一、基于数学形态学的语音基音轨迹平滑新算法（论文文献综述）
伍烛梅[1]（2017）在《基于HMM的傣语语音合成系统研究》文中研究表明语音合成通俗来说就是利用计算机或者电子设备将文字信息变成具有一定自然度和可懂度的声音信息输出的过程。语音合成虽说有很长的研究历史,也有很多研究语音合成的国内外学者,但大多数的合成研究集中在中英文语言,而很少有对少数民族语言进行的合成研究。在国内,汉语普通话的语音合成技术已经比较成熟、已实现产品化并已经被运用到各个领域,藏语、维吾尔语等少数民族语的语音合成技术也已处于产品化阶段,而云南少数民族语的语音合成研究还未得到应有的重视,傣语语音合成研究目前还无人问津。为了填补傣语语音合成研究的空白,本文以开发傣语文语转换应用系统为目的,针对合成语音自然度不高的问题,研究傣语语音合成系统及其改进方法。本论文的主要工作包括:1.对基于HTS-2.0平台的STRAIGHT提取的基频参数进行分析和改进。针对提取基频参数发生倍频、半频、浊音清化三种错误的问题,本文基于短时平均幅度差函数法（AMDF）利用MATLAB平台开发了一个校对基频错误的工具。并利用基于数学形态学的滤波器对修改结果进行平滑处理,得到最终的基频参数。实验结果表明,本文开发的校对工具能够有效地校对错误的基频,改善合成效果。2.利用HTK工具包对1244句傣语语料进行音子自动切分,并基于音频及其TextGrid文件利用Praat软件优化自动切分标注。关于傣语的音子自动切分标注音子与时间信息未对齐、停顿时间过长或过短、韵律标注与实际有出入以及缺少声母的问题,本文利用Praat软件,对切分错误的音子进行重新对齐,对缺少声母的音节添加零声母“w”并根据音频标注韵律边界信息。实验结果表明,通过对自动切分标注结果的修正,合成的语音自然度有了很大的提高。3.基于傣语语音合成基线系统,本论文分析了合成语音的音质和谱参数,提出了改进的时长模型并重新选择了音频的谱参数训练声学模型。对于合成语音过于平淡以及节奏感不强的问题,本文选取了内插特性较好的LSP参数作为声学模型的训练数据进行谱参数建模。同时,在现有的时长模型上增加了音素时长的决策树模型,在合成时,系统对每个状态时长和音素时长模型同时进行决策,然后,根据两者的权重生成最终的时长模型。实验结果表明,利用改进的傣语语音合成系统合成的傣语语音在可懂度、自然度以及韵律方面都有了很大提升。
王霞[2]（2008）在《数学形态学在语音识别中的应用研究》文中研究指明由于现实环境中存在各种噪声,严重影响了语音的识别率,因此带噪语音识别的研究显得尤为重要。本文从语音信号的非线性理论出发,探讨数学形态学在提高语音识别抗噪性能中的应用。对带噪语音识别中的语音增强、特征参数提取及识别方法等关键问题进行了研究。主要研究内容如下:1.对基于形态滤波的语音增强方法进行了研究。采用不同的形态滤波器和结构元素对带噪语音进行增强,得到不同情况下的输出信噪比,分析了结构元素形状及长度对增强效果的影响。2.将形态滤波和小波变换相结合,形成形态-小波滤波器,对带有不同噪声的语音信号进行滤波。实验结果表明,这种滤波器较好地保持了语音信号形状并使信号得到增强,效果优于形态滤波器。3.基于形态滤波器的幂等性,采用形态预失真方法提取纯净语音的美尔倒谱等参数。对纯净、带噪、去噪及预失真语音特征参数间的距离进行了分析比较,得出了预失真方法的可行性。4.在形态滤波的基础上,对基音周期检测方法进行了研究。