自相关 基音检测
专业班级 08级信息工程组别
成员
1、引言
人在发浊音时,气流通过声门使声带产生张弛振荡式振动,产生一股准周期脉冲气流,这一气流激励声道就产生浊音,又称有声语音,它携带着语音中的大部分能量。这种声带振动的频率称为基频,相应的周期就称为基音周期( Pitch) ,它由声带逐渐开启到面积最大(约占基音周期的50% ) 、逐渐关闭到完全闭合(约占基音周期的35% ) 、完全闭合(约占基音周期的15% )三部分组成。
当今主流的基音周期检测技术主要有时域的自相关法、频域的倒谱法、时频结合的小波变换分析方法以及在其基础上的衍生算法。本文所采用的方法是自相关法
2．设计思路
(1)自相关函数
对于离散的语音信号x(n)，它的自相关函数定义为：
R(k)=Σx(n)x(n-k)，
如果信号x(n))具有周期性，那么它的自相关函数也具有周期性，而且周期与信号x(n)的周期性相同。自相关函数提供了一种获取周期信号周期的方法。在周期信号周期的整数倍上，它的自相关函数可以达到最大值，因此可以不考虑起始时间，而从自相关函数的第一个最大值的位置估计出信号的基音周期，这使自相关函数成为信号基音周期估计的一种工具。
(2)短时自相关函数
语音信号是非平稳的信号，所以对信号的处理都使用短时自相关函数。短时自相关函数是在信号的第N个样本点附近用短时窗截取一段信号，做自相关计算所得的结果
Rm(k)=Σx(n)x(n-k)
式中，n表示窗函数是从第n点开始加入。
3、程序代码
function pitch
x=wavread('E:\luyin\wkxp.wav');%读取声音文件
figure(1);
stem(x,'.'); %显示声音信号的波形
n=160; %取20ms的声音片段，即160个样点
for m=1:length(x)/n; %对每一帧求短时自相关函数
for k=1:n;
Rm(k)=0;
for i=(k+1):n;
Rm(k)=Rm(k)+x(i+(m-1)*n)*x(i-k+(m-1)*n);
end
end
p=Rm(10:n); %防止误判，去掉前边10个数值较大的点
[Rmax,N(m)]=max(p); %读取第一个自相关函数的最大点end %补回前边去掉的10个点
N=N+10;
T=N/8; %算出对应的周期
figure(2);stem(T,'.');axis([0 length(T) 0 10]);
xlabel('帧数(n)');ylabel('周期(ms)');title('各帧基音周期');
T1= medfilt1(T,5); %去除野点
figure(3);stem(T1,'.');axis([0 length(T1) 0 10]);
xlabel('帧数(n)');ylabel('周期(ms)');title('各帧基音周期');
4、运行结果与分析
（1）
运行
x=wavread('E:\luyin\wkxp.wav');%读取声音文件
figure(1);
stem(x,'.'); %显示声音信号的波形
得到的波形如下
图 1
原来的声音文件时长为t=5s,采样率为8kHZ。故总共有5*8k=40000个采样点（如图所示）。图中的三个波形分别对应a,o,e
（2）
运行
n=160; %取20ms的声音片段，即160个样点
for m=1:length(x)/n; %对每一帧求短时自相关函数
for k=1:n;
Rm(k)=0;
for i=(k+1):n;
Rm(k)=Rm(k)+x(i+(m-1)*n)*x(i-k+(m-1)*n);
end
end
p=Rm(10:n); %防止误判，去掉前边10个数值较大的点
[Rmax,N(m)]=max(p); %读取第一个自相关函数的最大点end %补回前边去掉的10个点
N=N+10;
T=N/8; %算出对应的周期
figure(2);stem(T,'.');axis([0 length(T) 0 10]);
xlabel('帧数(n)');ylabel('周期(ms)');title('各帧基音周期');
得到的结果为：
图 2
由第一步可知40000个样点，一共有250帧（每帧160个样点），对应着图中的横坐标
由图中可以看出基音周期大约为7ms.但是图中存在太多的野点，为此，需要对此进行进一
步的处理，即去除野点
（3）去除野点
运行
T1= medfilt1(T,5); %去除野点
figure(3);stem(T1,'.');axis([0 length(T1) 0 10]);
xlabel('帧数(n)');ylabel('周期(ms)');title('各帧基音周期');
运行结果如下
图 3
5、设计中遇到的问题与心得
（1）设计中遇到的问题：
由于每一帧做短时自相关时，Rm(k)开始的几个点的值比第一个周期的峰值还大，因此无法正常提取出第一个峰值对应的点。开始程序的运行结果如下：
于是经过和同学讨论之后决定舍弃Rm开始几个值较大的点,于是运行结果就正常了
图 5
（2）心得体验：
短时自相关函数法基音检测的主要原理是通过比较原始信号和它移位后的信号之间的
类似性来确定基音周期,如果移位距离等于基音周期,那么两个信号具有最大类似性。基于自相关函数的算法是基音周期估计的常用方法,特别适用于噪声环境下的基音提取。自相关函数在基音周期处表现为峰值,相邻两个峰值之间的间隔即为一个基音周期。
但是短时自相关函数法也存在以下缺点：
①倍频现象
通常情况下,基波分量往往不是最强的分量,丰富的谐波成分使语音信号的波形变得非常
复杂,给基音检测带来了困难,经常发生基频估计结果为其实际基音频率的二次倍频或二次分频的情况。加之还有清浊混杂等情况,使基音检测成为一大难题。
如图5 ( a)是一帧语音信号,图4 ( b)是这帧语音信号的自相关函数,可以看出自相关函数
在基音周期处表现为峰值,这些峰值点之间的间隔的平均值就是基音周期,如图6 ( b)所示可以看出自相关函数检测出的基音周期是原始信号基音周期的一半,这是由于谐波峰值点(箭
头所示)的影响,这就是上述缺点中所说的倍频现象。
图 6
图7
②运算量大，效率低下
