駱?gòu)善G++孫祥娥

摘要：基音檢測作為語音信號處理的重要手段，被廣泛地應(yīng)用于語音的合成、編碼及識別等一系列語音信號處理技術(shù)問題?；魴z測的準(zhǔn)確性對于要求極高的語音識別、合成、分析、壓縮編碼等等都有重要的意義。該文用自相關(guān)函數(shù)法、平均幅度差函數(shù)法和倒譜法這三種常用的基音檢測方法，運(yùn)用MATLAB編程實現(xiàn)，對語音信號的基音周期軌跡圖進(jìn)行了比較分析，并由此得出和倒譜法進(jìn)行語音信號基音的檢測更為精確。

關(guān)鍵詞：基音檢測；MATLAB；自相關(guān)函數(shù)法；平均幅度差函數(shù)法；倒譜法

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）18-4293-03

1 概述

語音是人類相互之間進(jìn)行信息交流的基本手段和重要載體，隨著現(xiàn)代通信科學(xué)技術(shù)的迅速發(fā)展，尤其是計算機(jī)的日趨普及，對語音信號的處理發(fā)揮著越來越重要的作用。漢語中的聲調(diào)對于語音的理解很重要，同時相同的漢語在不同的語氣或詞義下均有不同的聲調(diào)[1]。因此，基音檢測的準(zhǔn)確性對于漢語語音信號的識別極為重要。

根據(jù)聲帶的震動情況，我們一般將語音信號分為清音和濁音兩種[2]。清音和普通的白噪聲相似，尚未發(fā)現(xiàn)明顯的規(guī)律性；而濁音就是俗稱的有聲語言，攜帶著語音的大部分能量，并且具有明顯的周期性。當(dāng)人們在發(fā)出濁音的時候，氣流往往會通過聲門迫使聲帶產(chǎn)生規(guī)律性的震動，我們稱之為激勵脈沖串。通過聲帶震動產(chǎn)生的頻率被定義為：基音頻率，同樣地，就有了基音周期[3]。通常所指的基音檢測實際上就是一種對基音周期的估計，結(jié)果是希望能夠找出與聲帶的振動頻率相一致或較為吻合的軌跡曲線。

語音信號的處理包括四大類，分別為：語音合成、語音識別、語音編碼以及語音識別 [2]。其中，準(zhǔn)確提取語言信號參數(shù)對于整個的語音信號處理是至關(guān)重要的。只有當(dāng)某些可以表示語音信號本質(zhì)特征的參數(shù)被準(zhǔn)確地提出，這些參數(shù)才可以被利用進(jìn)行有效的語音合成，語音識別以及語音的壓縮解碼處理，其中語音周期提取的準(zhǔn)確性會直接影響到語音合成的真實性，因此在眾多參數(shù)中就會顯得尤為重要[4]。

2 研究方法

2.1 自相關(guān)函數(shù)法（ACF函數(shù)法）

當(dāng)采用ACF函數(shù)算法進(jìn)行基音檢測時，主要是利用了短時自相關(guān)函數(shù)能夠取到最大值這一性質(zhì)。使用此方法時，可以利用一個窗函數(shù)，使窗本身不動，而語音信號移動。窗口的長度[N]大于等于兩倍的基音周期，當(dāng)[N]越大，函數(shù)波形的細(xì)節(jié)會顯示地越清晰，更加有利于基音的檢測，然而會有繁重的計算量。

這一算法適用于在噪聲環(huán)境下基音的提取。通過上面的性質(zhì)可以知道，自相關(guān)函數(shù)都是在基音周期處出現(xiàn)峰值，并且標(biāo)出出很強(qiáng)的規(guī)律性。在一般情況下，基波分量不是最強(qiáng)的分量，并且多變的諧波使得語音信號的波形變得較為復(fù)雜，對于基音檢測是一大難題，經(jīng)常發(fā)生的基頻估計結(jié)果往往是：二次倍頻或二次分頻的實際基音頻率。同時，還有一些清濁混雜的情況，使得基音檢測成為目前的一大難題。