根据短时平均幅度差函数（AMDF）与修正自相关函数（MACF）的特点,设计了滤波加权修正自相关函数的基音周期检测方法。该方法利用归一化平均幅度差函数的指数形式对修正自相关函数进行加权,实现了带噪语音的基音周期检测。5.采用预失真特征参数作为训练数据用于隐马尔可夫模型（HMM）识别方法,提高了训练和识别的匹配性,使语音识别率较使用传统方法的识别率有较大提高。6.设计了基于预失真参数的改进径向基函数（RBF）神经网络语音识别方法。对隐层中心的选择、权值的计算及网络结构优化方法进行了研究,分析了不同准则对结构优化的影响,确定了改进方案。通过实验分析比较了RBF神经网络与采用预失真参数的改进方法对带噪语音的识别率。
陈小利[3]（2007）在《含噪语音基音周期检测算法的研究》文中指出在语音信号数字处理的各个领域，无论是语音分析与合成、语音压缩编码，还是语音识别和说话者确认等，准确可靠地检测语音信号的基音周期都至关重要，将直接影响到整个系统的性能。噪声环境下常用基音检测方法的检测效果都不理想，而实际语音在产生过程中，不可避免地要受到背景噪声的影响。为此，本论文就含噪语音进行基音检测算法的研究，力求寻找准确性和鲁棒性都相对较好的基音检测算法。本论文介绍了语音信号的产生过程、产生的数字模型、语音信号的特性及分析方法，简要阐述了小波分析理论，并对现有的基音检测方法进行了分类、归纳和总结。在深入研究小波分析理论和现有基音检测方法的基础上，提出了以下几种基音检测算法：（1）基于小波变换在信号消噪方面具有的不但能消除噪声，而且保持信号的阶跃或突变点位置不变的性质，提出了小波变换与二次谱相结合的基音检测算法。（2）基于小波变换的带通特性，提出了小波变换与时域波形相结合的基音检测算法。该算法首先利用小波变换提取包含基音信息的低频子带信号，并通过数值滤波器加以平滑，得到周期性较强的信号。然后综合利用信号波形的多种特征，如波峰的宽度、面积、幅值大小等信息，并根据这些信息的匹配程度检测基音周期。（3）基于小波变换的多分辨率分析特性，提出了小波变换与加权自相关函数相结合的基音检测算法。该算法将语音多级小波变换的近似分量加权求和以突出基音信息，并将此加权求和量作为基音检测的基础，采用改进的平均幅度差函数加权自相关函数的方法进行基音检测。（4）利用小波变换的突变检测原理，提出了一种新的基音检测算法。该算法采用线性预测分析和截止频率为500Hz的低通滤波器作为语音信号的预处理，以去除声道共振峰和噪声的影响。其次，采用不同的方法对浊音帧和清浊音过渡帧进行基音检测。对浊音帧，采用加权自相关法进行检测；对清浊音过渡帧，则利用小波变换的突变检测原理进行检测。最后，采用搜索试探的平滑算法，并加入一个增加或者消除周期的判断机制，对基音轨迹曲线中出现的个别错误进行纠正。论文还完成了算法的程序设计，对语音信号用所提算法和传统算法在不同信噪比下做了对比实验。实验结果表明，与传统算法相比，所提算法基音估计准确性较高，对噪声具有较好的鲁棒性，性能得到明显提高。
王光艳,张艳,刘颖娜,赵晓群[4]（2004）在《基于数学形态学的语音基音轨迹平滑新算法》文中提出依据数字语音信号的特点和形态滤波器的基本特征,合理选择结构元素构筑了一组用于汉语语音基音轨迹平滑的形态学滤波器,这是继中值滤波和动态规划后一种新的非线性基音轨迹平滑算法.仿真数据的实验结果表明这种方法对于随机误判点与传统中值组合平滑相比效果更佳.
