基音周期提取的典型方法及其特征-语音信号处理

简介：
本文综述了基音周期提取在语音信号处理中的重要性及常用算法，探讨其技术特点和应用范围。 典型的基音周期提取方法及特征分类如下： - 波形估计法：使用多种简单的波形峰值检测器来决定大多数基因周期。 - 数据减少法：根据理论操作从原始语音信号中去除非修正的基音脉冲数据，以减少处理的数据量。 - 过零数法：基于过零点（即正负交替）的数量进行分析，识别重复图形中的规律性特征。 - 相关处理法：包括自相关和改进方法。通过计算语音波形的自相关函数，并使用中心削波和平坦化频谱技术来简化运算过程。 - SIFT计算法：降低采样率后执行线性预测编码（LPC）分析，接着用逆滤波器进行频谱平坦处理，最后利用预测误差的自相关函数恢复时间精度。 - AMDF方法：采用平均幅度差函数检测周期性特征，并通过残余信号的AMDF进一步提取基音信息。 - 变换法： - 倒谱法：基于对数功率谱的逆傅里叶变换，分离频谱包络和微细结构成分； - 循环直方图：在频域内计算高次谐波组成的分布情况，并利用这些高频分量的最大公约数值确定基音频率。