导读:本文包含了基音检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:基音,周期,小波,函数,算法,同态,多项式。
基音检测论文文献综述
冯起斌,李鸿燕[1]（2019）在《基于多分类支持向量机和主体延伸法的基音检测算法》一文中研究指出低信噪比环境下的基音检测颇具难度却极有现实意义,传统基音检测在此背景下效果不佳。因此,提出一种基于多分类支持向量机的基音检测算法。该算法使用语音信号的静态帧级特征对多分类支持向量机进行监督训练,计算出各帧语音可能的几个基音大小,作为对应的基音候选值,并使用主体延伸法对得到的候选基音状态进行处理,结合帧与帧之间的时序信息,在候选基音中选取合适值连接起来得到被测语音的基音状态估计曲线。将该算法与相关方法进行比较,实验结果表明,该方法有效提升了低信噪比环境下的基音检测率,在不同强度的噪声干扰下仍能保持良好的鲁棒性。(本文来源于《现代电子技术》期刊2019年22期）
白燕燕,胡晓霞[2]（2019）在《基于基音周期和共振峰频率检测的倒谱特征研究》一文中研究指出本文利用倒谱特征进行基音周期检测和共振峰参数的提取,实验证明效果显着。(本文来源于《电子测试》期刊2019年17期）
杨贵福,夏一鸣,冉华,冯永平,孙慧[3]（2019）在《基于优化能量值门限和增强倍频效应的抗噪基音检测算法》一文中研究指出针对基音检测中的倍频、半频误差问题,提出了一种新的基于优化能量值门限和增强倍频效应的抗噪基音检测改进算法.该算法首先通过修改频谱能量值门限来优化半频误差,然后通过音频特有的倍频效应,取相邻的基频与泛频或泛频与泛频做差,从而得到基音频率,来优化倍频误差.结果表明:所改进的基音检测算法不仅保留了对共振峰的高容忍度,而且大幅提高了在低频区域和高频区域的音频识别能力;该方法比传统基音检测方法不论是在有噪音还是无噪音、高信噪比还是低信噪比的情况下都更加优秀,尤其体现在100Hz以下的低频区域和800Hz以上的高频区域.(本文来源于《东北师大学报(自然科学版)》期刊2019年01期）
张涛,章小兵,朱明星[4]（2018）在《结合EMD与DWT-ACF的语音基音周期检测改进算法》一文中研究指出针对传统小波-自相关算法在噪声环境下检测语音的基音周期会出现偏差和漏报的情况,提出一种经验模式分解下的小波-自相关的基音周期检测改进算法。该算法首先利用经验模式分解去除含噪语音趋势项并减噪,再利用改进的小波-自相关法突出每个基音周期的峰值点,提高了基音周期检测的精度。实验结果表明,该改进方法可有效改善加噪语音在基音提取上出现的偏差误报情况以及避免部分倍频和半频错误,提高基音周期检测速率及准确率。(本文来源于《噪声与振动控制》期刊2018年02期）
赵发,孙瑞霞[5]（2018）在《基于小波减噪的基音检测改进算法》一文中研究指出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。(本文来源于《安徽理工大学学报(自然科学版)》期刊2018年02期）
王晨,章小兵,刘美娟[6]（2018）在《提升小波加权自相关函数的基音检测算法》一文中研究指出随着计算机技术的发展,语音信号处理作为人机交互的重要渠道,其在复杂噪声环境下的特征值检测算法直接关系到计算机的运算效率。基音周期是语音特征值提取的重要参数之一。针对传统基音检测算法在噪声环境下检测精度低的问题,提出了一种基于自适应提升小波变换加权线性预测误差自相关函数的基音检测算法。该方法用多级提升小波近似系数加权求和的方法来弥补自相关函数随着时间延迟量的增加幅值衰减的缺陷;用线性预测误差自相关函数的方法来抑制共振峰的干扰,然后将两种方法结合来突出基音周期处的峰值。实验结果表明,与传统的自相关函数法和小波加权法相比,该方法能有效减弱共振峰的影响,突出基音周期处的峰值,提高基音周期检测精度,鲁棒性更好。(本文来源于《应用声学》期刊2018年02期）
