研究-基于计算听觉场景分析的混合语音信号分离算法研究.pdf

人耳听觉系统能够在强噪声的环境下区分出自己感兴趣的语音，基于计算听觉场景分析（CASA）的基本原理，其重点和难点是找到合适的声音分离线索，完成目标语音信号和噪声信号的分离。针对单通道浊语音分离的问题，提出了一种以基音为线索的浊语音信号分离算法。在白噪声、鸡尾酒会噪声等六种噪声干扰条件下，通过仿真实验结果表明，相比于传统的谱减法，语音分离算法的输出信噪比平均提高了7.47 dB，并有效抑制了干扰噪声，改善了分离效果。

基音周期提取算法

此程序为matlab环境下的基音周期提取算法，通过该算法能够区分清音和浊音

基于归一化互相关函数的基音检测算法.pdf

本文提出了一种归一化互相关函数基音检测算法(NCCFPDA——Normalized Cross-Correlation Function Pitch Detection Algorithm)，该算法在基音检测主过程的前端和末端加入了有效的预处理和后处理技术，实验分析 表明，该方法在一般噪声环境下，基音周期提取和清浊判决具有令人满意的效果。

语音信号基音周期

语音信号处理学习者使用，可以获取语音信号地基音周期。于MATLAB 语音信号处理实验

pitch-detection, 在 C 中，基音检测算法.zip

pitch-detection, 在 C 中，基音检测算法 基于的基音周期检测算法一种 C 基音检测算法的。McLeod节距方法阴自相关因为它给出了不正确的结果而被移除- MPM是对标准自相关的增强DFTGoertzel语阴和McLeod实现由 https://github.

论文研究-基于两层神经网络的基音检测算法.pdf

传统基音检测方法中当信噪比较低时，会出现清浊音检测效果差、算法精度低、鲁棒性差的缺点。为了克服这些缺点，提出了一种基于两层神经网络的基音检测算法。该方法采用BP人工神经网络进行端点检测，再采用第二层BP神经网络进行清浊音分离，最后通过动态验证得到基音频率。实验结果证明，与传统的自相关法相比，该方法减少了倍频及半频的误差提取，提高了基音频率的提取精度。

基于改进小波变换的语音基音周期检测.pdf

基音在许多方面都有比较广泛的应用,比如语音编码、语音识别、语音转换、音乐检索以及发声系统疾病诊断等。 针对目前 很多小波变换方法在测量基音周期时存在的准确度低、复杂度高、鲁棒性差等缺点,以及在带噪语音环境下,特别是在非平稳噪声下 比较难判断语音基音周期的问题,提出了一种基于改进小波变换的语音基音检测方法。 首先将每帧带噪信号进行预处理,提取出有 话段的信息,消除直流分量;然后在加窗分帧后先进行端点检测,滤波后再分帧;接着再利用小波分解后取低频系数重构信号;最后结 合四阶累积法对重构信号进行基音检测。 试验结果表明,该方法在不同带噪语音环境下和低信噪比条件下,提高了带噪语音基音检 测的准确性。 与传统的小波变换法相比,该方法鲁棒性好且计算复杂度低,有利于语音基音周期检测。

论文研究-一种基于线性预测残差倒谱的基音检测算法.pdf

基音检测算法一直是音频处理领域的研究热点,但是语音信号声道特征对基音及其谐振结构的影响很大,增加了检测的难度。利用LP残差仅仅保留声门激励信号的特点,通过倒谱分析避免了声道特征和噪声的影响。同时针对倒谱分析中经常出现的半频倍频问题和低频截断问题,引入了谐波积谱（HPS）的解决方案,提高了识别的精度。实验表明,该方法能够较好地避免半频倍频错误,对于截去了低频和高频的电话信道语音也能够得到令人满意的检测结果,同时作为帧检测技术能够满足实时应用的需要。

基于小波变换的语音信号基音频率检测法

基于小波变换的语音信号基音频率检测法.pdf

自相关函数基音检测算法

针对语音信号的处理，而提出的自相关函数基音检测算法

基于MATLAB的语音信号基音周期检测的实现

一篇语音信号基因周期检测的论文，详细描述了怎样用matlab实现其操作

基于线性预测残差倒谱的基音周期检测.pdf

提出一种基于线性预测残差倒谱的基音周期检测算法．该算法对语音信号的线性预测残差信号做倒谱变 换，将其作为基音检测特征．并综合残差倒谱峰、短时能量和短时过零率三种特征，构造一个清浊音判决函数，简化 清浊音判决过程，提高判决精度．在基音周期检测过程中，根据基音连续原则，提出峰值重定位方法，有效降低基音 倍频和半频的错误率．对比实验表明，本文算法的性能不仅较之传统的倒谱方法有明显改善，同时也优于目前效果 较好的YIN算法和多尺度小波算法．

基于倒谱图判断浊音的基音周期MATLAB仿真 语音信号处理

基于倒谱图判断浊音的基音周期MATLAB仿真 包含MATLAB代码和语音文件