李會雅，苑林，門晉喜，韓曉霞

（1.河北大學 電子信息工程學院，河北 保定 071002；2.河北大學 工商學院，河北 保定 071000；3.95866部隊 無線電導航教研室，河北 保定 071051）

基音周期是描述濁音激勵源的一個基本特征，其倒數(shù)稱為基音頻率.基音頻率的不同軌跡就是聲調，在漢語中聲調承擔著構字辯意的作用，因此基音檢測是漢語語言處理的關鍵環(huán)節(jié).自相關函數(shù)法（ACF）［1］和平均幅度差函數(shù)法（AMDF）［2］是基音檢測的經典算法，但準確性不高，容易產生倍、半基音，在平滑過程中不僅增加了處理時間和算法復雜度，還可能引入新的誤差［3－4］.小波變換是近年來的研究熱點，具有良好的時頻局部分析能力，但受聲道響應的影響較大，計算量大.文獻［5］給出了降低復雜度的自相關函數(shù)法，但準確率不很理想.文獻［6－7］中的平均幅度差加權自相關法（AWAC）和文獻［8］中的自相關能量函數(shù)及幅度差能量函數(shù)相結合的算法，對于隨信噪比減小而越來越大的諧波峰值點起到了一定的抑制作用，突出了基音周期的峰值點.但文獻［8］中的算法，含有大量的平方運算，計算復雜度高.為了進一步降低其計算量，增強實時性，提高基音檢測算法的魯棒性，在研究ACF法和AMDF法的基礎上，提出了一種基于ACEF和MDEF的新算法，既保留了算法簡單、計算量小的優(yōu)點，又提高了準確度，有效杜絕了新誤差的出現(xiàn).

1 基音檢測基礎

1.1 短時自相關函數(shù)（ACF）

對于確定性信號序列x（k），自相關函數(shù)定義為

由于濁音的波形序列具有準周期性，而且其R（τ）的周期與濁音的周期相同，因此可利用R（τ）第1個峰值的位置來估計基音周期.

設含噪語音信號s（k）由純凈語音信號x（k）及噪聲信號n（k）組成，可表示為［8］

若用來選擇語音段的窗函數(shù)為矩形窗，則定義含噪語音信號s（k）的短時自相關函數(shù)為

其中，N為幀長，τ為位移，Rxx（τ）為x（k）的自相關函數(shù)，Rxn（τ）為x（k）與n（k）的互相關函數(shù)，Rnx（τ）為n（k）與x（k）的互相關函數(shù)，Rnn（τ）為n（k）的自相關函數(shù).

一般地，語音信號x（k）與噪聲信號n（k）無關，則Rxn（τ）＝0，Rnx（τ）＝0，式（3）可表示為

當τ≠0時，n（k）互不相關，則Rnn（τ）＝0，則Rss（τ）可以表示為

由式（5）易知，當τ≠0時，含噪語音信號的自相關函數(shù)Rss（τ）與噪聲n（k）無關，完全等于Rxx（τ）.

1.2 平均幅度差函數(shù)（AMDF）

對于完全的周期信號m（k），在其周期NP整數(shù)倍的樣點上幅值相同，可表示為

實際濁音信號的d（k）會在基音周期的整數(shù)倍位置出現(xiàn)不為零的極小值.若用來選擇語音段的窗函數(shù)為矩形窗，則定義語音信號s（k）的短時平均幅度差函數(shù)為

其中，N為幀長，τ為位移.若語音信號s（k）在窗函數(shù)取值范圍內具有周期性，則Fss（τ）將在τ＝0，±NP，±2NP，…處出現(xiàn)極小值.比較式（7）與式（3）可知，F(xiàn)ss（τ）的運算過程較Rss（τ）簡單，易于硬件實現(xiàn).

1.3 三電平中心削波

為了消除聲道共振峰和語音諧波對基音周期檢測的影響，對語音信號進行預處理［11］.本文采用三電平中心削波的方法，對輸入的語音信號進行處理，其輸入輸出函數(shù)

其中，y（k）為三電平中心削波器的輸出信號，s（k）為三電平中心削波器的輸入信號，±CL為削波電平.

由式（8）可知，當削波器的輸入s（k）＞CL時，削波器的輸出為1；當削波器的輸入s（k）＜－CL時，削波器的輸出為－1；當削波器的輸入為其他情況時，削波器輸出全為零.語音信號經過三電平削波后，其中大多數(shù)次要的峰值被濾除掉了，僅保留下明顯顯示周期性的峰值.之后采用自相關法進行基音檢測時，可大大減少錯判為倍頻或半頻的情況.