刘颖娜[5]（2004）在《基于数学形态学的语音信号处理方法研究》文中认为语音信号处理是一门涉及面很广的交叉性学科，是许多信息领域应用中的核心技术之一。语音信号是一种复杂的非线性、非平稳信号，近年来发展并完善起来的各种非线性计算理论逐步引入到语音信号处理过程中，弥补了传统线性处理方法的不足。 形态滤波器作为非线性滤波领域的一个重要分支，近年来有了较大的发展，并在图象处理，生物医学等方面取得了成功的应用。在语音信号处理方面，人们也开始探索形态滤波器的应用，但大都还是基于图像处理的阶段，如处理语谱图或将一维信号转化为二维图象信号进行处理，这无疑都有非常大的计算复杂度。 语音信号的基音周期是各种语音信号处理领域的一个非常重要的基本参数，目前已有多种基音检测算法，但都有一定的局限性。本文主要致力于研究形态学在语音信号处理中的基音检测方法的研究，将形态滤波器直接应用于一维语音时域波形信号。本文提出了两种基于形态滤波的基音检测方法，其一是采用平结构元素和半波正弦结构元素组合构成的非线性滤波器与传统线性滤波器相结合的方法进行滤波，对简化的信号采用自相关法得到基音轨迹；其二是只采用较大的平结构元素对信号进行滤波，取出信号的波峰或波谷，直接计算得到基音周期。此外，本文还提出了一种基于形态滤波的基音轨迹平滑方法。上述内容均分别进行了仿真实验和数据分析，并同传统的方法进行了比较。实验结果表明，这种基于形态滤波的非线性语音处理方法是可行的，而且在某些方面要优于传统的处理方法。由于形态滤波具有算法简单、效果直观和运算速度快等优点，很有可能在非线性语音信号处理领域中发挥重要的作用。
王光艳[6]（2003）在《语音信号处理中的数学形态学方法研究》文中研究说明语音信号处理是一门新兴的涉及面很广的交叉学科，是许多信息领域应用的核心技术之一。语音信号是一种复杂的非线性、非平稳信号，近几年来发展并完善起来的各种非线性计算理论逐步引入到语音处理中，弥补了传统线性处理技术的不足。形态滤波器作为非线性滤波领域的最重要和发展最为迅速的一个分支，近年来，在图像处理、生物医学等方面取得了成功的应用。同样，数学形态学也可能成为语音信号处理领域中一种有效的非线性方法。本文主要致力于形态学在数字语音信号处理中的应用算法研究，提出了两种形态学滤波算法，其一是采用正负两种抛物线型结构元素构造的多结构元素形态滤波器，主要用于对被高斯白噪声或正负脉冲噪声污染的语音信号的滤波增强，这是一种新的非线性语音增强算法。其二是采用圆盘形结构元素设计的用于基音周期轨迹平滑的形态学滤波器。上述两种形态滤波器分别通过仿真实验和数据分析，并同传统的方法进行对比，实验结果表明这种基于形态学的非线性语音处理方法是可行的。在语音的滤波增强中，尤其对于正负脉冲噪声的滤除，这种形态学算法具有独特的优势。同时，形态学的基音轨迹平滑算法能在平滑噪声的同时很好地保持基音轨迹的细节特征。由于形态学具有算法简单、效果直观和运算速度快等优点，很有可能成为一种新的非线性语音处理方法。
蒋刚毅,郑义[7]（1998）在《基于数学形态滤波的语音信号基音特征提取》文中提出数学形态滤波是一种关于信号形状处理的非线性变换，它能简化信号、消除较小分量而保留信号的基本形状特征．本文基于数学形态滤波方法提出了两个分别在时域和频域提取语音信号基音周期的方案，在频域提取基音周期的同时还能提取出语音信号的谱包络。它们具有简单、直观和计算效率高等特点。由于数学形态滤波运算是并行的、局部的，新方案适于并行化处理和易于硬件化实现。实验结果表明，选择合理的数学形态滤波参数以及线性预测编码参数，能获得准确的语音信号基音特征。
薛彪[8]（2016）在《经验小波变换的理论算法研究及其在语音信号处理中的应用》文中提出时频分析方法作为分析时变非平稳信号的有力工具,成为现代信号处理研究的一个热点,经验小波变换算法是一种新型的时频分析方法。该算法打破了传统时频分析算法在自适应方面的局限性,结合了经验模式分解和传统小波变换的优势,可以将复杂信号分解为更具有物理意义的模式。本论文深入研究了经验小波变换算法的原理,对算法中存在的问题进行改进和优化,验证了经验小波变换算法作为一种新的时频分析方法在实际应用中的价值。具体而言,针对该算法在处理具有复杂频谱的信号时出现的频谱划分问题,提出了改进方法-—基于Top-Hat变换的经验小波变换算法,通过比较,验证了新方法的有效性；而后,我们把改进的经验小波变换算法应用到语音信号处理中来,针对汉语发音的特点,创新性地提出了一套完整的基于改进的经验小波变换的基频检测算法,通过大量仿真实验,验证该算法能够准确、有效地测出复杂信号的瞬时基频。与传统的基频检测算法相比,新算法具有高准确度,较好的鲁棒性以及高时间分辨率的特点,可以应用到工程领域中。