无论是对随机的语音信号还是对离散的信号进行处理，只要是使用自相关函数对信号进行周期估计，必然涉及大量的乘法运算。虽然经过实验证明，自相关函数法是一种简单而且有效的方法，但是大量的乘法运算严重影响算法的效率。然而从估计基音周期的角度看，短时自相关函数所包含的信息许多是多余的，真正能反映基音周期性的只是少数几个峰，而其余的大多数峰都是由于声道的谐振特性引起的。为此，可以用三电平削波法来突现反映基音周期的信息，同时压缩与共无关的信息。三电平法具体的方法就不在此详细说明了。
基音周期估计
语音信号处理实验报告 实验二：语音信号的基音周期估计 学院：电子与信息学院 专业：信息工程 姓名 学号： 提交日期：2014.4.29
实验二：语音信号基音周期估计 1、 实验内容 从一段语音信号中估计出其基音周期。基音是指法浊音是声带振动所引起的周期性，而基因周期是指声带振动频率的倒数。 2、 实验方法 尽管基音检测有许多困难，但因为它的重要性，基音的检测提取一直是一个研究的课题，为此提出了各种各样的基音检测算法，如自相关函数(ACF)法、峰值提取算法(PPA)、平均幅度差函数(AMDF)法、并行处理技术、倒谱法、SIFT 、谱图法、小波法等等。 2.1、短时自相关法 对于离散的语音信号x(n)，它的自相关函数定义为：R(k)=Σx(n)x(n-k)， 如果信号x(n))具有周期性，那么它的自相关函数也具有周期性，而且周期与信号x(n)的周期性相同。自相关函数提供了一种获取周期信号周期的方法。在周期信号周期的整数倍上，它的自相关函数可以达到最大值，因此可以不考虑起始时间，而从自相关函数的第一个最大值的位置估计出信号的基音周期，这使自相关函数成为信号基音周期估计的一种工具。 语音信号是非平稳的信号，所以对信号的处理都使用短时自相关函数。短时自相关函数是在信号的第N 个样本点附近用短时窗截取一段信号，做自相关计算。短时自相关运算定义为下式： 1 ()()()N k n n n m R k S m S m k --== +∑ 2.2、平均幅度差函数法 语音信号的短时平均幅度差函数Fn （k ）定义为
1 ()|()()|N k n n n m F k S m k S m --== +-∑ 与短时自相关函数一样，对周期性的浊音一样，Fn （k ）也呈现与浊音语音周期一致的周期特性，不过不同的是Fn （k ）在周期的各个整数倍点上具有是谷值特性而不是峰值特性，因而通过Fn （k ）的计算同样可以确定基音周期。 线性加权短时平均幅度差（W-AMDF ）的定义： 1 1 ()|()()|1N k nw n n m F k S m k S m N k --==+--+∑ 2.3、实验过程 2.3.1自相关法（ACF ） 1、录取一段录音，采样率8K ，单声道 2、用MATLAB 的wavread 函数把录音都进来并进行归一化处理 3、对语音信号进行预加重 4、对语音信号进行截止频率为1000Hz 的低通滤波，然后进行分帧处理 5、对每帧语音进行三电平削波处理 6、对每帧分别计算短时自相关运算，去除每帧前十个点后再求最大值 7、利用最大值对应的序号N 来确定基音的周期 2.3.2短时平均幅度差法（W-ADMF ） 1、录取一段录音，采样率8K ，单声道 2、用MATLAB 的wavread 函数把录音都进来并进行归一化处理 3、对语音信号进行预加重 4、对语音信号进行截止频率为1000Hz 的低通滤波，然后进行分帧处理 5、对每帧语音进行三电平削波处理 6、对每帧分别计算线性加权短时平均幅度差运算，去除每帧前、后5个点后再求最小值M1和第二最小值M2 7、利用abs （M2-M1）来确定基音的周期
基于MATLAB的语音信号的基音周期检测
基于MATLAB的语音信号的基音周期检测 摘要：MATLAB是一种科学计算软件，专门以矩阵的形式处理数据。MATLAB将要性能的数值计算和可视化集成在一起，并提供了大量的内置函数，从而被广泛的应用于科学计算、控制系统和信息处理等领域的分析、仿真和设计工作。 MATLAB在信号与系统中的应用主要包括符号运算和数值计算仿真分析。由于信号与系统课程的许多内容都是基于公式演算，而MATLAB 借助符号数学工具箱提供的符号运算功能，基本满足设计需要。例如：解微分方程、傅里叶正反变换、拉普拉斯正反变换和Z正反变换等。MATLAB在信号与系统中的另一主要应用是数值计算与仿真分析，主要包括函数波形绘制、函数运算、冲击响应仿真分析、信号的时域分析、信号的频谱分析、系统的S域分析和零极点图绘制等内容。 本次课程设计为语音信号的基音周期检测，采集语音信号，对语音信号进行处理，区分清音浊音，并通过对采样值进行滤波、分帧、求短时自相关函数，得到浊音的基音周期。 关键字：清音、浊音、基音周期、基音检测、自相关函数
目录 1 概述 (1) 2 AMDF算法原理及实现 (1) 2.1 AMDF算法源程序 (2) 3 ACF算法原理及实现 (4) 3.1 用短时平均能量进行清/浊音的判断 (4) 3.2 自相关函数基音检测的原理 (6) 3.3 算法实现及相关程序 (6) 3.3.1 带通滤波 (7) 3.3.2 取样与分帧 (7) 3.3.3 短时能量分析 (8) 3.3.4 自相关函数分析 (11) 4 总结与心得体会 (13) 参考文献 (13)
1 概述 基音周期检测也称为基频检测(Pitch Detection) ,它的目标是找出和声带振动频率完全一致的基音周期变化轨迹曲线,或者是尽量相吻合的轨 迹曲线。基音周期检测在语音信号的各个处理领域中,如语音分析与合成、有调语音的辨意、低速率语音压缩编码、说话人识别等都是至关重要的,它的准确性及实时性对系统起着非常关键的作用,影响着整个系统的性能。 浊音信号的周期称为基音周期, 它是声带振动频率的倒数, 基音周期的估计称为基音检测。基音检测是语音处理中的一项重要技术之一, 它在有调语音的辨意、低速率语音编码、说话人识别等方面起着非常关键的作用; 但在实现过程中, 由于声门激励波形不是一个完全的周期脉冲串, 而且声道的影响很难去除、基音周期的定位困难、背景噪声的强烈影响等一系列因素, 基音检测面临着很大的困难。而自相关基因检测算法是一种基于语音时域分析理论的较好的算法。 本文在对AMDF、ACF基音检测算法基本原理进行分析的基础上,对此算法进行了深入的探讨,针对以往研究中存在的问题加以改进,给出了一种方便、快捷的检测方案。综合考虑了检测准确度和检测速率两方面的因素,然后通过对一段具体的语音信号进行处理,较准确地得到浊音语音信号的基音周期。 2 AMDF算法原理及实现 语音信号{s(n))的短时平均幅度差函数(AMDF)定义为：
