一种基于倒谱法的基音周期检测改进算法

一种基于倒谱法的基音周期检测改进算法张景扩;彭龑【摘要】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.【期刊名称】《电声技术》【年(卷),期】2017(041)007【总页数】5页(P113-116,130)【关键词】基音周期检测;倒谱;预处理;增强处理【作者】张景扩;彭龑【作者单位】四川理工学院计算机学院四川自贡643000;四川理工学院计算机学院四川自贡643000【正文语种】中文【中图分类】TN911.7文献引用格式：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，2017,41(7/8)：113-116.ZHANG Jingkuo, PENG Yan.Improved algorithm of pitch detection based on cepstrum[J]. Audio Engineering，2017,41(7/8)：113-116.语音音调由基音决定，基音周期是指发韵母时，声带每一次打开和关闭的时间[1]。

基因周期在音频合成与分析、声调控制、语音编码以及声音识别等多个领域有着重要的价值。

语音基音周期检测经常用到倒谱法。

在纯净语音的检测中，采用倒谱检测会得到比较理想的结果，但待检测语音受外界环境影响时，其性能急剧恶化[2]，原因是噪声会淹没功率谱中的低电平部分，导致信号分析出现各种问题。

在传统的检测过程中会容易受到噪声、趋势项、共振峰等因素的影响。

语音信号为卷积信号。

利用卷积同态系统理论，可有效处理语音信号。

经卷积同态处理得到得伪时域序列为初始序列的复倒频谱其定义可表示为(n)=IFT{ln[FT{x(n)}]}倒谱定义为c(n)=IFT{ln∣[FT{x(n)}]∣}在纯净的环境下，倒谱法检测效果较好，但在噪声环境下，语音信号基音检测检测较困难，且倒谱法容易受到共振峰等环境因素的影响，难以正常提取基音周期[3]，为此提出如图1改进的倒谱算法。

2.1 加窗分帧语音信号是不断变化的，每个音频之间存在间隔性。

然而在一个较短的时间区域内，可近似地认为其特征保持一致，每帧的长度大约为9 ms～28 ms。

虽然分帧可以连续，但为了保证帧与帧之间的平滑过渡及连续性，常采用重叠分帧方法[4]。

相邻两帧重叠的部分叫做帧移，帧移与帧长之间的比值通常为0～1/2，帧移与帧长如图2。

计算机只能处理有限长度的语音信号，需要弱化波形的其余部分，应对信号进行加窗处理。

海宁窗、矩形窗、和汉明窗为常用的窗函数，他们具有低通特性。

矩形窗，主瓣较窄，具有较高的频率分辨率，但具有较高的旁瓣，相邻谐波会因能量泄漏而导致互相叠加或抵消等比较严重的干化。

与其他窗函数相比，经汉明窗处理后可得到的相对纯净的频谱。

本文的窗函数选用汉明窗。

2.2 信号的去趋势项处理分帧处理语音信号后，外界的扰动会使语音信号的零线偏离基线。

趋势项是工作过程中信号的偏移。

其存在会使功率谱函数、相关函数在计算中呈现变化，特别情况下会导致低频段的谱估计存在较大的不确定性。

常采用最小二乘法消除趋势项，可以有效的去除外界环境影响，保证信号的稳定性。

最小二乘法原理[5]：实测语音信号的采样数据为{xk}(k=1，2，…，n)，将时间间隔设为1 s，则有根据最小二乘法原理，选择适当的参数保证与xk之差的平方和最小，即E值最小。

由求极值条件，(式4)结果应为0：=2ki(xk-ajkj)=0(i=1,2…,m)为求得线性方程组，进行一下处理：ki进一步得出m+1个待定系数aj(j=1,2…,m)。

当m=0 时求得趋势项为常数，可以求得当m=1时为线性趋势项，有a0=a1=消除线性趋势项的计算yk=xk-(a0-a1k)k=1,2…,n在语音信号处理中，一般取m=2进行去趋势项处理。

对纯净语音“四川理工”进行趋势化处理，然后利用最下二乘法对信号处理实验结果如图4。

基于以上分析可知经最小二乘法拟合消除趋势项的信号倒谱很大程度上减少了外部环境等因素的干扰，信号的幅值趋于正常，稳定性得到了增强。

2.3 利用改进的谱减法降低信号噪声信号中存在的噪声在信号检测中不可避免，而最大程度的减少噪声的干扰成为信号检测中关键的一步。

改进算法采用谱减法。

谱减法的基本思想：利用静音段分析语音中的噪声成分，再将含噪声语音减去就获得纯净的语音[6]。

谱减法原理如图5。

如果设y(t)为噪声信号，n(t)为噪声信号，s(t)为纯净语音信号则有y(t)=s(t)+n(t)用Y(ω)、S(ω)、N(ω)分别表示y(t)、s(t)、n(t) 的傅里叶变换，则可得Y(ω)=S(ω)+N(ω)假设加性噪声和语音信号互不相关，则有∣Y(ω)∣=∣S(ω)∣+∣N(ω)∣如果用Py(ω)、Ps(ω)、Pn(ω)分别表示y(t)、s(t)、n(t)的功率谱，则有Py(ω)=Ps(ω)+Pn(ω)一般情况下将噪声功率谱变化视为稳态，即可以得出Pn(ω)。

