语音信号基音周期检测的软件设计论文

《语音信号基音周期检测的软件设计论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、语音信号基音周期检测的软件设计毕业论文目录摘要IAbstractII第1章引言11.1课题研究目的及意义11.2基音周期检测的国内外研究现状11.3课题所作主要工作51.4各章节内容安排5第2章总体方案设计62.1语音信号基音周期检测软件设计的思路62.2语音信号基音周期检测软件设计的功能分析62.3软件设计的组成62.3.1可视化界面62.3.2基因周期检测算法72.4本章小结7第3章算法实现83.1常用算法介绍83.1.1平均幅度差函数法83.1.2倒谱法93.2自相关算法原理103.3自相关算法流程11II3.4自相关算法数据

2、分析123.4.1清/浊音判断分析123.4.2基音检测数据分析123.4.3自相关函数的抗噪性分析143.5自相关算法的实现及结果分析143.6算法的改进及存在问题173.7本章小结18第4章系统软件设计204.1软件的介绍204.2软件总体设计思路204.3主程序流程设计214.4子程序设计214.5可视化界面设计254.5.1MFC界面介绍及使用说明254.5.2可视化界面组成部分及各部分功能分析254.5.3可视化界面的软件实现254.6软件调试274.7本章小结28结束语31参考文献32致谢34附录35II黑龙江工程学院本

3、科生毕业设计第1章引言1.1课题研究目的及意义语音不仅是人类最自然的信息载体，是人与人之间进行信息交流最直接、最方便和最有效的工具，而且也是人与机器之间进行通信的重要工具[1]。语音是语言的声学表达形式，在高度发达的信息时代，用数字化的方式进行语音传送、识别、合成、增强等，也是整个数字化通信网络中最重要、最基本的组成部分之一。言语工程学所要解决的是用什么样的代码去处理言语的可变量和不变量[2]。就目前的发展趋势显示，未来计算机将能实现人机自然对话，具有一个和谐的人机交互环境。这意味着数字语音处理技术的普及与飞跃，语音将成为未来人机交

4、互的主要方式。数字语音处理已经在众多领域得到了广泛的应用，其中包括语音压缩、语音合成、语音识别、说话人识别以及语音增强等。这些方面的研究成果已经深入到通信、办公自动化、远距离控制、邮件分检、声控电话拨号、计算机语音应答，以及机器人听觉和口语系统等实际应用系统中，而且越来越受到人们的重视。语音信号最基本的研究方向就是语音信号的基音周期。基音周期作为语音信号的一个重要参数，反映了语音激励源的重要特征。它的检测和估计是语音信号处理中的一项重要技术，与许多语音信号处理技术相关。基音周期估计常称为基音检测，它的目标是找出和声带振动频率完全一致

5、的基音周期变化轨迹曲线，或者是尽量吻合的轨迹曲线。语音信号的基因周期检测问题的实质上也就是准周期的周期估计问题。基音周期提取的精确性和效率直接影响到合成语音能否真实快速地再现原始语音信号。基因周期检测已经应用在语音信号的各个领域中，如语音分析与合成、有调语音的辨意、低速率语音压缩编码、说话人识别等，它的准确性对语音处理的很多领域都起着非常关键的作用。1.2基音周期检测的国内外研究现状语音信号处理的研究工作最早可以追溯到19世纪70年代，而在20世纪得到了长足的发展，到了20世纪90年代，IBM、Apple、AT&T、NTT等著名公司

6、为语音识别的实用化开发投以巨资，致使语音信号处理技术的应用掀起了热潮[3]。近半个世纪以来，语音技术一直是许多学者研究的重点。尤其是八十年代后，在短短不到二十年的时间中,54黑龙江工程学院本科生毕业设计语音技术研究在各个方面均取得了重大突破。在语音识别方面，隐马尔柯夫技术被成功地用于描述随机语音信号，并由此形成了以“倒谱”作为技术引擎的统计语音识别主流算法。在此基础上，许多非特定人大词汇量连续语音识别系统在办公室环境下已接近实用化程度[4]。汉语是一种单音节字组成词，然后在组成句子的语言结构系统里，汉语又是一种声调语言，声调在辨别语

7、义中具有重要的作用，声调曲线分为弯头段、调型段和降尾段，其中只有调型段才有区别声调的作用，声调的识别是以基音周期的估计作为基础的。声调曲线就是基音周期的倒数基音频率的轨迹[5]。基音频率是语音信号最重要的参数之一,它的高低取决于声带的尺寸和特性，也决定于它所受的张力，男性说话的基音频率分布在60～200Hz范围内，女性说话者和小孩的基音频率值在200～450Hz范围内。基音周期的提取是语音处理中的重要任务，基音检测是语音处理中的一个非常重要的问题，但由于影响基音检测的因素众多，使得基音周期的准确估计非常困难。如短时平均幅度差函数法、

8、倒谱法、小波变换法等几种经典的基音检测方法，都存在各自的优点及不足，应在预处理、后处理、语音信号的产生模型、语音信号的个性特征、发音时的情感及力度等基音检测的各个环节上提出了一些新的看法，并就一些可能出现的突破口做了一些展望[6]。在