自动检测技术及应用
《自动检测技术及应用》期终考试试卷 一卷 班级 姓名 学号 教师 、一个完整的检测系统或检测装置通常由 传感器 、 测量电路、 输出单元和 显示装置等部分组成。 2、若已知某直流电压的大致范围，选择测量仪表时，应尽可能选用那些其量程大于被测电压而又小于 被测电压1.5倍的电压表。 3、导体或半导体材料在 外界力的作用下，会产生机械变形 ，其 电阻值也将随着发生变化，这种现象称为应变效应。应变片传感器由测量电路和电阻应变片两部分组成。 4、电桥按读数方法可分为两种，平衡电桥仅适合测量静态参数，而不平衡电桥对静、动态参数都可测量；双臂电桥 灵敏度比单臂电桥提高一倍，而且还具有 温度误差补偿作用。 5、金属热电阻的阻值随温度的升高而 增加 ，为 正温度系数；半导体热电阻按其阻值与温度之间的变化关系可分为负温度系数热敏电阻和 正温度系数热敏电阻两大类。 6、电感式传感器利用 电磁感应原理，将被测的非电量转换成 电磁线圈的自感 量 或互感量变化的一种装置。在实际工作中常采用差动式电感式传感器，既可以提高传感器的灵敏度，又可以减小测量误差。电感式传感器测量转换电路有： 调幅电路、调频电路和 调相电路等。 6、电容式传感器的测量转换电路种类很多，常用的有电桥电路、调频电路、运算放大器式电路、二极管T 型网络。 7、热电偶定律包括中间导体定律、 中间温度定律和 参考电极定律，它们对热电偶的实际应用十分重要。 8、物体受到光照以后，物体内部的原子释放出电子，这些电子仍留在物体内部，使物体的 电阻率发生变化 或产生 光电动势的现象称为 内光电效应。 9、霍尔元件一般采用 N 型半导体材料制成，霍尔电动势的大小正比于输入电流I 和 磁感应强度B ，霍尔元件的零位误差主要是不等位电动势。 二、选择题（每空2分，共20分）
一种高效的基音检测与评估算法
Computer Engineering and Applications 计算机工程与应用 2014，50（14）基音轨迹是语音信号处理中一个十分重要的参数，其与语音特征提取及语音识别等有很大的关系。近些年来，人们已从时域、频域和时频混合域出发，针对不同情况，提出了多种基音检测方法，例如短时自相关函数法、平均幅度差函数法、简单逆滤波器跟踪法、小波函数 法、倒谱法等[1]。理论上它们都能精确地提取实验室条件下的语音基音波形，但是在实际的应用中每种方法都有其局限性和应用范围。其中自相关函数（ACF ）方法被认为是广泛使用的方法之一[2]，但传统的自相关基音检测算法会带来编码延迟。所以—种高效基音提取方法变得尤为重要。文献[3]利用等长夹角链码来检测与评估基音曲线特征，一定程度上可以有效地解决基音检测问题，但由于基音折线长度不等，为了准确地表征基音曲线，本文将变长夹角链码引入到基音检测问题中，以折线评价参数为标准使计算得到简化，用变长夹角来描述基音特征，通过变长夹角链码有效地解决了基音检测问题。 1基音提取方案 首先采用自相关方法的动态规划算法提取浊音段的基音，然后对基音曲线进行平滑，从而得到完整的基音轨迹，最后比较模仿者与标准发音的基音轨迹相似度来评估。基音提取方案系统框架如图1所示。1.1语音信号预处理 首先要对语音信号进行预处理，预处理模块一般包括预滤波、采样、量化、分帧、预加重、端点检测等。把每一种高效的基音检测与评估算法 王民，任雪妮，孙洁 WANG Min,REN Xueni,SUN Jie 西安建筑科技大学，西安710055 Xi ’an University of Architecture and Technology,Xi ’an 710055,China WANG Min,REN Xueni,SUN Jie.Improved pitch detection and matching https://www.wendangku.net/doc/4113370874.html,puter Engineering and Applications,2014,50（14）：206-209. Abstract ：The pitch fluctuation and intonation rhythm are reflected by the pitch track as an important parameter in the voice similarity.For characterizing pitch curve accurately,this paper optimized the pitch track which is extracted by AIAC （Alterable Included Angle Chain ）.Based on comparing the similarity of pitch curve between imitator and standard pro-nunciation,the method of extracting pitch curve and matching algorithm of similarity are discussed.And the assessment of pitch characteristics is completed.The results show that the method is simple in calculation process and the results are good.Key words ：pitch curve;Alterable Included Angle Chain （AIAC ）;chain code matching;similarity 摘要：基音轨迹是语音评估中重要的参数，它的高低变化反映了语音的音高起伏和语调韵律特点。为了准确地评估一段语音，利用变长夹角链码（Alterable Included Angle Chain ，AIAC ）来准确提取说话者的基音轨迹，对比模仿者与标准发音的基音轨迹的相似度，研究基音轨迹相似度的匹配算法及曲线拟合算法，从而完成基音特征相似性的评估。