一種語音信號基音周期時域估計算法

吳樹興

摘要：在語音識別和語音合成中，基頻周期的準確估計是一項重要的語音處理環節。自相關函數法是一種適用于低信噪比下的非常有效的基音周期估計算法，這種算法需要對信號相關后的峰值位置進行準確估計。本文提出了一種峰值點位置判別方法，它可以對時域語音信號相關后的峰值點位置進行準確判斷，從而比較準確地估計出語音信號的基頻周期，并且復雜性不高，易于實現。

關鍵詞：語音合成;基頻周期;時域;自相關函數法;峰值估計

中圖分類號：TP247? ? ?文獻標識碼：A

文章編號：1009-3044（2019）22-0214-03

開放科學（資源服務）標識碼（OSID）：

A Time Domain Estimation Algorithm for Speech Signal Pitch Period

WU Shu-xing

（Beijing Information Technology College， Beijing 100015， China）

Abstract： In speech recognition and speech synthesis， accurate estimation of the fundamental frequency period is an important part of speech processing. The autocorrelation function method is a very effective pitch period estimation algorithm suitable for low SNR. This algorithm needs to accurately estimate the peak position after signal correlation. In this paper， a method for judging the peak position is proposed， which can accurately judge the position of the peak point after the correlation of the time domain speech signal， so as to estimate the fundamental frequency period of the speech signal more accurately， and the complexity is not high and easy to implement.

Key words： speech synthesis; fundamental frequency; period time domain; autocorrelation function method; peak estimation

在語音信號處理技術中，基頻周期的估計是一個非常重要的環節[1-2]。基音檢測廣泛地應用于語音分析合成、語音壓縮編碼、語音識別以及語音分段等方面[3]，多年來，研究者們提出了各種基音檢測算法，例如自相關函數法（Autocorrelation Functi，ACF）[4]、平均幅度差函數法（Average Magnitude Difference Function，AMDF）、小波變換法、倒譜法等。通常，基音周期提取方法主要有時域估計法和變換域估計法。

時域估計法是直接由語音信號波形來估計基音周期，很早就得到應用，由于其實現起來比較簡單、運算量少應用非常廣泛。自相關函數法就屬于這種時域估計法，比較適合低信噪比情況下的基音周期提取 [5-6]。自相關函數法在進行基音提取時，需要對峰值位置進行估計，當峰值位置由于局部極小值導致估計不準確時，就會影響其性能。

本文將描述一種峰值點位置估計方法，它能使峰值點位置的判斷更加準確，從而比較準確地估計出語音信號的基頻周期。

1短時自相關函數法估計基音周期

自相關函數法屬于時域估計算法，與其他時域算法相比，具有較好的抗噪聲干擾的特性，提取到的基音輪廓特征明顯，準確度較好，實現簡單，同時也是語音信號處理領域中使用廣泛的一種算法。

算法的原理是語音信號的自相關函數值會在基音周期的整數倍位置上出現峰值，檢測峰值的位置即可提取出基音周期，如圖1所示。

通過短時自相關函數的計算公式對每一幀進行自相關計算，

[acf（τ）=i=0n-1-τs（i）s（i+τ）]? ? ? ? ? ? ?（1）

再通過搜索極值點，檢測到峰值的位置，既可估計出基音周期。

采用自相關函數法進行基音周期檢測，除了需要采用自相關模塊進行處理外，還需要事先進行數據采集、分幀、加窗和濾波等信號處理，以便取得更好的效果。

在信號處理中，加窗通常使用矩形窗和漢明窗[7]。選擇窗長時，需要考慮語音信號的基音周期。一般在一個幀內應包含個1-7個基音周期。在16kHz采樣率下，一般選擇10-20ms為一個窗長。選擇好窗函數和窗長后，還要設定幀移參數，以便讓幀與幀之間平滑過渡，保持連續性。