俞翠华[9]（2011）在《含噪语音信号的基音提取算法研究》文中进行了进一步梳理语音信号的基音周期是其非常重要的特征参数之一,它是语音信号中浊音信号的周期,携带着信号中大部分有用信息,利用它可以有效实现语音合成、语音识别、语音编码、说话者身份识别等技术,为此,分析和应用语音信号的前提是特征参数的准确提取。为了提取和检测淹没在噪声中的语音信号,本文在对含噪语音信号的特征和现有的基音周期方法进行深入研究的基础之上,提出了针对含噪语音信号进行基音周期提取的新方法,大大提高了基音检测准确度,降低了运算的复杂度。本文对原有的基音周期检测方法进行了研究和分析,通过实验仿真指出了各自的适用条件和优缺点。根据空域相关滤波法能够在低信噪比下取得很好的降噪效果,提出了将空域相关滤波法和时域波形相结合的基音检测算法。该算法采用空域相关滤波法和中心削波相结合对含噪语音信号进行预处理,然后提取所需语音信号的波形信息,根据“使得所有匹配项具有最小误差”的原则进行信号匹配,进而求出初始的信号基音周期,最后结合中值滤波法对所得基音周期进行平滑得到最终的基音周期,并通过实验仿真与实际数据相对比,验证算法的可行性和准确性。根据经验模态分解法的多分辨率特性,提出了将EMD软阈值降噪法与Hilbert-Huang变换相结合的基音检测算法。该算法首先对原始语音信号进行EMD分解,然后在各层IMF分量上设置阈值,进行降噪处理,再对降噪后的各支IMF分量计算瞬时频率和瞬时幅值,得出Hilbert谱,利用浊音信号的周期性较强、信号频率处于一个相对较低的区间且信号幅值较大的原则,对Hilbert谱进行处理,得出最后的基音周期轨迹图,并通过实验仿真来验证算法的正确性和优越性。
二、基于数学形态学的语音基音轨迹平滑新算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于数学形态学的语音基音轨迹平滑新算法（论文提纲范文）
（1）基于HMM的傣语语音合成系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 语音合成概述 |
| 1.1.1 语音合成研究背景 |
| 1.1.2 语音合成研究方法 |
| 1.2 傣语语音合成研究概述 |
| 1.3 本文研究背景 |
| 1.4 作者的工作 |
| 1.5 论文的组织 |
| 第二章 基于HMM的傣语语音合成系统 |
| 2.1 隐马尔可夫模型 |
| 2.1.1 马尔可夫过程 |
| 2.1.2 隐马尔可夫模型 |
| 2.2 傣语语音合成基线系统 |
| 2.3 基线系统中存在的问题 |
| 2.3.1 基音频率提取错误 |
| 2.3.2 音子切分标注问题 |
| 2.3.3 梅尔倒谱参数 |
| 2.3.4 时长模型 |
| 2.4 本章小结 |
| 第三章 傣语语音合成系统的改进 |
| 3.1 基频检测 |
| 3.1.1 基于STRAIGHT合成器的基音检测 |
| 3.1.2 基于短时平均幅度差函数法(AMDF)的基频修正 |
| 3.1.3 基频修改步骤 |
| 3.2 基于数学形态学的基音轨迹平滑 |
| 3.2.1 数学形态学原理 |
| 3.2.2 构造数学形态学滤波器 |
| 3.2.3 结构元素的选取 |
| 3.2.4 基于MATLAB的数学形态滤波 |
| 3.3 傣语音子自动切分优化 |
| 3.3.1 自动标注文件的修改流程 |
| 3.3.3 自动切分标注修正过程 |
| 3.4 谱参数的优化选取 |
| 3.5 时长模型的优化 |
| 3.6 基于改进系统的傣语语音合成 |
| 3.6.1 环境和工具 |
| 3.6.2 单音子模型的训练 |
| 3.6.3 三音子模型的训练 |
| 3.6.4 语音合成 |
| 3.7 本章小结 |
| 第四章 实验结果与分析 |
| 4.1 基频提取结果分析 |
| 4.2 音子切分结果分析 |
| 4.3 选取LSP为谱参数的合成结果分析 |
| 4.4 时长模型优化结果分析 |
| 4.5 合成语音客观评价 |
| 4.6 合成语音主观评价 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间完成的科研成果 |
| 致谢 |