结果表明：该方法不仅能够准确、快捷提取说话者的基音轨迹，而且计算过程简单，操作简便并能够取得良好的评估效果。 关键词：基音轨迹；可变夹角链码（AIAC ）；链码匹配；相似度 文献标志码：A 中图分类号：TP393doi ：10.3778/j.issn.1002-8331.1207-0333 基金项目：国家自然科学基金（No.61073196）；西安市工业应用技术研发项目（No.CXY1122）；西安建筑科技大学重大科技成果创 新基金（No.ZC1103）。 作者简介：王民（1959—），男，副教授，主要研究方向为智能信息；任雪妮（1985—），女，硕士研究生，主要研究方向为智能信息； 孙洁（1988—），女，硕士研究生，主要研究方向为研究信号与信息处理。E-mail ：rxn3703@https://www.wendangku.net/doc/4113370874.html, 收稿日期：2012-07-23修回日期：2012-09-25文章编号：1002-8331（2014）14-0206-04 CNKI 网络优先出版：2012-10-29,https://www.wendangku.net/doc/4113370874.html,/kcms/detail/11.2127.TP.20121029.1616.001.html 206
语音信号基音周期检测的matlab程序
function nmax=find_maxn(r) %寻找峰值最大的n值及基音周期 %r,自相关序列 %maxn,为峰值最大的n zer=find(r==0); %找第一个零点如果存在 jiaocha=0; %找第一近零点 ii=1; while (jiaocha<=0) if(r(ii)>0 && r(ii+1)<0 && (ii+1) 华南理工大学《语音信号处理》实验报告 实验名称：基音周期估计 姓名： 学号： 班级：10级电信5班 日期：2013年5 月15日 1.实验目的 本次试验的目的是通过matlab编程，验证课本中基音周期估计的方法，本实验采用的方法是自相关法。 2. 实验原理 1、基音周期 基音是发浊音时声带震动所引起的周期性，而基音周期是指声带震动频率的倒数。基音周期是语音信号的重要的参数之一，它描述语音激励源的一个重要特征，基音周期信息在多个领域有着广泛的应用，如语音识别、说话人识别、语音分析与综合以及低码率语音编码，发音系统疾病诊断、听觉残障者的语音指导等。因为汉语是一种有调语言，基音的变化模式称为声调，它携带着非常重要的具有辨意作用的信息，有区别意义的功能，所以，基音的提取和估计对汉语更是一个十分重要的问题。 由于人的声道的易变性及其声道持征的因人而异，而基音周期的范围又很宽，而同—个人在不同情态下发音的基音周期也不同，加之基音周期还受到单词发音音调的影响，因而基音周期的精确检测实际上是一件比较困难的事情。基音提取的主要困难反映在：①声门激励信号并不是一个完全周期的序列，在语音的头、尾部并不具有声带振动那样的周期性，有些清音和浊音的过渡帧是很难准确地判断是周期性还是非周期性的。②声道共振峰有时会严重影响激励信号的谐波结构，所以，从语音信号中直接取出仅和声带振动有关的激励信号的信息并不容易。③语音信号本身是准周期性的(即音调是有变化的)，而且其波形的峰值点或过零点受共振峰的结构、噪声等的影响。④基音周期变化范围大，从老年男性的50Hz到儿童和女性的450Hz，接近三个倍频程，给基音检测带来了一定的困难。由于这些困难，所以迄今为止尚未找到一个完善的方法可以对于各类人群(包括男、女、儿童及不向语种)、各类应用领域和各种环境条件情况下都能获得满意的检测结果。 尽管基音检测有许多困难，但因为它的重要性，基音的检测提取一直是一个研究的课题，为此提出了各种各样的基音检测算法，如自相关函数(ACF)法、峰值提取算法(PPA)、平均幅度差函数(AMDF)法、并行处理技术、倒谱法、SIFT、谱图法、小波法等等。 2、自相关函数 对于离散的语音信号x(n)，它的自相关函数定义为： R(k)=Σx(n)x(n-k)， 如果信号x(n))具有周期性，那么它的自相关函数也具有周期性，而且周期 细胞周期的流式检测方法 细胞周期（cell cycle）是指细胞从一次分裂完成开始到下一次分裂结束所经历的全过程，分为G0/G1期、S期、G2/M期。在科研实践中，很多实验具有对细胞群体的周期分布进行检测的需求。细胞群体周期测定的方法有很多种，最常用的是PI（碘化丙啶）渗入DNA进行染色，然后通过流式细胞仪检测PI从而测定细胞群体的周期分布。 因此，下面笔者主要通过BD（Becton＆Dickinson）公司生产的BD FACSCalibur流式细胞仪测定PI标记的细胞群体为例，对细胞周期的流式检测方法进行阐述。 一、PI染色步骤概略 1、单细胞悬液离心，1500rpm , 5min，弃上清。 2、PBS 1ml离心，弃上清。 3、70%酒精2ml，4℃，30min，离心，弃上清液。 4、PBS 1ml离心，弃上清。 5、RNase A的PBS溶液(20ug/ml)，500ul，37℃，30min，离心弃上清。 6、PBS 1ml离心，弃上清。 7、PI的PBS溶液(50ug/ml)，500ul，室温避光孵育30min。 8、吹打混匀，300目筛网过滤至流式管中，4℃保存，待测。 二、Calibur仪器设置及数据收集 1、依次打开Calibur机器电源、电脑开关和CellQuest Pro软件，按快捷键Command+B连机，按快捷键Command+1、 2、 3、4调出Detectors/Amps面板、Threshold面板、Compensation 面板和Status面板，软件的操作界面如图1所示。 图1. Cell Quest Pro软件操作界面 2、建立实验模板，包括FSC/SSC散点图、FL2-W/FL2-A散点图和FL2-A直方图。因为PI 在Calibur上是由488nm的激光器激发，530/30滤光片收集信号，所以选择FL2通道进行检测。