2.2 平均幅度差函數(shù)法（AMDF函數(shù)法

得到語音信號基音周期的具體過程是：首先對語音信號的序列進(jìn)行z變換，然后對其取模再取對數(shù)，最后再進(jìn)行逆z變換。根據(jù)語音信號的產(chǎn)生及瞬時平穩(wěn)的特性可以得知：聲道濾波器頻譜與聲源頻譜的乘積就得到了短時譜的語音信號。對于濁音信號而言，脈沖激勵源的周期性表現(xiàn)為快速變化的周期性細(xì)致結(jié)構(gòu)[8]。語音信號倒譜的取得是：首先對語音信號的短時譜取對數(shù)，然后再進(jìn)行反傅里葉變換，因此，濁音信號的倒譜會出現(xiàn)周期性的沖激，就可以從倒譜波形中提取出相對應(yīng)的基音周期。

3 基于MATLAB基音檢測

本文所采用的語音文件為：在windows附件中的錄音機(jī)功能錄制2-3秒 “啊”的四個音調(diào)，采樣頻率為11.025KHz，位數(shù)為16位，聲道為單聲道。

從已得到的語音信號中選取一段較理想的樣本，取樣點數(shù)應(yīng)為幀長的整數(shù)倍。對語音信號的采樣，通過軟件MATLAB對語音文件的計算得知其語音長度為2.5秒，若采樣頻率為11KHz，共計27500個采樣點。采樣模塊從采樣頻率為11KHz的語音信號中截取11000個樣點進(jìn)行分析，取幀長為20ms，即每幀為220個樣點值，共分為50幀。運(yùn)用matlab編寫程序得出以下結(jié)果：

圖1是原始語音信號的波形，圖2是采樣信號的波形，從原始語音信號中截取11000個樣點進(jìn)行分析.

圖3是用ACF函數(shù)法得到的基音軌跡圖，這一算法適用于在噪聲環(huán)境下基音的提取。由圖中可知，信號在是在基音周期處出現(xiàn)峰值，并且標(biāo)出出很強(qiáng)的規(guī)律性。

圖4是用AMDF函數(shù)法得到的基因軌跡圖，平均幅度差函數(shù)法只需進(jìn)行加減法和取絕對值等簡單的計算，算法簡單，運(yùn)算量比自相關(guān)函數(shù)法大大減少，容易在計算機(jī)實現(xiàn)。

圖5是運(yùn)用倒譜法得到的基音檢測軌跡圖.倒譜法對于干凈語音信號的基音提取效果最好，但是存在加性噪聲時，效果就會有些許降低。倒譜在基音周期處出現(xiàn)峰值，相鄰相隔峰值之間的間隔可以確定為基音周期。兩峰值之間的間隔大概為50點左右，基音周期為

4 結(jié)論

本文討論了三種常用的基音周期檢測方法自相關(guān)函數(shù)法、平均幅度差函數(shù)法和倒譜法以及在MATLAB上的實現(xiàn)。AMF函數(shù)法適用于在一般的噪聲環(huán)境下，能夠取得較為理想的檢測結(jié)果，但往往在單獨(dú)使用時，經(jīng)常出現(xiàn)的結(jié)果是二次倍頻或分頻的實際基音頻率；AMDF函數(shù)法適合于在靜音環(huán)境或者是在噪聲較小時，能夠取得可以信服的結(jié)果，然而在信噪比較低或者是在語音環(huán)境比較惡劣時，檢測效果會比較大幅下降，難以得到讓人滿意的結(jié)果。倒譜法則是一個不論在安靜或者噪聲環(huán)境下更容易取得精確結(jié)果的方法。

基音檢測一直是研究語音信號處理的一個重要課題，尤其是在漢語以及噪聲環(huán)境下的基音檢測這一廣闊的領(lǐng)域內(nèi)，這些問題值得研究者在以后的學(xué)習(xí)中作進(jìn)一步探討。

參考文獻(xiàn)：

[1] 易克初，田斌，付強(qiáng).語音信號處理[M].北京：國防工業(yè)出版社，2010：1-10.