（2）数学形态学在语音识别中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| §1-1 选题意义 |
| §1-2 语音增强技术研究现状 |
| 1-2-1 语音和噪声的特性 |
| 1-2-2 语音增强方法 |
| §1-3 语音识别技术研究现状 |
| §1-4 本文的主要研究工作 |
| 第二章 基于数学形态学的语音增强 |
| §2-1 二值形态学基本变换 |
| 2-1-1 二值膨胀、腐蚀定义 |
| 2-1-2 二值开闭运算定义 |
| 2-1-3 二值形态变换性质 |
| §2-2 灰度形态学 |
| 2-2-1 灰度形态运算定义 |
| 2-2-2 灰度形态变换性质 |
| §2-3 形态滤波器 |
| §2-4 形态-小波滤波器 |
| 2-4-1 小波滤波器 |
| 2-4-2 形态-小波滤波器 |
| §2-5 实验结果及分析 |
| 2-5-1 形态滤波结果及分析 |
| 2-5-2 形态-小波滤波结果及分析 |
| 2-5-3 形态滤波器和形态-小波滤波结果比较 |
| §2-6 本章小结 |
| 第三章 基于数学形态学的特征参数提取 |
| §3-1 线性预测系数 LPC |
| §3-2 线性预测倒谱系数 LPCC |
| §3-3 Mel 频率倒谱系数 MFCC |
| §3-4 基音周期改进算法 |
| §3-5 实验结果及分析 |
| 3-5-1 系数特征的提取结果及分析 |
| 3-5-2 基音周期的提取结果及分析 |
| §3-6 本章小结 |
| 第四章 基于预失真参数的 HMM 语音识别 |
| §4-1 HMM 理论 |
| 4-1-1 HMM 的三个基本问题 |
| 4-1-2 前向-后向算法 |
| 4-1-3 Viterbi 算法 |
| 4-1-4 HMM 参数训练――Baum-Welch 算法 |
| 4-1-5 下溢问题 |
| 4-1-6 HMM 多观察序列的训练算法 |
| §4-2 基于 HMM 的语音识别 |
| 4-2-1 语音信号预处理 |
| 4-2-2 语音识别过程 |
| §4-3 实验结果及分析 |
| §4-4 本章小结 |
| 第五章 基于预失真参数的改进 RBF 神经网络语音识别 |
| §5-1 人工神经网络概述 |
| §5-2 径向基神经网络的基本原理 |
| 5-2-1 径向基函数网络模型 |
| 5-2-2 径向基函数神经元模型 |
| §5-3 RBF 神经网络的学习方法 |
| §5-4 改进的 RBF 神经网络 |
| 5-4-1改进的RBF神经网络设计流程 |
| 5-4-2 隐层参数的求取 |
| 5-4-3 权值的共轭梯度优化算法 |
| 5-4-4 网络结构的优化 |
| 5-4-5 利用不同信息准则对节点删除结果 |
| §5-5 基于改进 RBF 神经网络的语音识别 |
| 5-5-1 基于改进 RBF 神经网络的语音识别总体流程 |
| 5-5-2 语音信号预处理及参数提取 |
| 5-5-3 基于该改进 RBF 神经网络识别结果及分析 |
| 5-5-4 改进的RBF神经网络与其它方法的结果比较 |
| §5-6 基于形态学预失真的带噪语音识别 |
| §5-7 本章小结 |
| 第六章 结论 |
| 一、全文总结 |
| 二、本文主要创新点 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间所取得的相关科研成果 |
（3）含噪语音基音周期检测算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 语音信号处理与基音检测 |
| 1.1.1 语音信号处理 |
| 1.1.2 语音信号的基音检测 |
| 1.1.3 语音基音检测的意义 |
| 1.2 基音检测的现状 |
| 1.2.1 影响基音检测的因素 |
| 1.2.2 基音检测方法 |
| 1.3 本论文的主要内容和结构安排 |
| 第二章 语音信号处理基础 |
| 2.1 语音信号的产生 |
| 2.1.1 发声器官 |
| 2.1.2 清音、浊音和爆破音 |
| 2.1.3 基音频率 |
| 2.1.4 共振峰 |
| 2.2 语音信号产生的数字模型 |
| 2.2.1 激励模型 |
| 2.2.2 声道模型 |
| 2.2.3 辐射模型 |
| 2.3 语音信号的特性 |
| 2.3.1 语音的声学特性 |
| 2.3.2 语音信号的时域波形 |
| 2.3.3 语音信号的频谱特性 |