由于基音檢測中，搜索峰值會受到各種干擾的影響，導致檢測誤差。因此，在進行自相關計算之后，使用低通濾波器，將高頻干擾進行初步過濾，確保提取到比較準確的基音周期。

2一種用于基音周期估計的峰值點檢測算法

采用自相關函數法對語音信號的基音周期進行估計時，最重要的一步是準確地檢測峰值的位置。峰值位置的檢測一般都直接采用搜尋最大值點的方法來實現，這種方法最大的優勢是簡單、直觀，但容易陷入局部極值點中，從而影響最終的效果。這里提出一種多截線法進行峰值位置的檢測，其基本思想是依據波形的對稱性，通過對波形的大部分位置進行多次截取，間接計算中值來評估峰值位置，如圖2所示，最上邊的截線與波形相交得到的起始位置A1和結束位置B1，將A1和B1取中值就是對峰值位置P的估計，同理由中間的截線獲得的A2和B2，下邊的截線獲得的A3和B3，取中值仍然可以得到對峰值位置P的估計，將得到的中值取均值，就可以得到對峰值位置準確的估計。由于多截線的濾波作用，這種方法能夠避免誤將局部極值點作為峰值點，與直接搜尋峰值點的方法相比，能夠獲得更加準確的峰值點位置，從而準確估計出語音信號的基頻周期。

若實現這里所提出的多截線法進行峰值位置檢測，需要先對當前要判別的峰值點所對應的周期進行粗略估計，假設估值為T，一般來說，該估計值是通過新峰值點之前的若干個已估計周期來預測的，因此，該值是不準確的，不能由它導出峰值點的確切位置，而之前的峰值點已經通過這里所介紹的判決方法得到，是已知的和準確的，進而得到的周期也是準確的。盡管我們不使用評估出的周期直接來估計峰值點，但我們需要使用它來輔助完成峰值點評估過程，在這個過程中，周期估計值用來確定評估過程的起止點，對正確評估峰值點有著關鍵作用。在下面的“峰值點評估過程”中的T就是我們這里所提到的周期估值T。

要正確進行峰值點位置的判定，我們先來確定峰值點評估過程的開始點，我們通常的做法是把峰值點評估過程的結束點作為下一次峰值點評估過程的開始點，首先判斷截線完成計數器值是否達到預設值m，如果達到則搜索過程停止，否則判斷從前一個峰值點到當前讀取的采樣點之間是否達到了5/4T個采樣點，如果已經達到5/4T個采樣點，則搜索過程停止，評估出新峰值點，如果當前采樣點已經超過新峰值點3/8T，那么將當前采樣點作為下一次峰值點評估過程的開始點，否則向前推進到距離新峰值點3/8T位置作為下一次峰值點評估過程的開始點，從該點進行下一次峰值點評估過程，這點也是此次峰值點評估過程的結束點。如圖3所示，圖中的A點到E點之間是5/4T個采樣點，新峰值點C到F點之間是3/8T個采樣點，如果設定m=4，那么搜索過程將在D點結束，如果m=5或者m大于5，那么搜索過程將在E點結束，搜索過程結束后，如果F點位于D和E的右側（如圖3所示），那么F點是下一次峰值點評估過程的起點。

評估過程的起點確定好后，就需要通過下面的“峰值點評估過程”來實現，具體操作如下：

（1）開始點的采樣值設定為閾值A（1），與縱軸交點值A（1），做平行于橫軸的截線1，即y= A（1），與波形相交于M（1）點和N（1）點，M（1）點也是開始點，位置記錄為ps（1）。并且截線1對應計數器c（1），c（1）值為1，設定下一條截線2對應的閾值A（2），A（2）=? A（1）+△（1）。如圖4所示。

