基音周期估计

这是语音信号的数字处理课程的课程作业，这里采用了自相关法对基音周期进行估计。语料采样率：8kHz；量化精度为16bits/sample；

1、 算法描述

本次实验选择了自相关方法对基音周期进行估计。算法主要包括以下几个步骤

• 预处理：包括语料读取和分帧、滤波。
• 阈值设定：对每帧数据选择合适的阈值进行设定
• 削波处理：提高检测准确性
• 互相关求基音频率：通过求解互（自）相关得到基音周期的检测值。

本实验准备使用MATLAB软件完成基音检测任务，具体步骤实现如下

1. 下载语音工具箱voicebox，并导入MATLAB中。
2. 使用readwav读取预料，enframe完成分帧，fir1设计低通滤波器滤波。
3. 采用MAX函数分别取前60点最大值和最后60点最大值，选择其中较小的乘以0.68作为阈值。
4. 对信号进行中心削波和三电平量化得到f_c，f_3。
5. 求这两个信号的互相关值（或者分别求自相关）。取20-160点中的最大值，如果大于0值处1/4，认为是基音周期，否则认为基音周期为0.

2. 实验代码

    MATLAB代码如下所示

%% 基音检测-语音信号的数字处理作业
% 本代码实现了语音信号的基音检测功能，采用了自相关方法处理。
%
% * 作者：
% * 日期：2015-04-15
% 

%% 预处理
%% 
% 清空工作区
clc;clear all;close all;        
%%
% 读取预料，同时对其进行低通滤波（900Hz）和分帧
[y,fs,wmode,fidx]=readwav('MaoYiSheng.wav','p',-1,-1);
f=enframe(y,160);       %分析帧长:20ms(160样点)
lpf_900 = fir1(39,900/fs);
f_l = conv2(f,lpf_900,'same');
figure;plot(f_l(5,:));xlabel('n');ylabel('幅值');title('语音信号波形（低通滤波）');
%% 阈值设定
%% 
% 对每帧预料进行阈值选择
f_l_max = [max(abs(f_l(:,1:60)),[],2) max(abs(f_l(:,101:160)),[],2)];
CL = 0.68*min(f_l_max,[],2);    
figure; stem(CL);xlabel('帧序号');ylabel('阈值大小');title('阈值分布');
CL = repmat(CL,1,160);
%% 削波处理
%%
% 三电平量化
f_3 = zeros(size(f));
f_3(f>CL) = 1;
f_3(f<-CL) = -1;
figure;plot(f_3(5,:));xlabel('n');ylabel('幅值');title('语音信号波形（三电平量化）');
%%
% 中心削波
f_c = zeros(size(f));
f_c(f>CL) = f(f>CL) - CL(f>CL);
f_c(f<-CL) = f(f<-CL) + CL(f<-CL);
figure;plot(f_c(5,:));xlabel('n');ylabel('幅值');title('语音信号波形（中心削波）');
%% 互相关求基音频率
% 互相关 （采用卷积计算）
f_3_inv = f_3(:,end:-1:1);
f_c_inv = f_c(:,end:-1:1);
for n = 1:45
    f_xcorr(n,:) = conv(f_c(n,:),f_c_inv(n,:));
end
f_xcorr = f_xcorr(:,160:319);
%% 
% 找出最大值位置
[f_xcorr_max,f_postition] = max(f_xcorr(:,21:160),[],2);
f_postition = f_postition+20;
noPitch = f_xcorr_max<f_xcorr(:,1)/4;   % 清音检测
pitchFrequence = fs./f_postition;       % 基音频率
pitchFrequence(noPitch==1) = 0;
figure;stem(pitchFrequence);xlabel('帧序号');ylabel('基音频率（Hz）');
title('基音频率检测');grid on;

3.实验结果

4.结果分析

    以下将通过几个问题，具体对基音检测进行分析。

    (1). 为何要通过低通滤波？

    通过对比滤波器和波形，可以发现滤波之前有很多高频分量，而这些高频分量会对基音检测带来不利影响，选择合适的低通滤波器能消除这一影响，更好体现低频特性。

(2). 为何要分帧？

    语音只有短期的平稳特性，譬如对整个语料做谱估计结果如下图所示，这样的信号是完全无法辨别基音频率的

(3). 为何要分前后段求最大幅度？

    如下图所示，如果我们只求一次最大幅度，那么前面的波形就完全消失了。基音估计每帧要有两个周期，而幅度是会改变的，如果我们求最大值，那么阈值选择很有可能是不合适的。

(4). 互（自）相关求解的是什么？

    互（自）相关求解的是波形之间的相似程度，也就是说对于周期信号在相邻周期时间下的互（自）相关值会很大。

(5). 削波带来了什么影响？不同的削波方式之间的差异是什么。

    削波可以使得在基音周期位置呈现大的峰值，获得更良好的性能。三电平削波可以简化自相关运算，然而其性能却没有中心削波好。