[2] 胡航.語音信號處理[M].哈爾濱：哈爾濱工業(yè)出版社，2012.

[3] 付青青，吳愛平.基于MATLAB的語音信號自相關(guān)基音檢測[J].長江大學(xué)學(xué)報：自科版，2006（4）.

[4] 張雄偉，陳亮，楊吉斌.現(xiàn)代語音處理技術(shù)及應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2010：9-11.

[5] 馮康，時慧坤.語音信號基音檢測的現(xiàn)狀及發(fā)展[J].微機(jī)發(fā)展，2010，14（3）：95-98.

[6] 趙力.語音信號處理[M].北京：機(jī)械工業(yè)出版社，2003.

[7] 王翠蘭，李萍.基于LPC預(yù)測殘差的倒譜基音檢測算法分析[J].南陽師范學(xué)院學(xué)報：自然科學(xué)版，2004，3（9）：26-29.

[8] 楊順遼，李永全.數(shù)字信號處理實現(xiàn)與實驗[M].武漢：華中科技大學(xué)出版社，2011.endprint

摘要：基音檢測作為語音信號處理的重要手段，被廣泛地應(yīng)用于語音的合成、編碼及識別等一系列語音信號處理技術(shù)問題?；魴z測的準(zhǔn)確性對于要求極高的語音識別、合成、分析、壓縮編碼等等都有重要的意義。該文用自相關(guān)函數(shù)法、平均幅度差函數(shù)法和倒譜法這三種常用的基音檢測方法，運(yùn)用MATLAB編程實現(xiàn)，對語音信號的基音周期軌跡圖進(jìn)行了比較分析，并由此得出和倒譜法進(jìn)行語音信號基音的檢測更為精確。

關(guān)鍵詞：基音檢測；MATLAB；自相關(guān)函數(shù)法；平均幅度差函數(shù)法；倒譜法

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）18-4293-03

1 概述

語音是人類相互之間進(jìn)行信息交流的基本手段和重要載體，隨著現(xiàn)代通信科學(xué)技術(shù)的迅速發(fā)展，尤其是計算機(jī)的日趨普及，對語音信號的處理發(fā)揮著越來越重要的作用。漢語中的聲調(diào)對于語音的理解很重要，同時相同的漢語在不同的語氣或詞義下均有不同的聲調(diào)[1]。因此，基音檢測的準(zhǔn)確性對于漢語語音信號的識別極為重要。

根據(jù)聲帶的震動情況，我們一般將語音信號分為清音和濁音兩種[2]。清音和普通的白噪聲相似，尚未發(fā)現(xiàn)明顯的規(guī)律性；而濁音就是俗稱的有聲語言，攜帶著語音的大部分能量，并且具有明顯的周期性。當(dāng)人們在發(fā)出濁音的時候，氣流往往會通過聲門迫使聲帶產(chǎn)生規(guī)律性的震動，我們稱之為激勵脈沖串。通過聲帶震動產(chǎn)生的頻率被定義為：基音頻率，同樣地，就有了基音周期[3]。通常所指的基音檢測實際上就是一種對基音周期的估計，結(jié)果是希望能夠找出與聲帶的振動頻率相一致或較為吻合的軌跡曲線。

語音信號的處理包括四大類，分別為：語音合成、語音識別、語音編碼以及語音識別 [2]。其中，準(zhǔn)確提取語言信號參數(shù)對于整個的語音信號處理是至關(guān)重要的。只有當(dāng)某些可以表示語音信號本質(zhì)特征的參數(shù)被準(zhǔn)確地提出，這些參數(shù)才可以被利用進(jìn)行有效的語音合成，語音識別以及語音的壓縮解碼處理，其中語音周期提取的準(zhǔn)確性會直接影響到語音合成的真實性，因此在眾多參數(shù)中就會顯得尤為重要[4]。