（2）如果截線完成計數器值沒有達到數目m并且前一個峰值點到當前采樣點之間沒有達到5/4T個采樣點，則進行第（3）步，否則搜索過程停止，跳到第（5）步。

（3）假設已經做好了第N個截線，下一個截線也就是第N+1個截線對應的閾值為A（N+1），A（N+1）=A（N）+△（N）。讀取當前采樣點值，如果采樣點值大于等于 A（N+1），與縱軸交點值A（N+1），做平行于橫軸的截線N+1，與波形相交于M（N+1）點和N（N+1）點，位置記錄為ps（N+1），并且截線N+1對應計數器c（N+1），c（N+1）值設為0，更新下一條截線N+2對應的閾值A（N+2），A（N+2）=? A（N+1）+△（N+1），如圖5所示。采樣點值與已有的所有截線進行比較，如果采樣點在截線的上方，相應截線計數器值加1，即c（1），c（2），…，c（N+1）中，只要采樣點在相應截線的上方就加1，如圖5，如果采樣點在截線下方并且對應截線計數器值大于0時，該位置記錄為該截線的結束點，記錄該位置pe（N+1），截線完成計數器值加1，并進行更新。

（4）重復步（2）和步（3）。

（5）評估出新峰值點，如果當前采樣點已經超過新峰值點3/8T，那么將當前采樣點作為下一次峰值點評估過程的開始點，否則向前推進到距離新峰值點3/8T位置作為下一次峰值點評估過程的開始點，也是此次“峰值點評估過程”的結束點。

（5）中評估出新峰值點，是根據記錄的截線位置來進行計算的，計算方法為所有完成的截線起始點位置與結束點位置求和取均值得到的就是新峰值點位置，如圖6中的ps（4），ps（5），ps（6），ps（7），pe（4），pe（5），pe（6），pe（7），將這8個值求和取平均值再取整數即為新峰值點位置，也可以采用其他加權方法來求得。

在具體實現過程中，我們可以限定最大截線數目，將截線循環使用，以便節省內存資源，但算法復雜度會有所提高。

當然，在進行此處的操作之前需要進行低通濾波，并且確定出濁音之后來通過該算法進行基頻周期估計。

3算法性能驗證

我們采用比較簡單的方法初步對前文所提出的峰值位置檢測算法進行了驗證。驗證是采用單一頻率信號疊加各種參數白噪聲信號對算法進行測試，設置不同的信噪比，當信噪比比較大時，提出的算法與傳統峰值檢測方法相比，兩者沒有明顯差別，但當信噪比比較小時，低于10dB，采用新提出的算法進行峰值位置估計，會顯著好于普通峰值檢測算法，這說明該算法在抗干擾性能方面由于傳統峰值檢測方法。我們在低信噪比下也對不同截線數目下該方法的性能進行了仿真評估，結果顯示，性能與截線密集程度有關，太密集和太稀疏都不能獲得良好的性能，各個截線所得交點的采樣點間隔為3時性能最好。

4結束語

本文提出了一種語音信號峰值位置檢測算法，它可以在一定程度上消除干擾，從而獲得對語音信號基頻周期進行比較精確的估計。該算法不僅可以對語音信號進行基頻周期估計，也可以對由磁感應效應得到的信號進行周期估計，從而解調出數據。

參考文獻：

[1] 劉維巍.語音信號基音周期檢測算法研究[D].哈爾濱：哈爾濱工程大學，2010.

[2] 李坤，劉加. 基于小波變換和線性預測的基音提取[J]. 計算機工程，2010，36（10）：276-278.

[3] 趙靜，羅興國，蔡文濤.噪聲環境下語音信號的基音檢測[J].電聲技術，2007，31（3）：54?56.

[4] KRUBSACK D A，NIEDERJOHN R J. An autocorrelation pitch detector and voicing decision with confidence measures developed for noise?corrupted speech [J]. IEEE transactions on signal processing，199，39（2）：319?329.

[5] 小利.含噪語音基音周期檢測算法的研究[D].鄭州：解放軍信息工程大學，2007.

[6] 沈曉東.語音增強技術研究[D].北京：清華大學，2010.

[7] 趙力，語音信號處理[M]北京：機械工業出版社，2003.

【通聯編輯：梁書】