倒谱基音周期matlab,Matlab基于倒谱和EMD的语音基音周期的提取.doc

Matlab基于倒谱和EMD的语音基音周期的提取

Matlab基于倒谱和EMD的语音基音周期的提取

在语音信号处理中，常用的语音特性是基于Mel频率的倒谱系数(MFCC)以及一些语音信号的固有特征，如基音周期等。倒谱法可以较好地将语音信号中的激励信号和声道响应分离，并只需要用一些倒谱系数就能较好地描述语言信号的声道响应，在语音信号处理中占有很重要的位置。而倒谱解卷积法受加性噪声影响比较大，抗噪声性能不是很好。针对这一存在问题，利用EMD 方法在理论上可以应用于任何类型的信号的分解,在处理非平稳及非线性数据上, 具有非常明显的优势这一优点。本文中提出一种基于倒谱和EMD的语音基音周期提取的改进算法。并在Matlab中予以实现。

关键字：基音周期 倒谱法 EMD8664

TitlePitch Period Extraction of Speech Signals based

on Cepstrum and EMD

Abstract

In voice signal processing, MFCC and some inherent characteristics of voice signals, such as the frequency of pitch. Cepstrum can be used to separate the excitation signal and channel response, and can represent channel response with only a dozen cepstral coefficients. As a result, it has been a very important role in voice signal processing. While cepstrum deconvolution method is largely influenced by additive noise,and anti-noise performance is not very good.The EMD method can be applied to decompose any type of signals,and thus,having a very distinct advantage in handing non-stationary and non-linear data.For this problem,in this paper,an improved algorithm of pitch period extraction of speech signals based on cepstrum and EMD is proposed. Its implementation in MATLAB are described in detail.

Key words:pitch periodCepstrumEMD

目 次

1 引言1

1 引言

1.1 背景

由于语言是人们在日常生活中的主要交流手段，因此语音信号处理在现代信息社会中占用重要地位。随着语音信号处理技术在实际生活中的应用的不断发展，语音信号处理技术已经被广泛地接受和使用。由于语音比其他形式的交互方具有更多的优势，因此这项技术已经越来越贴近人们的生活。目前，语音信号处理技术处于蓬勃发展时期，不断有新的产品被研制开发，市场需求逐渐增加，具有良好的应用前景。

1.2 语音特性的提取

语音信号处理虽然包括语音通信，语音合成和语音识别等方面的内容，但其前提和基础是对语言信号进行分析。语音的压缩与恢复是语音信号处理的关键技术。近年来有关这方面的研究不断发展成熟，并形成一系列的标准。在语音信号的各种分析合成系统中，需要提取频谱包络参数，推测音源参数(清浊音的判定以及浊音周期等)。只有将语音信号分析表示成其本质特性的参数，才有可能利用这些参数进行高效的语音通信，才能建立用于语音合成的语音库，也才能建立用于识别的模板或知识库。

汉语是一种声调语言，其声调和音素一样具有区分语义的作用。而声调识别又必须以语音基音周期估计为基础。因此基音周期是汉语语音信号处理及应用中需要的最基本的特征参数之一。自上个世纪70年代至今，已经发展出多种基音频率提取方法，目前普遍采用的是自相关函数法、倒谱解卷积法和小波算法。根据所分析的参数不同，语音信号分析可分为时域，频域，倒谱域等方法。

由于语音信号并不是严格的周期信号，因此自相关法只能得到基音的估计值。而倒谱解卷积法受加性噪声影响比较大，抗噪声性能不是很好。小波算法受大尺度平滑作用和噪声的影响，基音定位容易产生偏差和漏报。

(2)从语音信号中去除声道的影响，直接取出仅与声带振动有关的声源信息并非易事。而声道共振峰可能