2 研究方法

2.1 自相關(guān)函數(shù)法（ACF函數(shù)法）

當(dāng)采用ACF函數(shù)算法進(jìn)行基音檢測時，主要是利用了短時自相關(guān)函數(shù)能夠取到最大值這一性質(zhì)。使用此方法時，可以利用一個窗函數(shù)，使窗本身不動，而語音信號移動。窗口的長度[N]大于等于兩倍的基音周期，當(dāng)[N]越大，函數(shù)波形的細(xì)節(jié)會顯示地越清晰，更加有利于基音的檢測，然而會有繁重的計算量。

這一算法適用于在噪聲環(huán)境下基音的提取。通過上面的性質(zhì)可以知道，自相關(guān)函數(shù)都是在基音周期處出現(xiàn)峰值，并且標(biāo)出出很強(qiáng)的規(guī)律性。在一般情況下，基波分量不是最強(qiáng)的分量，并且多變的諧波使得語音信號的波形變得較為復(fù)雜，對于基音檢測是一大難題，經(jīng)常發(fā)生的基頻估計結(jié)果往往是：二次倍頻或二次分頻的實際基音頻率。同時，還有一些清濁混雜的情況，使得基音檢測成為目前的一大難題。

2.2 平均幅度差函數(shù)法（AMDF函數(shù)法

得到語音信號基音周期的具體過程是：首先對語音信號的序列進(jìn)行z變換，然后對其取模再取對數(shù)，最后再進(jìn)行逆z變換。根據(jù)語音信號的產(chǎn)生及瞬時平穩(wěn)的特性可以得知：聲道濾波器頻譜與聲源頻譜的乘積就得到了短時譜的語音信號。對于濁音信號而言，脈沖激勵源的周期性表現(xiàn)為快速變化的周期性細(xì)致結(jié)構(gòu)[8]。語音信號倒譜的取得是：首先對語音信號的短時譜取對數(shù)，然后再進(jìn)行反傅里葉變換，因此，濁音信號的倒譜會出現(xiàn)周期性的沖激，就可以從倒譜波形中提取出相對應(yīng)的基音周期。

3 基于MATLAB基音檢測

本文所采用的語音文件為：在windows附件中的錄音機(jī)功能錄制2-3秒 “啊”的四個音調(diào)，采樣頻率為11.025KHz，位數(shù)為16位，聲道為單聲道。

從已得到的語音信號中選取一段較理想的樣本，取樣點數(shù)應(yīng)為幀長的整數(shù)倍。對語音信號的采樣，通過軟件MATLAB對語音文件的計算得知其語音長度為2.5秒，若采樣頻率為11KHz，共計27500個采樣點。采樣模塊從采樣頻率為11KHz的語音信號中截取11000個樣點進(jìn)行分析，取幀長為20ms，即每幀為220個樣點值，共分為50幀。運(yùn)用matlab編寫程序得出以下結(jié)果：

圖1是原始語音信號的波形，圖2是采樣信號的波形，從原始語音信號中截取11000個樣點進(jìn)行分析.

圖3是用ACF函數(shù)法得到的基音軌跡圖，這一算法適用于在噪聲環(huán)境下基音的提取。由圖中可知，信號在是在基音周期處出現(xiàn)峰值，并且標(biāo)出出很強(qiáng)的規(guī)律性。

圖4是用AMDF函數(shù)法得到的基因軌跡圖，平均幅度差函數(shù)法只需進(jìn)行加減法和取絕對值等簡單的計算，算法簡單，運(yùn)算量比自相關(guān)函數(shù)法大大減少，容易在計算機(jī)實現(xiàn)。