| 2.4 语音信号分析 |
| 2.4.1 语音信号的时域分析 |
| 2.4.2 语音信号的频域分析 |
| 2.5 小波分析 |
| 2.5.1 离散小波变换与二进正交小波变换 |
| 2.5.2 多分辨率分析和小波分解与重构 |
| 第三章 现有的基音检测方法 |
| 3.1 引言 |
| 3.2 自相关函数(ACF)法 |
| 3.2.1 检测原理及影响因素 |
| 3.2.2 改进算法 |
| 3.3 平均幅度差函数(AMDF)法 |
| 3.4 小波变换法 |
| 3.4.1 利用小波变换的突变检测原理检测基音周期 |
| 3.4.2 利用小波变换的多分辨率分析特性检测基音周期 |
| 3.5 倒谱法 |
| 3.6 其它算法 |
| 3.7 本章小结 |
| 第四章 语音信号的预处理和清浊音判决 |
| 4.1 基于小波变换消噪原理的预处理和清浊音判决 |
| 4.1.1 小波变换在信号消噪中的应用 |
| 4.1.2 清浊音判决 |
| 4.2 基于小波变换带通特性的预处理和清浊音判决 |
| 4.3 基于小波变换的多分辨率分析特性的预处理和清浊音判决 |
| 4.4 基于线性预测分析与低通滤波的预处理和清浊音判决 |
| 4.5 预处理和清浊音判决方案的比较 |
| 4.6 本章小结 |
| 第五章 基于小波变换消噪原理和带通特性的基音检测算法 |
| 5.1 小波变换与二次谱相结合的基音检测算法 |
| 5.1.1 算法流程图 |
| 5.1.2 实验结果及分析 |
| 5.1.3 结论 |
| 5.2 基于小波变换和时域波形的基音检测法 |
| 5.2.1 检测原理 |
| 5.2.2 实验结果及分析 |
| 5.2.3 结论 |
| 5.3 本章小结 |
| 第六章 基于小波变换和加权自相关函数的基音检测算法 |
| 6.1 引言 |
| 6.2 基于小波变换的加权自相关的基音检测法 |
| 6.2.1 算法流程图 |
| 6.2.2 改进的AMDF加权ACF |
| 6.2.3 实验结果及分析 |
| 6.2.4 结论 |
| 6.3 基于线性预测的加权自相关与小波变换相结合的基音检测法 |
| 6.3.1 综合利用小波变换和加权自相关函数进行基音检测 |
| 6.3.2 算法流程图 |
| 6.3.3 实验结果及分析 |
| 6.3.4 基音检测的后处理 |
| 6.3.5 结论 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 作者简历 攻读硕士学位期间完成的主要工作 |
| 致谢 |
（5）基于数学形态学的语音信号处理方法研究（论文提纲范文）
| 第一章 绪论 |
| 1-1 语音处理技术的发展概况 |
| 1-2 语音与常用语音分析方法 |
| 1-2-1 语音的基本特性 |
| 1-2-2 常用语音信号分析方法 |
| 1-3 基音检测及其后处理的现状 |
| 1-3-1 基音检测的现状 |
| 1-3-2 基音检测后处理简介 |
| 1-4 本文的主要研究内容 |
| 第二章 数字形态滤波器原理及应用 |
| 2-1 数学形态学的产生及发展 |
| 2-2 数学形态学基本原理 |
| 2-2-1 二值形态学 |
| 2-2-2 灰度形态学 |
| 2-3 数字形态滤波器的理论及发展方向 |
| 第三章 基于形态滤波的基音检测新方法 |
| 3-1 基于数字形态滤波的基音检测 |
| 3-1-1 形态滤波器设计的理论依据 |
| 3-1-2 形态学滤波器的基本算法设计 |
| 3-2 新算法的基音检测结果及性能分析 |
| 3-2-1 实验结果及分析 |
| 3-2-2 基音检测方案及仿真结果 |
| 3-2-3 算法性能评价 |
| 3-3 小结 |
| 第四章 语音基音轨迹的形态学平滑 |
| 4-1 形态滤波器的设计 |
| 4-1-1 结构元素的选择 |
| 4-1-2 滤波器的构造 |
| 4-2 仿真试验结果及分析 |
| 4-2-1 实验过程 |
| 4-2-2 试验结果及分析 |
| 4-3 小结 |
| 第五章 形态滤波用于汉语语音基音提取方法 |
| 5-1 声调获取 |
| 5-2 形态滤波检测峰、谷值原理 |
| 5-3 基音检测实验结果及结论 |
| 5-3-1 实验步骤 |
| 5-3-2 实验结果及结论 |
| 5-3-3 实验得到的声调模式 |
| 5-4 小结 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间取得的相关科研成果 |
