【基音检测】分别通过短时能量和短时自相关法进行语音信号的基音检测matlab仿真

目录

1.算法仿真效果

2.MATLAB源码

3.算法概述

3.1 短时能量法

3.2 短时自相关法

4.部分参考文献

5.程序内容，运行方法和源码获取

5.1 程序包括

5.2 运行方法

5.3 源码获取

---

1.算法仿真效果

matlab2022a仿真结果如下：

短时能量法

短时自相关法

对比：

2.MATLAB源码

0004..................................................................
function [voiceseg,vsl,SF,NF,amp,zcr]=vad_TwoThr(x,wlen,inc,NIS)
x=x(:);                                 % 把x转换成列数组
maxsilence = 15;                        % 初始化
minlen  = 5;    
status  = 0;
count   = 0;
silence = 0;

y=enframe(x,wlen,inc)';                 % 分帧
fn=size(y,2);                           % 帧数
% amp=sum(y.^2);                          % 求取短时平均能量
amp=STEn(x,wlen,inc);                         % 求取短时平均能量
% zcr1=zc2(y,fn);                          % 计算短时平均过零率
zcr=STZcr(x,wlen,inc);                          % 计算短时平均过零率
ampth=mean(amp(1:NIS));                 % 计算初始无话段区间能量和过零率的平均值               
zcrth=mean(zcr(1:NIS));
amp2=2*ampth; amp1=4*ampth;             % 设置能量和过零率的阈值
zcr2=2*zcrth;

%开始端点检测
xn=1;
for n=1:fn
   switch status
   case {0,1}                           % 0 = 静音, 1 = 可能开始
      if amp(n) > amp1                  % 确信进入语音段
         x1(xn) = max(n-count(xn)-1,1);
         status  = 2;
         silence(xn) = 0;
         count(xn)   = count(xn) + 1;
      elseif amp(n) > amp2 | ...        % 可能处于语音段
             zcr(n) > zcr2
         status = 1;
         count(xn)  = count(xn) + 1;
      else                              % 静音状态
         status  = 0;
         count(xn)   = 0;
         x1(xn)=0;
         x2(xn)=0;
      end
   case 2,                              % 2 = 语音段
      if amp(n) > amp2 & ...            % 保持在语音段
         zcr(n) > zcr2
         count(xn) = count(xn) + 1;
      else                              % 语音将结束
         silence(xn) = silence(xn)+1;
         if silence(xn) < maxsilence    % 静音还不够长，语音尚未结束
            count(xn)  = count(xn) + 1;
         elseif count(xn) < minlen      % 语音长度太短，认为是静音或噪声
            status  = 0;
            silence(xn) = 0;
            count(xn)   = 0;
         else                           % 语音结束
            status  = 3;
            x2(xn)=x1(xn)+count(xn);
         end
      end
   case 3,                              % 语音结束，为下一个语音准备
        status  = 0;          
        xn=xn+1; 
        count(xn)   = 0;
        silence(xn)=0;
        x1(xn)=0;
        x2(xn)=0;
   end
end 

el=length(x1);             
if x1(el)==0, el=el-1; end              % 获得x1的实际长度
if x2(el)==0                            % 如果x2最后一个值为0，对它设置为fn
    fprintf('Error: Not find endding point!\n');
    x2(el)=fn;
end
SF=zeros(1,fn);                         % 按x1和x2，对SF和NF赋值
NF=ones(1,fn);
for i=1 : el
    SF(x1(i):x2(i))=1;
    NF(x1(i):x2(i))=0;
end
speechIndex=find(SF==1);                % 计算voiceseg
voiceseg=findSegment(speechIndex);
vsl=length(voiceseg);

3.算法概述

       基音检测是语音信号处理中的一个重要环节，主要用于确定语音信号中基音周期，这对于语音识别、语音合成、声音美化等领域具有重要意义。基音周期通常对应于声门振动的频率，与说话人的性别、年龄以及情绪等因素紧密相关。

3.1 短时能量法

    短时能量法基于这样一个事实：在基音周期内，声带的振动会导致能量的周期性变化。在基音周期的峰值附近，能量较高，而在周期的谷值附近，能量较低。因此，通过分析信号的能量变化，可以估计出基音周期。

3.2 短时自相关法

       短时自相关法利用了语音信号在基音周期内的相似性。当一个周期结束时，信号往往会与下一个周期开始的部分相似，这一特性在自相关函数中体现为周期性的峰值。

      在实际应用中，短时能量法和短时自相关法往往联合使用，以互补各自的不足。短时能量法对于噪声鲁棒性较好，但可能因信号的动态范围变化而产生误差；而短时自相关法对于周期性的捕捉更为精确，但在噪声环境下易受干扰。结合二者，可以通过能量阈值来筛选自相关函数中的峰值，或者利用能量变化指导自相关峰值的选择，从而提高基音检测的稳定性和准确性。

4.部分参考文献

[1]冯康,时慧琨.语音信号基音检测的现状及展望[J].微机发展, 2004, 14(3):5.DOI:10.3969/j.issn.1673-629X.2004.03.032.

[1]马莎莎,戴曙光,穆平安.基于短时能量的循环AMDF基音检测算法[J].计算机仿真, 2014, 31(7):5.DOI:10.3969/j.issn.1006-9348.2014.07.063.

5.程序内容，运行方法和源码获取

5.1 程序包括

matlab程序，WAV测试样本，说明文档

5.2 运行方法

1.在matlab的左侧的当前文件夹窗口；

2.先运行算法1和算法2两个文件夹里面的程序，然后再运行compared；

5.3 源码获取

step1.打开博客主页的左侧推广栏查看，或扫博客文章底部信息

step2.然后用电脑打开网页链接，输入文章标题搜索

V