圖5是運(yùn)用倒譜法得到的基音檢測軌跡圖.倒譜法對于干凈語音信號的基音提取效果最好，但是存在加性噪聲時，效果就會有些許降低。倒譜在基音周期處出現(xiàn)峰值，相鄰相隔峰值之間的間隔可以確定為基音周期。兩峰值之間的間隔大概為50點左右，基音周期為

4 結(jié)論

本文討論了三種常用的基音周期檢測方法自相關(guān)函數(shù)法、平均幅度差函數(shù)法和倒譜法以及在MATLAB上的實現(xiàn)。AMF函數(shù)法適用于在一般的噪聲環(huán)境下，能夠取得較為理想的檢測結(jié)果，但往往在單獨(dú)使用時，經(jīng)常出現(xiàn)的結(jié)果是二次倍頻或分頻的實際基音頻率；AMDF函數(shù)法適合于在靜音環(huán)境或者是在噪聲較小時，能夠取得可以信服的結(jié)果，然而在信噪比較低或者是在語音環(huán)境比較惡劣時，檢測效果會比較大幅下降，難以得到讓人滿意的結(jié)果。倒譜法則是一個不論在安靜或者噪聲環(huán)境下更容易取得精確結(jié)果的方法。

基音檢測一直是研究語音信號處理的一個重要課題，尤其是在漢語以及噪聲環(huán)境下的基音檢測這一廣闊的領(lǐng)域內(nèi)，這些問題值得研究者在以后的學(xué)習(xí)中作進(jìn)一步探討。

參考文獻(xiàn)：

[1] 易克初，田斌，付強(qiáng).語音信號處理[M].北京：國防工業(yè)出版社，2010：1-10.

[2] 胡航.語音信號處理[M].哈爾濱：哈爾濱工業(yè)出版社，2012.

[3] 付青青，吳愛平.基于MATLAB的語音信號自相關(guān)基音檢測[J].長江大學(xué)學(xué)報：自科版，2006（4）.

[4] 張雄偉，陳亮，楊吉斌.現(xiàn)代語音處理技術(shù)及應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2010：9-11.

[5] 馮康，時慧坤.語音信號基音檢測的現(xiàn)狀及發(fā)展[J].微機(jī)發(fā)展，2010，14（3）：95-98.

[6] 趙力.語音信號處理[M].北京：機(jī)械工業(yè)出版社，2003.

[7] 王翠蘭，李萍.基于LPC預(yù)測殘差的倒譜基音檢測算法分析[J].南陽師范學(xué)院學(xué)報：自然科學(xué)版，2004，3（9）：26-29.

[8] 楊順遼，李永全.數(shù)字信號處理實現(xiàn)與實驗[M].武漢：華中科技大學(xué)出版社，2011.endprint

摘要：基音檢測作為語音信號處理的重要手段，被廣泛地應(yīng)用于語音的合成、編碼及識別等一系列語音信號處理技術(shù)問題?；魴z測的準(zhǔn)確性對于要求極高的語音識別、合成、分析、壓縮編碼等等都有重要的意義。該文用自相關(guān)函數(shù)法、平均幅度差函數(shù)法和倒譜法這三種常用的基音檢測方法，運(yùn)用MATLAB編程實現(xiàn)，對語音信號的基音周期軌跡圖進(jìn)行了比較分析，并由此得出和倒譜法進(jìn)行語音信號基音的檢測更為精確。

關(guān)鍵詞：基音檢測；MATLAB；自相關(guān)函數(shù)法；平均幅度差函數(shù)法；倒譜法

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）18-4293-03

1 概述

語音是人類相互之間進(jìn)行信息交流的基本手段和重要載體，隨著現(xiàn)代通信科學(xué)技術(shù)的迅速發(fā)展，尤其是計算機(jī)的日趨普及，對語音信號的處理發(fā)揮著越來越重要的作用。漢語中的聲調(diào)對于語音的理解很重要，同時相同的漢語在不同的語氣或詞義下均有不同的聲調(diào)[1]。因此，基音檢測的準(zhǔn)確性對于漢語語音信號的識別極為重要。