2 基音檢測算法

2.1 基音檢測過程框圖

基音檢測過程分為3個階段：預處理、基音檢測、后處理，具體過程如圖1所示.

圖1 基音檢測實現(xiàn)過程Fig.1 Realization process of pitch detection in this paper

在預處理階段，由錄音設備采集的語音信號首先通過帶通濾波器，以抑制50Hz的電源干擾和大部分共振峰的影響，之后存入循環(huán)緩沖區(qū).為確保語音信號基音檢測的連續(xù)性，在取幀時，幀移與幀長的比值一般取為，前一幀與后一幀相交疊部分的數(shù)據(jù)長度，稱為幀移.將每幀數(shù)據(jù)通過削波函數(shù)，削去和聲道有關的波動.

在基音周期估計階段，采用Matlab仿真軟件，記錄下本文算法得到的仿真波形中相鄰2個峰值橫坐標之間的距離，即相隔的采樣點數(shù).

在后處理階段，去大野點模塊去除峰值橫坐標相隔采樣點數(shù)的錯誤估值，之后采用試探平滑處理算法［10］，進而得到語音信號的基音周期.

2.2 自相關能量函數(shù)及幅度差能量函數(shù)相結合的算法

由于ACEF會在語音信號基音周期整數(shù)倍的位置上呈現(xiàn)峰值，而相應處的MDEF則會呈現(xiàn)出谷值的特性.因此，采用本文算法得到的仿真曲線中，基音周期整數(shù)倍處呈現(xiàn)峰值的特性將更加突出，有利于基音周期的提取.而且算法僅涉及到1和0的相乘和相加運算.由此可見，新算法的計算復雜度較低，而且運算量也得到了大幅度的降低.

3 仿真實驗及結果分析

本實驗采用的測試語音信號是在實驗室的噪聲環(huán)境下錄制的，其采樣頻率fs為16kHz，每個采樣點為16bit量化，含噪測試語音信號波形如圖2所示.仿真實驗過程中采用的帶通濾波器通帶為60～90Hz，通過調用語音信號處理工具箱中的分幀函數(shù)，實現(xiàn)對語音信號流的分幀處理，其中窗函數(shù)為矩形窗.幀移與幀長N的比值取為基于語音信號的短時平穩(wěn)性，以下仿真過程均是逐次對每幀語音信號進行相應的處理.三電平中心削波處理過程中，首先分別找出該幀前個語音信號采樣值中的最大值，然后比較這2個最大值，取其中較小值的65%作為門限電平.將偏離采用本文算法的仿真曲線中相鄰2個峰值橫坐標之間相隔采樣點數(shù)平均值以上的數(shù)值設為大野點，中值平滑的滑動窗口寬度為3，精度為中值的，將不在平滑范圍內的點置為0，從而糾正個別估值的錯誤，最后得到語音信號的基音周期的平均值.

設采用本文算法的仿真波形中相鄰2個峰值橫坐標之間相隔的采樣點數(shù)為NT，則基音周期T＝NT／fs，其中fs為采集語音信號時的采樣頻率，單位為kHz.

圖2 含噪測試語音信號波形Fig.2 Waveform of Noisy test speech signal

由圖2可見，測試語音信號波形的幅度處于［－0.1，0.1］內，其持續(xù)時間為0.12s，波形帶有鋸齒狀的毛刺，說明測試語音信號的錄制環(huán)境含有噪聲.

應用語音信號處理Praat軟件對測試語音信號進行基音頻率提取的仿真圖形，如圖3所示.

圖3 Praat處理測試語音信號的仿真圖形Fig.3 Simulation graphics of the test speech signal using Praat

由圖3可見，Praat軟件得到的測試語音信號基音頻率為229.49Hz，則該測試語音信號的基音周期為

以該測試語音信號的第6幀數(shù)據(jù)為例，此幀語音信號的一般自相關函數(shù)和幅度差函數(shù)結合的（ACFMDF）的仿真示意圖如圖4所示；基于自相關能量函數(shù)和幅度差能量函數(shù)（ACEF－MDEF）的仿真示意圖如圖5所示.