郑婉璐,宗源,郑文明,胡斌,赵力[7]（2018）在《一种基于多项式拟合的AMDF基音检测改进算法》一文中研究指出为了解决传统平均幅度差函数(Average Magnitude Difference Function,AMDF)基音检测算法在实际使用中有时发生检测错误的问题,在基于趋势分析的改进框架下,提出了多项式拟合的方法表示和提取AMDF的均值下降趋势。首先假设均值下降趋势为多项式的形式并利用最小二乘法估计出多项式的参数,接着根据基于趋势分析的AMDF改进框架,从AMDF中减去提取的均值下降趋势,从而得到改进的AMDF(文中定义为PFmAMDF)。最后,使用Keele基音数据库对PFmAMDF的性能进行了评价和测试。实验结果表明,基于多项式拟合表示和提取均值下降趋势的方法是完全合理可行的;无论是纯净语音还是不同信噪比的噪声环境下,PFmAMDF的检测准确率均明显优于CAMDF、EAMDF、EMDAMDF和LSAMDF。(本文来源于《信息化研究》期刊2018年01期）
武良丹[8]（2017）在《基于小波变换与平均幅度差函数倒数的基音周期检测算法》一文中研究指出现目前基音周期检测大都具有检测的峰值不够尖锐,在噪声污染下容易出现误判,峰值间有干扰波形易出现倍频错误等缺点。本文提出将预处理后的语音信号先通过小波变换提取低频信号,再计算低频信号平均幅度差函数的倒数的算法提取基音周期。通过仿真实现,该算法提取基音周期时波形干净无干扰波形,并且峰值尖锐,能较为准确的提取基音周期。(本文来源于《科学技术创新》期刊2017年31期）
韩芳,王学春,靳宗信[9]（2017）在《基于ACF的基音检测改进算法》一文中研究指出自相关函数法是基音周期提取中一种简单而有效的检测算法,针对传统的自相关函数法在低信噪比环境下鲁棒性较差的问题,提出一种改进的基音周期提取算法。该算法通过谱减法对语音信号降噪,随后进行端点检测,并提取元音的主体,在自相关函数的基础上进行改进,对元音主体及过渡区间进行基音检测。实验结果表明,该算法具有较高的准确率,与传统自相关检测算法相比,鲁棒性明显提高。(本文来源于《现代电子技术》期刊2017年19期）
张景扩,彭龑[10]（2017）在《一种基于倒谱法的基音周期检测改进算法》一文中研究指出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。(本文来源于《电声技术》期刊2017年Z2期）
基音检测论文开题报告
（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：
本文利用倒谱特征进行基音周期检测和共振峰参数的提取,实验证明效果显着。
（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。
基音检测论文参考文献
[1].冯起斌,李鸿燕.基于多分类支持向量机和主体延伸法的基音检测算法[J].现代电子技术.2019
[2].白燕燕,胡晓霞.基于基音周期和共振峰频率检测的倒谱特征研究[J].电子测试.2019
[3].杨贵福,夏一鸣,冉华,冯永平,孙慧.基于优化能量值门限和增强倍频效应的抗噪基音检测算法[J].东北师大学报(自然科学版).2019
[4].张涛,章小兵,朱明星.结合EMD与DWT-ACF的语音基音周期检测改进算法[J].噪声与振动控制.2018
[5].赵发,孙瑞霞.基于小波减噪的基音检测改进算法[J].安徽理工大学学报(自然科学版).2018
[6].王晨,章小兵,刘美娟.提升小波加权自相关函数的基音检测算法[J].应用声学.2018
[7].郑婉璐,宗源,郑文明,胡斌,赵力.一种基于多项式拟合的AMDF基音检测改进算法[J].信息化研究.2018
[8].武良丹.基于小波变换与平均幅度差函数倒数的基音周期检测算法[J].科学技术创新.2017
[9].韩芳,王学春,靳宗信.基于ACF的基音检测改进算法[J].现代电子技术.2017
[10].张景扩,彭龑.一种基于倒谱法的基音周期检测改进算法[J].电声技术.2017
论文知识图