根據(jù)聲帶的震動情況，我們一般將語音信號分為清音和濁音兩種[2]。清音和普通的白噪聲相似，尚未發(fā)現(xiàn)明顯的規(guī)律性；而濁音就是俗稱的有聲語言，攜帶著語音的大部分能量，并且具有明顯的周期性。當(dāng)人們在發(fā)出濁音的時候，氣流往往會通過聲門迫使聲帶產(chǎn)生規(guī)律性的震動，我們稱之為激勵脈沖串。通過聲帶震動產(chǎn)生的頻率被定義為：基音頻率，同樣地，就有了基音周期[3]。通常所指的基音檢測實際上就是一種對基音周期的估計，結(jié)果是希望能夠找出與聲帶的振動頻率相一致或較為吻合的軌跡曲線。

語音信號的處理包括四大類，分別為：語音合成、語音識別、語音編碼以及語音識別 [2]。其中，準(zhǔn)確提取語言信號參數(shù)對于整個的語音信號處理是至關(guān)重要的。只有當(dāng)某些可以表示語音信號本質(zhì)特征的參數(shù)被準(zhǔn)確地提出，這些參數(shù)才可以被利用進(jìn)行有效的語音合成，語音識別以及語音的壓縮解碼處理，其中語音周期提取的準(zhǔn)確性會直接影響到語音合成的真實性，因此在眾多參數(shù)中就會顯得尤為重要[4]。

2 研究方法

2.1 自相關(guān)函數(shù)法（ACF函數(shù)法）

當(dāng)采用ACF函數(shù)算法進(jìn)行基音檢測時，主要是利用了短時自相關(guān)函數(shù)能夠取到最大值這一性質(zhì)。使用此方法時，可以利用一個窗函數(shù)，使窗本身不動，而語音信號移動。窗口的長度[N]大于等于兩倍的基音周期，當(dāng)[N]越大，函數(shù)波形的細(xì)節(jié)會顯示地越清晰，更加有利于基音的檢測，然而會有繁重的計算量。

這一算法適用于在噪聲環(huán)境下基音的提取。通過上面的性質(zhì)可以知道，自相關(guān)函數(shù)都是在基音周期處出現(xiàn)峰值，并且標(biāo)出出很強(qiáng)的規(guī)律性。在一般情況下，基波分量不是最強(qiáng)的分量，并且多變的諧波使得語音信號的波形變得較為復(fù)雜，對于基音檢測是一大難題，經(jīng)常發(fā)生的基頻估計結(jié)果往往是：二次倍頻或二次分頻的實際基音頻率。同時，還有一些清濁混雜的情況，使得基音檢測成為目前的一大難題。

2.2 平均幅度差函數(shù)法（AMDF函數(shù)法

得到語音信號基音周期的具體過程是：首先對語音信號的序列進(jìn)行z變換，然后對其取模再取對數(shù)，最后再進(jìn)行逆z變換。根據(jù)語音信號的產(chǎn)生及瞬時平穩(wěn)的特性可以得知：聲道濾波器頻譜與聲源頻譜的乘積就得到了短時譜的語音信號。對于濁音信號而言，脈沖激勵源的周期性表現(xiàn)為快速變化的周期性細(xì)致結(jié)構(gòu)[8]。語音信號倒譜的取得是：首先對語音信號的短時譜取對數(shù)，然后再進(jìn)行反傅里葉變換，因此，濁音信號的倒譜會出現(xiàn)周期性的沖激，就可以從倒譜波形中提取出相對應(yīng)的基音周期。

3 基于MATLAB基音檢測

本文所采用的語音文件為：在windows附件中的錄音機(jī)功能錄制2-3秒 “啊”的四個音調(diào)，采樣頻率為11.025KHz，位數(shù)為16位，聲道為單聲道。

從已得到的語音信號中選取一段較理想的樣本，取樣點數(shù)應(yīng)為幀長的整數(shù)倍。對語音信號的采樣，通過軟件MATLAB對語音文件的計算得知其語音長度為2.5秒，若采樣頻率為11KHz，共計27500個采樣點。采樣模塊從采樣頻率為11KHz的語音信號中截取11000個樣點進(jìn)行分析，取幀長為20ms，即每幀為220個樣點值，共分為50幀。運(yùn)用matlab編寫程序得出以下結(jié)果：

圖1是原始語音信號的波形，圖2是采樣信號的波形，從原始語音信號中截取11000個樣點進(jìn)行分析.

