摘要：构造频域空间的检测模型,将基音频率作为特征值进行提取,然后为检测模型引入模型参数即优化因子,通过进化算法对该因子进行全局优化,从而获取基音频率的全局最优值,在优化精度和时间代价上取得了较好的平衡。采用两种具有代表性的进化算法进行算法设计,包括遗传算法(GA算法)和粒子群算法(PSO算法)。将所提算法与相关有代表性的算法进行比较,结果表明,所提算法在不同类型不同程度的噪声环境下,能显著提升检测识别率,尤其是在极低信噪比下,优势更为明显。

摘要：为提升音乐分类准确率,提出基于基音频率的数字化音乐情感分类方法。其中通过添加滤波器对音乐信号进行预加重,引入帧移实施分帧处理,使用截断函数实施截断处理。基于多项式拟合设计AMDF基音频率检测算法,对预处理后的音乐信号进行数字化分析。提取Mel频率倒谱系数、线性预测倒谱系数、共振峰参数等特征参数。基于CNN-LSTM构建音乐情感分类模型,完成数字化音乐情感分类。实验结果表明,该方法在不同情感类别与不同帧移大小下,分类准确率均较高,误报率均较低,性能较好。

摘要：舞蹈机器人能够跟随音乐的旋律和节奏作出不同的舞蹈动作,需要对音乐的特征参数进行实时有效的提取。基音频率是音乐的一个重要特征参数,基音频率提取的质量将直接影响音乐特征的识别效果。提出了一种基于自相关函数法的基音频率检测方法,先利用三电平中心削波法对信号进行削波,然后计算其自相关关系,为有效抑制谐波峰值干扰,再次计算信号的自相关性,进而提取音乐信号的基音频率。实验证明,该方法能够准确、稳定的提取音乐信号的基音频率,提取效果理想。

摘要：基音频率作为语音信号最重要的参数之一,它能反映语音信号的一个重要特征,在通信领域及智能识别技术日新月异的今天具有重要的科学研究价值。本次研究使用经典的时域算法——自相关函数法,求取基音频率。参考目前已成熟的研究方案,针对具体实例,借助自相关函数,计算基音频率。使用MATLAB设计编程模拟实现,从而得到哼唱语音的基音频率。再与当前比较成熟的基音频率提取算法做比较,衡量该算法的准确性。

摘要：面向通信领域广泛使用的线性预测声码器,设计了一种不经过“解码-特征提取”过程,而直接由传输码流截取说话人特征的方法,并针对宽带自适应多码率声码器(AMRWB)建立了与文本无关的话者确认系统.系统采用基于概率统计模型的GMMUBM结构,以LPC倒谱作为主要的话者特征矢量,并加入基音衍生参数以提高确认性能.实验表明,该系统在运算速度提高一个数量级的情况下,达到了与基于重建语音的话者确认系统相接近的性能,且对码率失配具有良好的鲁棒性.

摘要：通过对腭裂语音发声模型进行研究,提出基于激励、声道、辐射模型特征参数的腭裂语音高鼻音等级自动识别算法。通过对基于激励模型的基音频率、基于声道模型的共振峰参数、基于综合发声模型的短时能量和Mel倒频谱系数等表征高鼻音特性的参数进行分析和改进,以K-最近邻算法为模式识别分类器,得出应用4种特征参数的高鼻音等级自动识别结果。实验结果表明,Mel倒频谱系数与腭裂语音临床生理特征相关性最大,对不同等级高鼻音识别率最高。

摘要：为实现更为有效的自动语音情感识别系统,提出了一种基于声门信号特征参数及高斯混合模型的情感识别算法。该算法基于人类发音机理,通过逆滤波器及线性预测方法,实现声门信号的估计,提取声门信号时域特征参数表征不同情感类别。实验采用公开的BES(berlin emotion speech database)情感语料库,对愤怒、无聊、厌恶、害怕、高兴、平静、悲伤这7种情感进行自动识别。实验结果表明,提出的语音情感识别系统能有效的识别各类情感状态,其情感判别正确率接近于人类识别正确率,且优于传统的基音频率及共振峰参数。

摘要：为了合成更为自然的情感语音,提出了基于语音信号声学韵律参数及时域基音同步叠加算法的情感语音合成系统。实验通过对情感语音数据库中生气、无聊、高兴和悲伤4种情感的韵律参数分析,建立4种情感模板,采用波形拼接语音合成技术,运用时域基音同步叠加算法合成含有目标感情色彩的语音信号。实验结果表明,运用波形拼接算法,调节自然状态下语音信号的韵律特征参数,可合成较理想的情感语音。合成的目标情感语音具有明显的感情色彩,其主观情感类别判别正确率较高。

摘要：本仪器是根据中学物理教材中声学部分的教学需要而设计的,它与示波器相连接可以演示中学声学部分的十个演示实验,演示现象直观,效果明显,形声并茂,生动有趣,经使用教学效果很好。 仪器的特点是: 1.用磁波话筒代替声波话筒,以提高灵敏度、稳定性和抗干扰能力,同时还能双端拣拾信号、便于演示振动的合成,且成本低,易自制。 2.能揭示重要现象的规律(如共鸣,基音与泛音的区别等)。 3.用音叉作声源,便于学生接受。 4.仪器的外形、尺寸、色彩均参照有关标准设计。 一。