（6）语音信号处理中的数学形态学方法研究（论文提纲范文）
| 第一章 绪论 |
| §1-1 引言 |
| §1-2 语音与语音处理 |
| 1-2-1 汉语语音利语言特性 |
| 1-2-2 汉语语音处理引论 |
| §1-3 语音研究中的计算方法及发展 |
| 1-3-1 语音信号研究的历史及现状 |
| 1-3-2 语音研究中的非线性计算方法 |
| §1-4 本文的主要研究内容 |
| 第二章 语音信号分析方法 |
| §2-1 语音信号预处理 |
| §2-2 语音信号短时分析技术 |
| 2-2-1 短时时域特征 |
| 2-2-2 短时频域特征 |
| §2-3 短时时域分析的应用 |
| 2-3-1 语音的端点检测 |
| 2-3-2 清浊音判别 |
| 2-3-3 基音周期检测 |
| §2-4 频谱分析及应用 |
| 2-4-1 基音同步频谱分析 |
| 2-4-2 语谱图分析 |
| 2-4-3 共振峰提取 |
| 第三章 数字形态滤波器理论及应用 |
| §3-1 数学形态学的产生与发展过程 |
| §3-2 数学形态学的基本变换和性质 |
| §3-2-1 数学形态学基本原理 |
| §3-2-2 二值形态学 |
| 3-2-3 灰度形态学 |
| §3-3 数字形态滤波器理论 |
| 3-3-1 形态滤波器的研究现状及发展方向 |
| 3-3-2 离散形态变换 |
| 3-3-3 开—闭和闭—开滤波器 |
| §3-4 多结构元素的形态滤波器 |
| 第四章 数字语音信号的非线性滤波 |
| §4-1 非线性滤波器的产生和分类 |
| §4-2 语音增强基础知识 |
| 4-2-1 语音和噪声特性 |
| 4-2-2 语音增强的目的及常用算法 |
| §4-3 语音增强中的形态学滤波 |
| 4-3-1 形态滤波器的设计 |
| 4-3-2 实验及结果分析 |
| §4-4 仿真实验及结论 |
| §4-5 小结 |
| 第五章 语音基音轨迹的形态学平滑 |
| §5-1 基音轨迹平滑的算法研究 |
| 5-1-1 常用的平滑算法 |
| 5-1-2 本文提出的新算法 |
| §5-2 形态滤波器的设计 |
| 5-2-1 结构元素的选择 |
| 5-2-2 滤波器的构造 |
| §5-3 仿真实验及结果分析 |
| 5-3-1 实验过程 |
| 5-3-2 实验结果及分析 |
| §5-4 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间取得的相关科研成果 |
（8）经验小波变换的理论算法研究及其在语音信号处理中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 时频分析的发展及研究现状 |
| 1.2.1 小波变换算法 |
| 1.2.2 EMD算法的提出和发展现状 |
| 1.3 本文内容及结构安排 |
| 2 时频分析算法简介 |
| 2.1 时频分析中的基本概念 |
| 2.1.1 瞬时频率 |
| 2.1.2 单分量信号与多分量信号 |
| 2.2 信号的不确定性原理 |
| 2.3 时频分析瞬时测频方法介绍 |
| 2.3.1 短时傅立叶变换 |
| 2.3.2 传统小波分析方法 |
| 2.3.3 维格纳-威尔分布 |
| 2.3.4 经验模态分解 |
| 2.4 本章小结 |
| 3 经验小波变换算法的理论分析 |
| 3.1 经验模式分解存在的问题 |
| 3.2 经验小波变换算法 |
| 3.2.1 经验小波的定义 |
| 3.2.2 频谱划分 |
| 3.2.3 窗的选取 |
| 3.2.4 经验小波变换 |
| 3.3 信号测试与分析 |
| 3.3.1 仿真参数设置 |
| 3.3.2 仿真结果与分析 |
| 3.4 本章小结 |
| 4 经验小波变换的问题及其改进方法 |
| 4.1 EWT算法存在的问题分析 |
| 4.2 基于Top-Hat变换的EWT算法改进 |
| 4.2.1 数学形态滤波原理 |
| 4.2.2 基于Top-Hat变换的EWT算法改进 |
| 4.3 实际信号测试与分析 |
| 4.4 本章小结 |
| 5 改进的经验小波变换在语音信号处理中的应用 |
| 5.1 语音信号分析及其传统处理方法 |
| 5.1.1 语音信号的数学模型 |
| 5.1.2 语音信号特征分析 |
| 5.2 基频检测算法 |
| 5.2.1 基于帧的基频检测方法 |