Ps(ω)=Py(ω)+Pn(ω)相比于常规的谱减法，改进的谱减法用数个正交的数据窗单独计算出直接谱，通过均值处理进一步求出谱估计，获得合适的估计方差[7]。

其定义为Smt为数据窗的谱，数据窗为L个：式中：N是序列长度；ak(n)为第k个数据窗；x(n)为数据序列，且相异的数据窗之间正交。

纯净语音“四川理工”叠加高斯噪声，经MATLAB仿真可以分析出利用多窗谱估计的谱减法滤除信号噪声，相比于常规的谱减法，能够在保证滤除噪声信号的同时并保证原始信号的完整性，结果分析如图6。

3.1 基于线性检测的基音检测由于常规的倒谱法会受到到共振峰的影响，需要结合线性检测来去除共振峰的影响。

线性预测法基本思想：临近的采样值彼此存在较大的关联性，通过之前的采样值可以预测出下一时刻的采样值。

也就是说把模型输出概念引入至语音处理中，利用过去的特征来分析计算出现在的特征[9]。

简单LPC音码器的结构如图7。

x(n)为语音信号的时间序列，设每帧的帧长为N，xi(m)为预处理过后的信号，其线性预测模型为进一步推出预测误差的传递函数因为线性预测法去除了共振峰的响应，能够把声道响应的影响减到最低[10]。

线性预测分析是一种有效且简便的信号处理方法，实际过程中其误差较小、计算简单，所以在语音分析中有着重要价值，若想保证结果的准确度，则需要着重考虑预测系数的分析，本文通过伯格算法(BURG)来分析预测系数。

利用伯格算法[11]获得格型滤波器，可以有效处理准确度和稳定性之间的问题。

出现的第i阶的正向预测误差为ei(n)，反向预测误差为bi(n)，设格型滤波器中反射系数ki，正向误差和反向误差可由格型滤波器的结构得出正向误差E(i)=E[(ei(n))2]反向误差Bi(n)=E[(bi(n))2]伯格算法的逼近准则：使ei(n)和bi(n)在第i阶最小。

令=0由此得到ki==ai3.2 信号平滑处理信号处理一定程度还会有很多毛刺，为提高信号曲线光滑度，常采用平滑处理方法。

中值滤波能有效过滤尖峰脉冲，滤波后的信号保持原来的变化趋势，并去除毛刺对语音分析造成的影响。

其原理是将语音信号序列的某个点值用临近各点的中值取代，来滤除毛刺。

论文采用中值滤波法，利用MATLAB中的中值滤波函数(A=medfilt1(B,n))方式滤除语音信号的野点。

3.3 信号处理结果与分析采用改进算法的处理结果如图8。

实验结果表明，本文提出的改进算法较之传统的倒谱法来讲在提取信号的周期、鲁棒性以及平稳性有了大幅提升，基音的周期检测效果明显。

论文提出一种基于倒谱法的基音检测改进算法[12]。

其过程是先对语音信号预处理(加窗分帧、去趋势项处理、谱减降噪)，然后利用语音信号的线性化分析、伯格算法和中值滤波算法对预处理过的语音信号进一步处理，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，但是在强噪声的情况下还需进一步改善。

张景扩(1992— )，硕士生，主研物联网技术与应用；彭龑(1967— )，硕士生导师，教授，主要从事计算机应用、人工智能与智能控制等研究。

责任编辑：哈宏疆【相关文献】[1] 李鹏,周明全,夏小亮,等. 改进的基音检测方法及在音乐检索中的应用[J]. 计算机工程与应用, 2011,47(6):127-130.[2] 焦蓓. 语音信号的基音检测法研究[D].湘潭：湘潭大学,2013.[3] 何姣. 带噪语音信号基音检测技术研究[D].成都：电子科技大学,2012.[4] 张晶. 声纹识别鲁棒性技术及应用研究[D].广州：广东工业大学,2015.[5] 乔新勇,刘春华,曾兴祥,等. 基于局部均值分解的信号非线性趋势项剔除方法及应用[J]. 软件,2012,33(3):15-18.[6] 王平,陆继翔,余隋怀,等. 云终端语音交互中改进型谱减法语音增强算法[J]. 计算机集成制造系统,2013,19(7):1721-1725.[7] WANG J，LIU H，ZHENG C, et al. Spectral subtraction based on two-stage spectral estimation and modified cepstrum thresholding[J].Applied Acoustics, 2013, 74(3):450-458.[8] BAHJA F, DI MARTINO J, ELHAJ E I, et al. Acorroborative study on improving pitch determination by time-frequencycepstrum decomposition using wavelets[J]. Springerplus, 2016(5): 564-580.[9] 宋知用. MATLAB在语音信号分析与合成中的应用[M]. 北京航空航天大学出版社：2013.[10] ALI S M, KARULE P T. MFCC, LPCC, formants and pitch proven to be best features in diagnosis of speech disorder using neural networks and SVM[J]. International Journal of Applied Engineering Research, 2016,11(2): 897-903.[11] 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, 2009,45(15): 158-159.[12] 赵祎,张盛,林孝康. 一种改进的基音周期提取算法[J]. 数据采集与处理, 2014,2(29): 304-308.。