细胞周期是2N和4N的循环，所以FL2通道的Mode参数应设置为Lin模式，同时阈值（Threshold）的Primary Param参数设置为FL2-H，Four Color DDM Param参数设置为FL2， 综合实验报告 自相关法及其变种 学院电子与信息学院专业信息与信号处理学生 学生学号 提交日期2013年7月10日 一、实验目标 1.1 了解语音基音周期估计方法，掌握自相关法估计基音周期的原理，分析其变种。 二、实验基础知识 2.1 基音与基音周期估计 人在发音时，根据声带是否震动可以将语音信号分为清音跟浊音两种。浊音又称有声语言，携带者语言部分的能量，浊音在时域上呈现出明显的周期性；而清音类似于白噪声，没有明显的周期性。发浊音时，气流通过声门使声带产生弛震荡式振动，产生准周期的激励脉冲串。这种声带振动的频率称为基音频率，相应的周期就成为基音周期。 基音周期的估计称谓基音检测，基音检测的最终目的是为了找出和声带振动频率完全一致或尽可能相吻合的轨迹曲线。 基因周期作为语音信号处理中描述激励源的重要参数之一，在语音合成、语音压缩编码、语音识别和说话人确认等领域都有着广泛而重要的问题，尤其对汉语更是如此。汉语是一种有调语言，而基因周期的变化称为声调，声调对于汉语语音的理解极为重要。因为在汉语的相互交谈中，不但要凭借不同的元音、辅音来辨别这些字词的意义，还需要从不同的声调来区别它，也就是说声调具有辨义作用；另外，汉语中存在着多音字现象，同一个字的不同的语气或不同的词义下具有不同的声调。因此准确可靠地进行基音检测对汉语语音信号的处理显得尤为重要。 2.2 基音周期估计的现有方法 到目前为止，基音检测的方法大致上可以分为三类： 1）时域估计法，直接由语音波形来估计基音周期，常见的有：自相关法、并行处理法、平均幅度差法、数据减少法等； 2）变换法，它是一种将语音信号变换到频域或者时域来估计基音周期的方法，首先利用同态分析方法将声道的影响消除，得到属于激励部分的信息，然后求取基音周期，最常用的就是倒谱法，这种方法的缺点就是算法比较复杂，但是基音估计的效果却很好； 3）混合法，先提取信号声道模型参数，然后利用它对信号进行滤波，得到音源序列，最后再利用自相关法或者平均幅度差法求得基因音周期。 三、实验原理 3.1 自相关函数 能量有限的语音信号x(n)的短时自相关函数定义为： 此公式表示一个信号和延迟m 点后该信号本身的相似性。如果信号x(n)具有周期性，那么它的自相关函数也具有周期性，而且周期与信号x(n)的周期性相同。自相关函数提供了一种获取周期信号周期的方法。在周期信号周期的整数倍上，它的自相关函数可以达到最大()()()n n R m x n x n m =+∞=-∞ =+∑ 标准操作程序 STANDARD OPERATING PROCERE 制检验及评价的进度。 2．范围：适用于原辅料，包装材料和成品人取样到报告的全过程 3．化验申请单的发送：当仓库收料员将物料检查验收后，在由货四联单上填上内容并签名，将化验申请在2日内交质客部取样员，转给评价部门。收料后，因故不能在2日内交质客部取样品，应有收料员在“备注”栏中证券交易明原因和日期并签名。 在化验申请单上填写控制号，并按SOPQC-701“取样指令”填写后，作为取样指令交取样员取样。 在增补取样的情况下，如需全检，则应另发一份批化验记录，如仅有个别项目，则可在增补取样单上注明要求。 因故不能在收到化验申请的2日内到达取样指令时，指令人应备注栏内说明原因和日期并签名。 5．取样：取样员在取样完毕后，应在化验申请单上著名日期并签名。取样不得超过3天，否则应在备注栏内说明原因。 6．样品和批化验记录的递交：取样员应取样的当天或次日将样品及化验记录交有关人员。如系增补取样，仅作个别项目则可另发批化验记录，只随样送一份增补取样单。 收样人员接收样品时应核对样品和批化验记录或增补取样单，包括下列内容： ——品名 ——代号 ——批号 ——控制号 标准操作程序 STANDARD OPERATING PROCERE 并在收样日期内签名和注上日期。 检验结束后，检验员及有关审核人员应在化验记录或增补取样结果栏目内，填好检验结果，（或审核结果），分别签名并注明日期。 7．检验周期：根据本企业生产有关品种而制定检验周期（附件1）检验人员必须按要求出具报告。 物殊情况下，要求提前出出具检查报告时，应由质定部负责人签发后方可予以安排。 现代测试技术及应用作业 学号2013010106 姓名刘浩峰 专业核技术及应用 提交作业时间2014 12 10 无损检测中的CT重建技术 1无损检测 1、1无损检测概述 无损检测就是工业发展必不可少的有效工具,在一定程度上反映了一个国家的工业发展水平,其重要性已得到公认。中国在1978年11月成立了全国性的无损检测学术组织——中国机械工程学会无损检测分会。此外,冶金、电力、石油化工、船舶、宇航、核能等行业还成立了各自的无损检测学会或协会;部分省、自治区、直辖市与地级市成立了省(市)级、地市级无损检测学会或协会;东北、华东、西南等区域还各自成立了区域性的无损检测学会或协会。 无损检测缩写就是NDT(或NDE,non-destructive examination),也叫无损探伤,就是在不损害或不影响被检测对象使用性能的前提下,采用射线、超声、红外、电磁等原理技术并结合仪器对材料、零件、设备进行缺陷、化学、物理参数检测的技术。利用材料内部结构异常或缺陷存在引起的热、声、光、电、磁等反应的变化,以物理或化学方法为手段,借助现代化的技术与设备器材,对试件内部及表面的结构、性质、状态及缺陷的类型、性质、数量、形状、位置、尺寸、分布及其变化进行检查与测试。无损检测就是工业发展必不可少的有效工具,在一定程度上反映了一个国家的工业发展水平,无损检测的重要性已得到公认,主要有射线检验(RT)、超声检测(UT)、磁粉检测(MT)、液体渗透检测(PT)、涡流检测(ECT)、声发射(AE)与超声波衍射时差法(TOFD)。 1、射线照相法(RT)就是指用X射线或γ射线穿透试件,以胶片作为记录信息的器材的无损检 测方法,该方法就是最基本的,应用最广泛的一种非破坏性检验方法。工作原理就是射线能穿透肉眼无法穿透的物质使胶片感光,当X射线或r射线照射胶片时,与普通光线一样,能使胶片乳剂层中的卤化银产生潜影,由于不同密度的物质对射线的吸收系数不同,照射到胶片各处的射线强度也就会产生差异,便可根据暗室处理后的底片各处黑度差来判别缺陷。