| 5.2.2 基于事件检测方法 |
| 5.3 基于改进的EWT的基频检测算法 |
| 5.3.1 语音信号预处理 |
| 5.3.2 改进的经验小波变换 |
| 5.3.3 希尔伯特变换 |
| 5.3.4 平滑处理 |
| 5.4 算法性能测试与分析 |
| 5.4.1 语音信号测试 |
| 5.4.2 算法准确度测试 |
| 5.4.3 算法鲁棒性测试 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作 |
| 致谢 |
| 参考文献 |
| 附录 攻读硕士学位期间取得的科研成果列表 |
（9）含噪语音信号的基音提取算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.1.1 语音信号的分析与处理 |
| 1.1.2 语音信号的基音周期 |
| 1.2 语音的基音检测意义及影响基音检测的因素 |
| 1.2.1 基音检测的意义 |
| 1.2.2 影响基音周期检测的因素 |
| 1.3 基音检测的国内外研究现状 |
| 1.4 本论文的主要内容和组织结构 |
| 1.4.1 论文的主要内容 |
| 1.4.2 论文的组织结构 |
| 第二章 语音信号及其特征 |
| 2.1 语音信号的产生原理 |
| 2.2 语音产生的过程 |
| 2.3 语音信号的数字模型 |
| 2.4 语音信号的特性 |
| 2.4.1 语音信号的时域特性 |
| 2.4.2 语音信号的频域特性 |
| 2.5 本章小结 |
| 第三章 常用的基音检测方法原理及实现 |
| 3.1 时域分析法 |
| 3.1.1 短时自相关基音检测算法 |
| 3.1.2 短时平均幅度差函数法 |
| 3.2 频域分析法 |
| 3.3 时频域检测法 |
| 3.3.1 小波变换检测信号突变的原理 |
| 3.3.2 小波变换法检测基音周期的原理 |
| 3.4 本章小结 |
| 第四章 基于空域相关滤波和时域波形相结合的含噪语音基音周期提取 |
| 4.1 语音信号的预处理 |
| 4.2 空域相关滤波法去噪原理 |
| 4.3 时域波形匹配法提取基音周期的原理 |
| 4.4 语音基音周期的后处理 |
| 4.4.1 中值滤波平滑处理 |
| 4.4.2 线性平滑处理 |
| 4.4.3 动态规划平滑处理 |
| 4.5 含噪语音基音提取算法的实现 |
| 4.6 实验结果及分析 |
| 4.7 本章小结 |
| 第五章 EMD软阈值与Hilbert-Huang变换结合的基音周期检测法 |
| 5.1 瞬时频率 |
| 5.2 固有模态分解 |
| 5.2.1 本征模态函数 |
| 5.2.2 EMD方法筛选过程 |
| 5.2.3 EMD方法的特点 |
| 5.3 Hilbert谱及Hilbert边际谱 |
| 5.4 EMD软阈值降噪与Hilbert-Huang变换相结合 |
| 5.4.1 EMD软阈值降噪 |
| 5.4.2 HHT法实现基音周期提取 |
| 5.5 EMD软阈值法与HHT相结合 |
| 5.6 实验及结果分析 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 攻读硕士学位期间发表论文情况 |
| 攻读硕士学位期间参与项目情况 |
四、基于数学形态学的语音基音轨迹平滑新算法（论文参考文献）
- [1]基于HMM的傣语语音合成系统研究[D]. 伍烛梅. 云南大学, 2017(05)
- [2]数学形态学在语音识别中的应用研究[D]. 王霞. 河北工业大学, 2008(08)
- [3]含噪语音基音周期检测算法的研究[D]. 陈小利. 解放军信息工程大学, 2007(06)
- [4]基于数学形态学的语音基音轨迹平滑新算法[J]. 王光艳,张艳,刘颖娜,赵晓群. 河北工业大学学报, 2004(06)
- [5]基于数学形态学的语音信号处理方法研究[D]. 刘颖娜. 河北工业大学, 2004(04)
- [6]语音信号处理中的数学形态学方法研究[D]. 王光艳. 河北工业大学, 2003(02)
- [7]基于数学形态滤波的语音信号基音特征提取[J]. 蒋刚毅,郑义. 声学学报, 1998(06)
- [8]经验小波变换的理论算法研究及其在语音信号处理中的应用[D]. 薛彪. 南京理工大学, 2016(02)
- [9]含噪语音信号的基音提取算法研究[D]. 俞翠华. 南京信息工程大学, 2011(10)