导读:本文包含了基音提取算法论文开题报告文献综述及选题提纲参考文献，主要关键词:基音周期,降噪,时域波形,Hilbert-Huang变换
基音提取算法论文文献综述
俞翠华[1]（2011）在《含噪语音信号的基音提取算法研究》一文中研究指出语音信号的基音周期是其非常重要的特征参数之一,它是语音信号中浊音信号的周期,携带着信号中大部分有用信息,利用它可以有效实现语音合成、语音识别、语音编码、说话者身份识别等技术,为此,分析和应用语音信号的前提是特征参数的准确提取。为了提取和检测淹没在噪声中的语音信号,本文在对含噪语音信号的特征和现有的基音周期方法进行深入研究的基础之上,提出了针对含噪语音信号进行基音周期提取的新方法,大大提高了基音检测准确度,降低了运算的复杂度。本文对原有的基音周期检测方法进行了研究和分析,通过实验仿真指出了各自的适用条件和优缺点。根据空域相关滤波法能够在低信噪比下取得很好的降噪效果,提出了将空域相关滤波法和时域波形相结合的基音检测算法。该算法采用空域相关滤波法和中心削波相结合对含噪语音信号进行预处理,然后提取所需语音信号的波形信息,根据“使得所有匹配项具有最小误差”的原则进行信号匹配,进而求出初始的信号基音周期,最后结合中值滤波法对所得基音周期进行平滑得到最终的基音周期,并通过实验仿真与实际数据相对比,验证算法的可行性和准确性。根据经验模态分解法的多分辨率特性,提出了将EMD软阈值降噪法与Hilbert-Huang变换相结合的基音检测算法。该算法首先对原始语音信号进行EMD分解,然后在各层IMF分量上设置阈值,进行降噪处理,再对降噪后的各支IMF分量计算瞬时频率和瞬时幅值,得出Hilbert谱,利用浊音信号的周期性较强、信号频率处于一个相对较低的区间且信号幅值较大的原则,对Hilbert谱进行处理,得出最后的基音周期轨迹图,并通过实验仿真来验证算法的正确性和优越性。(本文来源于《南京信息工程大学》期刊2011-05-01）
朱颖,钱盛友[2]（2009）在《一种改进的倒谱基音提取算法》一文中研究指出介绍一种基音检测的新方法。该算法首先对分帧语音采用Burg算法进行LPC分析,获取最佳预测系数构造逆滤波器;然后通过逆滤波得到预测误差序列代替原输入语音序列进行倒谱分析;最后在恰当的范围里测出最大峰值,进行基音检测。实验结果表明,与传统方法相比,该方法鲁棒性好,在信噪比低的情况下仍可获得较高的准确率。(本文来源于《计算机工程与应用》期刊2009年15期）
魏旋,党晓妍,崔慧娟,唐昆[3]（2008）在《基于动态规划的低延时基音提取算法》一文中研究指出基音周期是语音信号的一个重要参数。为了在低延时条件下准确地提取语音基音周期参数,提出了一种基于动态规划的单路径搜索算法。该算法引入了清浊音信息和帧间相对能量对相邻帧代价函数进行加权;使用了一种更加有伸缩性的方式对基音变化幅度进行控制,以代替基音变化的硬性限制;专门针对基音突变和自身错误的情况,对过去帧影响进行限制,在保持基音跟踪性能和允许基音突变之间寻找一个平衡点。最后,使用Keele数据库进行的测试表明,该算法在只有一帧延时的情况下,严重错误率比传统算法下降2.32%。(本文来源于《清华大学学报(自然科学版)》期刊2008年10期）
魏旋,党晓妍,崔慧娟,唐昆[4]（2008）在《基于动态规划的低延时基音提取算法》一文中研究指出基音周期是语音信号的一个重要参数。为了在低延时条件下准确地提取语音基音周期参数,提出了一种基于动态规划的单路径搜索算法。该算法引入了清浊音信息和帧间相对能量对相邻帧代价函数进行加权;使用了一种更加有伸缩性的方式对基音变化幅度进行控制,以代替基音变化的硬性限制;专门针对基音突变和自身错误的情况,对过去帧影响进行限制,在保持基音跟踪性能和允许基音突变之间寻找一个平衡点。最后,使用Keele数据库进行的测试表明,该算法在只有一帧延时的情况下,严重错误率比传统算法下降2.32%。(本文来源于《清华大学学报(自然科学版)网络.预览》期刊2008年10期）