RT的定性更准确,有可供长期保存的直观图像,总体成本相对较高,而且射线对人体有害,检验速度会较慢。 2、超声波检测(UT)原理就是通过超声波与试件相互作用,就反射、透射与散射的波进行研究, 对试件进行宏观缺陷检测、几何特性测量、组织结构与力学性能变化的检测与表征,并进而对其特定应用性进行评价的技术。适用于金属、非金属与复合材料等多种试件的无损检测;可对较大厚度范围内的试件内部缺陷进行检测。如对金属材料,可检测厚度为1～2mm的薄壁管材与板材,也可检测几米长的钢锻件;而且缺陷定位较准确,对面积型缺陷的检出率较高;灵敏度高,可检测试件内部尺寸很小的缺陷;并且检测成本低、速度快,设备轻便,对人体及环境无害,现场使用较方便。缺点就是对具有复杂形状或不规则外形的试 本科毕业论文 题目语音基音周期检测算法比较学院管理科学与工程学院 专业电子信息工程 班级 081信工(1)班 学号 200883082 姓名周刚 指导老师段凯宇讲师 二〇一二年六月 语音基音周期检测算法比较 摘要 基音周期作为语音信号处理中描述激励源的重要参数之一，广泛的应用于语音合成、语音编码和语音识别等语音信号处理等技术领域。准确可靠的对基音周期进行检测将直接影响整个语音处理系统的性能。 常用的基音检测算法对于纯净语音信号都能达到较好的检测效果。然而，实际当中的语音信号不可避免的会受到外界背景噪音的影响，使得这些检测算法的检测效果都不是很理想，为此本文用两种基本算法对语音信号滤波前后进行基音周期检测，在进行比较。 论文首先介绍了语音基音检测算法的研究背景极其重要意义。其次对现有的基音检测算法进行了归纳和总结，并详细的介绍本文将用的两种基本基音检测算法的基本原理及实现。最后在Matlab上对语音信号进行基音周期检测。 论文还完成了算法的程序设计，在Matlab7.0仿真环境下，对上诉算法进行仿真验证，并且在滤波前后做了对比实验。实验结果表明，经过滤波的语音信号基音周期检测的更加准确。 关键词：基音检测；自相关函数法；平均幅度差函数法；基音轨迹 Abstract Pitch as in speech signal processing is one of the important parameters to describe the excitation source, widely used in speech synthesis, speech coding and speech recognition speech signal processing technology. Accurate pitch period detection will directly affect the performance of the speech processing system. Commonly used algorithm for pitch detection for clean speech signal to achieve good detection effect. However, the actual speech signal will be inevitably influenced by external effects of background noise, so the detection algorithm to detect the effect is not very ideal, the paper use two basic algorithms before and after filtering the speech signal pitch detection, in comparison. The thesis first introduces the research background of speech pitch detection algorithm is very important. Next to the existing algorithm for pitch detection are summarized, and a detailed introduction to this article will use the two kinds of basic pitch detection algorithm is the basic principle and realization. Finally in Matlab on speech signal pitch period detection. The paper also finished programming algorithm, in the Matlab7.0 simulation environment, the algorithm is validated by simulation, and the contrast experiments were done before and after filtering. The experimental results show that, after the filtering of the speech signal pitch period detection is more accurate. Keywords: pitch detection; autocorrelation function; the average magnitude difference function method; pitch contrail 专业班级 08级信息工程组别 成员 1、引言 人在发浊音时,气流通过声门使声带产生张弛振荡式振动,产生一股准周期脉冲气流,这一气流激励声道就产生浊音,又称有声语音,它携带着语音中的大部分能量。这种声带振动的频率称为基频,相应的周期就称为基音周期( Pitch) ,它由声带逐渐开启到面积最大(约占基音周期的50% ) 、逐渐关闭到完全闭合(约占基音周期的35% ) 、完全闭合(约占基音周期的15% )三部分组成。 当今主流的基音周期检测技术主要有时域的自相关法、频域的倒谱法、时频结合的小波变换分析方法以及在其基础上的衍生算法。本文所采用的方法是自相关法 2．