圖4 第6幀語音信號采用ACF－MDF函數(shù)的仿真示意Fig.4 Simulation graphics of the Sixth frame test speech signal using the ACF－MDF function

圖5 第6幀信號采用ACEF－MDEF函數(shù)的仿真示意Fig.5 Simulation graphics of the Sixth frame test speech signal using the ACEF－MDEF function

由圖4可見，在使用ACF－MDF函數(shù)法得到的第6幀測試語音信號的仿真示意圖中，在采樣點數(shù)為70的位置上出現(xiàn)了波形的峰值，但由于此處的峰值較小，在強噪聲環(huán)境下會出現(xiàn)峰值提取的困難，甚至峰值會完全淹沒在噪聲信號中，以致無法提取出語音信號的基音周期.

由圖5可見，在使用ACEF－MDEF函數(shù)法得到的第6幀測試語音信號的仿真示意圖中，采樣點數(shù)為70位置上出現(xiàn)了波形的峰值，峰值尖銳明顯，去除了一些對提取基音周期影響較大的諧波峰值點，使峰值點更加突出，有利于語音信號基音周期的提取，具有一定的抗噪聲性能.

4 結論

基于ACEF－MDEF的基音檢測算法克服了自相關函數(shù)計算量大和幅度差函數(shù)易受噪聲影響的缺點，比ACF和AMDF直接結合的方法更準確，更穩(wěn)定.新算法涉及到的運算簡單，降低了時間和空間復雜度，適合應用于手持語音識別終端上.與此同時，基音檢測的準確性和魯棒性也有了很大提高.但由于語音信號產生過程的復雜性和不可預測性，以及基音周期本身固有的特性，到目前為止，還沒有能適應任何人、任何環(huán)境的基音檢測算法.因此，如何從語音信號中僅取出與聲帶振動有關的信息，去除聲道的影響，是下一步需要解決的問題.

［1］RABINER L R.On the use of autocorrelation analysis for pitch detection［J］.IEEE Trans on Acoustics Speech and Signal Proc，1977，ASSP－26（1）：24－33.

［2］ROSS M J，SHAFFER H L，COHEN A，et al.Average magnitude difference function pitch extractor［J］.IEEE Trans on Acoustics Speech and Signal Proc，1974，22（5）：353－362.

［3］DUANPEI WU，TANAKA M，CHEN R，et al.A robust speech detection algorithm for speech activated hands－free application［Z］.1999IEEE International Conference on Acoustics，Speech，and Signal Processing，Phoenix，1999.

［4］BERITELLI F，CASALE S，SERRANO S.Adaptive V／UV speech detection based on acoustic noise estimation and classification［J］.Electronics Letters，2007，43（4），249－251.

［5］馬祥杰，孟相如，張百生.一種自相關基音檢測算法［J］.通信技術，2003（5）：9－11.

MA Xiangjie，MENG Xiangru，ZHANG Baisheng.An autocorrelation algorithm for pitch detection［J］.Communications Technology，2003（5）：9－11.

［6］劉建，鄭方，鄧答，等.基于混合幅度差函數(shù)的基音提取算法［J］.電子學報，2006，34（10）：1925－1928.

LIU Jian，ZHENG Fang，DENG Da，et al.Combined magnitude difference function based pitch tracking algorithm.［J］.Chinese Journal of Electronics，2006，34（10）：1925－1928.

［7］陶維青，徐士林，仁靜.漢語語音的基音快速提取算法［J］.合肥工業(yè)大學學報：自然科學版，1996，19（3）：31－36.

TAO Weiqing，XU Shilin，REN Jing.Algorithm of Chinese Speech Pitch Extraction［J］.Journal of Hefei University of Technology：Natural Science Edition，1996，19（3）：31－36.

［8］李娟.基音周期檢測算法研究及在語音合成中的應用［D］.太原：太原理工大學，2008.

LI Juan.Study of speech pitch detection algorithm and application in speech synthesis system［D］.Taiyuan：Taiyuan U－niversity of Technology，2008.

［9］朱建偉，孫水發(fā).一種基于段的基音檢測算法［J］.三峽大學學報：自然科學版，2008，30（3）：80－82.

ZHU Jianwei，SUN Shuifa.Pitch detection of speech segment［J］.Journal of China Gorges Univercity：Natural Science Edition，2008，30（3）：80－82.

［10］朱小燕，王昱，劉俊.漢語聲調識別中的基音平滑新方法［J］.中文信息學報，2000，15（2）：45－50.

ZHU Xiaoyan，WANG Yu，LIU Jun.An approach of fundamental frequencies smoothing for Chinese Tone Recognition［J］.Journal of Chinese Information Processing，2000，15（2）：45－50.

［11］胡航.語音信號處理 ［M］.4版.哈爾濱：哈爾濱工業(yè)大學出版社，2009.