刘建,郑方,邓菁,吴文虎[5]（2006）在《基于混合幅度差函数的基音提取算法》一文中研究指出为了减少基音周期提取中的倍频和半频错误,进行更准确的基音周期估计,提出一种基于混合幅度差函数的基音周期提取方法.分析比较了不同幅度差和自相关函数估计基音周期错误率的分布,结合两类典型幅度差函数的优点定义了混合幅度差函数;进而基于混合幅度差函数,给出了使用历史信息进行校正的后处理方法.分析表明,所提方法可提高基音周期估计准确率,接近实时地确定基音周期,减少了传统基音周期估计因平滑处理而带来的误差或者动态规划处理带来的延迟.大量实验表明本文提出的基音周期提取方法比传统方法的错误率降低了13.8%.(本文来源于《电子学报》期刊2006年10期）
李强,刘亚康,朱学勇[6]（2000）在《一种基音提取算法》一文中研究指出根据基音周期平滑变化的特点，基于语音信号的准周期性进行了语音信号的基音提取。该算法主要针对多带激励模型（ＭＢＥ），采用传统的时域分析法，先用语音信号的相关性进行基音周期的估计，再由分数延迟法提取基音周期，使预测结果更加准确，更具实时性，有利于语音编码与识别。(本文来源于《电子科技大学学报》期刊2000年05期）
王兵,苏恩泽[7]（1995）在《基于语音波形外观的基音提取算法》一文中研究指出在对人用视觉提取基音周期过程模拟的基础上，提出一种基于语音波形外观形状的时城基音周期提取算法。该算法利用语音波形的一次峰值点和二次峰值点的幅度和位置以及后峰到前峰的距离等几种属性，来判断决定基音周期值，具有算法简单、运算量小、能准确定位各基音周期位置的特点。此外，由于不需加窗处理，免去了加窗处理所带来的平均效应，该算法在处理相邻基音周期差值较大的语音信号时具有明显优势。该算法比较适合于做各种基音同步算法的前处理。(本文来源于《数据采集与处理》期刊1995年01期）
周志杰,陈显治[8]（1992）在《M-AMDF基音提取算法》一文中研究指出本文介绍了一种改进的基于LPC逆滤波的AMDF基音提取算法——M-AMDF基音提取算法。该算法重点在预处理和后处理上下功夫以提高基音提取的准确率。我们的介绍分为两个部分,一是算法介绍,另一是对算法的评价。算法介绍的重点是预处理和后处理,对算法的评价采用了四个客观评价标准。(本文来源于《通信工程学院学报》期刊1992年02期）
基音提取算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
介绍一种基音检测的新方法。该算法首先对分帧语音采用Burg算法进行LPC分析,获取最佳预测系数构造逆滤波器;然后通过逆滤波得到预测误差序列代替原输入语音序列进行倒谱分析;最后在恰当的范围里测出最大峰值,进行基音检测。实验结果表明,与传统方法相比,该方法鲁棒性好,在信噪比低的情况下仍可获得较高的准确率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基音提取算法论文参考文献
[1].俞翠华.含噪语音信号的基音提取算法研究[D].南京信息工程大学.2011
[2].朱颖,钱盛友.一种改进的倒谱基音提取算法[J].计算机工程与应用.2009
[3].魏旋,党晓妍,崔慧娟,唐昆.基于动态规划的低延时基音提取算法[J].清华大学学报(自然科学版).2008
[4].魏旋,党晓妍,崔慧娟,唐昆.基于动态规划的低延时基音提取算法[J].清华大学学报(自然科学版)网络.预览.2008
[5].刘建,郑方,邓菁,吴文虎.基于混合幅度差函数的基音提取算法[J].电子学报.2006
[6].李强,刘亚康,朱学勇.一种基音提取算法[J].电子科技大学学报.2000
[7].王兵,苏恩泽.基于语音波形外观的基音提取算法[J].数据采集与处理.1995
[8].周志杰,陈显治.M-AMDF基音提取算法[J].通信工程学院学报.1992
标签：基音周期; 降噪; 时域波形; Hilbert-Huang变换;