设计思路 (1)自相关函数 对于离散的语音信号x(n)，它的自相关函数定义为： R(k)=Σx(n)x(n-k)， 如果信号x(n))具有周期性，那么它的自相关函数也具有周期性，而且周期与信号x(n)的周期性相同。自相关函数提供了一种获取周期信号周期的方法。在周期信号周期的整数倍上，它的自相关函数可以达到最大值，因此可以不考虑起始时间，而从自相关函数的第一个最大值的位置估计出信号的基音周期，这使自相关函数成为信号基音周期估计的一种工具。 (2)短时自相关函数 语音信号是非平稳的信号，所以对信号的处理都使用短时自相关函数。短时自相关函数是在信号的第N个样本点附近用短时窗截取一段信号，做自相关计算所得的结果 Rm(k)=Σx(n)x(n-k) 式中，n表示窗函数是从第n点开始加入。 3、程序代码 function pitch x=wavread('E:\luyin\wkxp.wav');%读取声音文件 figure(1); stem(x,'.'); %显示声音信号的波形 n=160; %取20ms的声音片段，即160个样点 for m=1:length(x)/n; %对每一帧求短时自相关函数 for k=1:n; Rm(k)=0; for i=(k+1):n; Rm(k)=Rm(k)+x(i+(m-1)*n)*x(i-k+(m-1)*n); end end p=Rm(10:n); %防止误判，去掉前边10个数值较大的点 [Rmax,N(m)]=max(p); %读取第一个自相关函数的最大点end %补回前边去掉的10个点 N=N+10; 语音信号基音检测算法研究 摘要:本文对倒谱法做了改进,在用倒谱法进行基音检测分析时,提出了一种功率谱二次处理的二次谱减法,该方法克服了倒谱法基音检测的抗噪能力低的弱点,在相同噪声环境下能更加精确地检测出语音信号的基音周期。 关键词:语音信号基音检测倒谱法二次谱减法 1、引言 近年来,基于线性预测和分析频谱的Mel倒谱系数在处理包含情感的语音识别中取得了很大的进步,能否把此种方法应用到相应状态下的基音检测中去,值得广大学者研究。国外很多学者采用实时监控情感变化,并把影响修正基音的轨迹加以平滑或者动态改变窗的宽度,可以明显降低上述影响。基音检测一直是语音信号处理的一大难题,短时自相关函数法、短时平均幅度差函数法、倒谱法、小波变换法等传统的经典基音检测方法,都有各自的用场,但同时也有其相应的不足。其中任一种方法都不能作为通用的方法,但若在基音检测过程中,对预处理和后处理上进行一些改进,且突破传统的语音模型,并适当考虑说话人的个体特征及发音时的情感力度对基音检频带内谱包络测的影响,定能提高基音检测的准确性及健壮性。 本文以语音信号的基音检测为研究对象,着重分析自相关函数法p倒谱法的定义为,时间序列的z变换的模的对数的逆z变换,该序列的倒谱的傅里叶变换形式为。落实到具体实现时,采用DFT来近似傅里叶变换,根据传统语音产生的模型及语音信号的短时性。在其频域内,语音信号短时谱等于激励源的频谱与滤波器的频谱的乘积,浊音信号短时谱中包含的快变化周期性细致结构,则必会对应着周期性脉冲激励的基频以及各次谐波。语音的倒谱是将语音的短时谱取对数后再进行IDFT来得到,所以浊音信号的周期性激励如果反映在倒谱上,便是同样周期的冲激。藉此,我们可从得到的倒谱波形中估计出基音周期。一般我们把倒谱波形中第二个冲激,认为是对应激励源的基频,即基音周期。下面列举出一种倒谱法求基音周期的框图(见图1) 。 3、改进算法的基音检测 当用无噪声的语音信号时,采用倒谱法进行基音检测还是很理想的。但是有加性噪声存在时,对数功率谱中的低电平部分会被噪声填满,从而掩盖了基音谐波的周期性。这也意味着倒谱的输入不再是单纯的周期性成分,而导致倒谱中的基音峰值变宽,而且受到噪声的污染,最终导致倒谱检测方法的灵敏度也随之下降。为此,本文提出了如下改进方法（图2）: 此方法避p本文以语音信号的基音检测为研究对像,对短时自相关函数、倒谱法、这两种基音检测的方法的原理进行了分析。在此基础上,深入研究了倒谱法基音检测的算法。通过实验仿真,发现这种测量方法的不足;最后对这种算法进行了改进,在用倒谱法进行基音检测分析时,提出了一种功率谱二次处理的二次谱减法,该方法克服了倒谱法基音检测的抗噪能力低的弱点,在噪声环境相同的情况下能更加准确的检测出语音信号的基音周期,从而有效提高算法在基音检测时的准确性和抗噪性。 参考文献 [1]胡航.语音信号处理[M].哈尔滨:哈尔滨工业大学出版社,2000:116.126. [2]韩纪庆,张磊,郑铁然.语音信号处理[M].北京:清华大学出版社,2004,lO.39. 《自动检测技术》课程期末考试试题A 一、填空（本题共39分，每空1.5分） 1、传感器由 敏感元件 、 传感元件 、 测量转换电路 三部分组成。 2、在选购线性仪表时，必须考虑应尽量使选购的仪表量程为欲测量的 1.5 倍左右为宜。 3、有一温度计，它的量程范围为0∽200℃，精度等级为0.5级。该表可能出现的最大误差为 +-1 ℃ ，当测量100℃ 时的示值相对误差为 +-1% 。 4、利用热敏电阻对电动机实施过热保护，应选择 NTC突变型 型热敏电阻。 X面 5、在压电晶片的机械轴上施加力,其电荷产生在。 6、霍尔元件采用恒流源激励是为了 。 7、用水银温度计测量水温,如从测量的具体手段来看它属于 测量。 8、已知某铜热电阻在0℃时的阻值为50Ω，则其分度号是 ，对于镍铬-镍硅热电偶其正极是 。 9、压电材料在使用中一般是两片以上，在以电荷作为输出的地方一般是把压电元件 起来，而当以电压作为输出的时候则一般是把压电元件 起来。 10、热电阻主要是利用电阻随温度升高而 这一特性来测量温度的。 11、自动检测系统中常用的抗电磁干扰技术有 、 、 、 、 等。 12、金属电阻的 是金属电阻应变片工作的物理基础。 13、电磁干扰的形成必须同时具备的三项因素是 、 、 。 14、在动圈式表头中的动圈回路中串入由NTC 组成的电阻补偿网络，其目的是为了 。 1、在以二、选择题（本题共30分，每题2分） 下几种传感器当中 C 属于自发电型传感器。 A、电容式 B、电阻式 C、热电偶 D、电感式 2、 D 的数值越大,热电偶的输出热电势就越大。 