圖3是用ACF函數(shù)法得到的基音軌跡圖，這一算法適用于在噪聲環(huán)境下基音的提取。由圖中可知，信號在是在基音周期處出現(xiàn)峰值，并且標(biāo)出出很強(qiáng)的規(guī)律性。

圖4是用AMDF函數(shù)法得到的基因軌跡圖，平均幅度差函數(shù)法只需進(jìn)行加減法和取絕對值等簡單的計算，算法簡單，運(yùn)算量比自相關(guān)函數(shù)法大大減少，容易在計算機(jī)實現(xiàn)。

圖5是運(yùn)用倒譜法得到的基音檢測軌跡圖.倒譜法對于干凈語音信號的基音提取效果最好，但是存在加性噪聲時，效果就會有些許降低。倒譜在基音周期處出現(xiàn)峰值，相鄰相隔峰值之間的間隔可以確定為基音周期。兩峰值之間的間隔大概為50點左右，基音周期為

4 結(jié)論

本文討論了三種常用的基音周期檢測方法自相關(guān)函數(shù)法、平均幅度差函數(shù)法和倒譜法以及在MATLAB上的實現(xiàn)。AMF函數(shù)法適用于在一般的噪聲環(huán)境下，能夠取得較為理想的檢測結(jié)果，但往往在單獨(dú)使用時，經(jīng)常出現(xiàn)的結(jié)果是二次倍頻或分頻的實際基音頻率；AMDF函數(shù)法適合于在靜音環(huán)境或者是在噪聲較小時，能夠取得可以信服的結(jié)果，然而在信噪比較低或者是在語音環(huán)境比較惡劣時，檢測效果會比較大幅下降，難以得到讓人滿意的結(jié)果。倒譜法則是一個不論在安靜或者噪聲環(huán)境下更容易取得精確結(jié)果的方法。

基音檢測一直是研究語音信號處理的一個重要課題，尤其是在漢語以及噪聲環(huán)境下的基音檢測這一廣闊的領(lǐng)域內(nèi)，這些問題值得研究者在以后的學(xué)習(xí)中作進(jìn)一步探討。

參考文獻(xiàn)：

[1] 易克初，田斌，付強(qiáng).語音信號處理[M].北京：國防工業(yè)出版社，2010：1-10.

[2] 胡航.語音信號處理[M].哈爾濱：哈爾濱工業(yè)出版社，2012.

[3] 付青青，吳愛平.基于MATLAB的語音信號自相關(guān)基音檢測[J].長江大學(xué)學(xué)報：自科版，2006（4）.

[4] 張雄偉，陳亮，楊吉斌.現(xiàn)代語音處理技術(shù)及應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2010：9-11.

[5] 馮康，時慧坤.語音信號基音檢測的現(xiàn)狀及發(fā)展[J].微機(jī)發(fā)展，2010，14（3）：95-98.

[6] 趙力.語音信號處理[M].北京：機(jī)械工業(yè)出版社，2003.

[7] 王翠蘭，李萍.基于LPC預(yù)測殘差的倒譜基音檢測算法分析[J].南陽師范學(xué)院學(xué)報：自然科學(xué)版，2004，3（9）：26-29.

[8] 楊順遼，李永全.數(shù)字信號處理實現(xiàn)與實驗[M].武漢：華中科技大學(xué)出版社，2011.endprint