A、热端直径 B、热电极的电导率 C、热端和冷端的温度 D、热端和冷端的温差 3、在电容传感器中，若采用调频法测量转换电路，则电路中 B 。 A、电容和电感均为变量 B、电容是变量，电感保持不变 4、在仿式传感器来检测工件尺寸，该加工检测装置是采用了 C、电感是变量，电容保持不变 D、电容和电感均保持不变 型机床当中利用电感 B 测量方法。 A、微差式 B、零位式 C、偏差式 5、热电阻测量转换电路采用三线制是为了 B A、提高测量灵敏度 B、减小引线电阻的影响 兼容性 6、C、减小非线性误差 D、提高电磁汽车衡所用的测力弹性敏感元件是 A 。 A、实心轴 B、弹簧管 C、悬臂梁 D、圆环 7、在热电偶测温回路中经常使用补偿导线的最主要的目的是 C 。 A、补偿热电偶冷端热电势的损失 B、起冷端温度补偿作用 D、提高灵敏度 8、考核C、将热电偶冷端延长到远离高温区的地方 计算机的电磁兼容是否达标是指 C 。 A、计算机能在规定的电磁干扰环境中正常工作的能力 规定数值的电磁干扰 B、该计算机不产生超出 C、两者必须同时具备 细胞周期测定实验 细胞计数法： 实验方法原理体外培养细胞生长、分裂繁殖的能力，可用分裂指数来表示。它与生长曲线有一定的联系，如随着分裂指数的不断提高，细胞也就进入了指数生长期。 分裂指数指细胞群体中分裂细胞所占的百分比，它是测定细胞周期的一个重要指标，也是不同实验研究选择细胞的重要依据。 实验材料细胞 试剂、试剂盒胰酶甲醇培养液冰醋酸Giemsa染液 仪器、耗材CO2培养箱普通显微镜培养皿盖玻片吸管 实验步骤一、消化细胞，将细胞悬液接至内含盖玻片的培养皿中。 二、CO2培养箱中培养48小时，使细胞长在盖片上。 三、取出盖片，按下列顺序操作： PBS漂洗3分钟→甲醇：冰醋酸=3：1固定液中固定30分钟→Giemsa液染色10分钟→自来水冲洗。 四、盖片晾干后反扣在载玻片上，镜检。 五、计算 分裂指数=分裂细胞数/总细胞数×100% 展开 注意事项1. 操作时动作要轻，以免使盖片上的细胞脱落。 其他一、Giemsa染液配制 称Giemsa粉末0.5 g，加几滴甘油研磨，再加入甘油（使加入的甘油总量为33 ml）。56℃中保温90-120分钟。加入33 ml甲醇，置棕色瓶中保存，此为Giemsa原液。使用时按 要求用PBS稀释。一般稀释10倍。 BrdU参入法 实验方法原理细胞周期指细胞一个世代所经历的时间。从一次细胞分裂结束到下一次分裂结束为一个周期。细胞周期反应了细胞增殖速度。 单个细胞的周期测定可采用缩时摄影的方法，但它不能代表细胞群体的周期，故现多采用其他方法测群体周期。 BrdU（5-溴脱氧尿嘧啶核苷）加入培养基后，可做为细胞DNA复制的原料，经过两个细胞周期后，细胞中两条单链均含BrdU的DNA将占l/2，反映在染色体上应表现为一条单体浅染。如经历了三个周期，则染色体中约一半为两条单体均浅染，另一半为一深一浅。细胞如果仅经历了一个周期，则两条单体均深染。计分裂相中各期比例，就可算出细胞周期的值。 实验材料细胞 试剂、试剂盒BrdU 甲醇冰醋酸Giemsa染液秋水仙素SSC 柠檬酸三钠NaCl 仪器、耗材冰箱玻片水浴锅锅盖紫外灯光学显微镜 实验步骤一、试剂配制 1. BrdU配制 BrdU 10 mg加双蒸水10 ml ，4℃下避光保存。 2. 2×SSC配制 NaCl 1.75 g，柠檬酸三钠0.88 g，加水至100 ml，4℃保存。 二、细胞生长至指数期时，向培养液中加入BrdU，使最终浓度为10 μg/ml。 三、44小时加秋水仙素，使每ml中含0.1 μg。 四、48小时后常规消化细胞至离心管中，注意培养上清的漂浮细胞也要收集到离心管中。 实时视频图像的清晰度检测算法研究 2010-12-18 17:11:42 来源:微型机与应用 关键字：实时视频图像背景提取Sobel算子清晰度检测 实时视频图像的质量分析已成为众多应用领域性能好坏的关键因素之一，因此实时视频图像的清晰度检测变得尤为重要。目前针对实时视频图像清晰度检测的研究较少，图像清晰度检测算法的研究对象主要针对静止的图像。现有的图像清晰度检测算法大致分为空域和频域两类。在空域中多采用基于梯度的算法，如拉普拉斯(Laplace)算法、差分平方和(SPSMD)算法、Sobel算子等。此类算法计算简洁、快速、抗噪性能好、可靠性较高。在频域中多采用图像的FFT变换(或其他变换)，如功率谱(Power-spectra)算法等[1-2]。此类算法的检测效果好，但计算复杂度高、计算时间长，不适合应用在基于软件实现的实时检测系统中。 当前对实时视频图像的一种重要应用是对运动目标的检测，常用的目标检测方法有帧差法、背景减法、光流法及运动能量法[3]，其中最简单而又快捷的方法是背景差法。其基本思想是通过对输入图像与背景图像进行比较来分割运动目标，关键环节是背景图像的提取。目前常用的背景提取方法有多帧图像平均法、灰度统计法、中值滤波法、基于帧差的选择方法、单高斯建模等。参考文献[4]中对以上算法做了充分的研究。 本文是针对实时视频图像的清晰度检测，基于实时视频图像背景基本保持不变的环境。通过比较上述算法，针对实时视频图像的特点，提出一种基于背景提取与Sobel算子相结合的实时视频图像的清晰度检测算法。 1 实时视频图像的清晰度检测算法原理 当视频播放画面超过24帧/s时，根据视觉暂留原理，人眼无法辨别每幅单独的静态画面，看上去是平滑连续的视觉效果。视频中的事物通常分为静止和运动两类，连续多帧画面中保持静止的物体可视为静止的背景，连续多帧画面中位置变化的物体可视为运动的前景。因此，实时视频图像中的每帧图像都可以划分为静止的背景和运动的前景两类区域。由于视频序列图像中运动的前景区域随机变化，引起图像像素点梯度值的随机改变，使得实时视频图像的清晰度检测较难实现。因此，本文的算法是利用实时视频图像中静止的背景区域检测视频序列图像的清晰度，即由背景提取和清晰度检测两部分组成。 1.1 实时视频图像的背景提取《语音信号处理》实验2-基音周期估计
细胞周期的流式检测方法
基于自相关法的语音基音周期估计
检验周期及管理办法
现代测试技术及应用
基音周期检测算法比较
自相关 基音检测
语音信号基音检测算法研究
自动检测技术及其应用期末考试试题(梁森等版本)
细胞周期测定实验
实时视频图像的清晰度检测算法研究教案