低復(fù)雜度的基音檢測(cè)算法

李會(huì)雅，苑林，門晉喜，韓曉霞

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

基音周期是描述濁音激勵(lì)源的一個(gè)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(diào)，在漢語(yǔ)中聲調(diào)承擔(dān)著構(gòu)字辯意的作用，因此基音檢測(cè)是漢語(yǔ)語(yǔ)言處理的關(guān)鍵環(huán)節(jié).自相關(guān)函數(shù)法（ACF）［1］和平均幅度差函數(shù)法（AMDF）［2］是基音檢測(cè)的經(jīng)典算法，但準(zhǔn)確性不高，容易產(chǎn)生倍、半基音，在平滑過程中不僅增加了處理時(shí)間和算法復(fù)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(diǎn)，具有良好的時(shí)頻局部分析能力，但受聲道響應(yīng)的影響較大，計(jì)算量大.文獻(xiàn)［5］給出了降低復(fù)雜度的自相關(guān)函數(shù)法，但準(zhǔn)確率不很理想.文獻(xiàn)［6－7］中的平均幅度差加權(quán)自相關(guān)法（AWAC）和文獻(xiàn)［8］中的自相關(guān)能量函數(shù)及幅度差能量函數(shù)相結(jié)合的算法，對(duì)于隨信噪比減小而越來越大的諧波峰值點(diǎn)起到了一定的抑制作用，突出了基音周期的峰值點(diǎn).但文獻(xiàn)［8］中的算法，含有大量的平方運(yùn)算，計(jì)算復(fù)雜度高.為了進(jìn)一步降低其計(jì)算量，增強(qiáng)實(shí)時(shí)性，提高基音檢測(cè)算法的魯棒性，在研究ACF法和AMDF法的基礎(chǔ)上，提出了一種基于ACEF和MDEF的新算法，既保留了算法簡(jiǎn)單、計(jì)算量小的優(yōu)點(diǎn)，又提高了準(zhǔn)確度，有效杜絕了新誤差的出現(xiàn).

1 基音檢測(cè)基礎(chǔ)

1.1 短時(shí)自相關(guān)函數(shù)（ACF）

對(duì)于確定性信號(hào)序列x（k），自相關(guān)函數(shù)定義為

由于濁音的波形序列具有準(zhǔn)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(gè)峰值的位置來估計(jì)基音周期.

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

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

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

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

當(dāng)τ≠0時(shí)，n（k）互不相關(guān)，則Rnn（τ）＝0，則Rss（τ）可以表示為

由式（5）易知，當(dāng)τ≠0時(shí)，含噪語(yǔ)音信號(hào)的自相關(guān)函數(shù)Rss（τ）與噪聲n（k）無關(guān)，完全等于Rxx（τ）.

1.2 平均幅度差函數(shù)（AMDF）

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

實(shí)際濁音信號(hào)的d（k）會(huì)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(yǔ)音段的窗函數(shù)為矩形窗，則定義語(yǔ)音信號(hào)s（k）的短時(shí)平均幅度差函數(shù)為

其中，N為幀長(zhǎng)，τ為位移.若語(yǔ)音信號(hào)s（k）在窗函數(shù)取值范圍內(nèi)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(yùn)算過程較Rss（τ）簡(jiǎn)單，易于硬件實(shí)現(xiàn).

1.3 三電平中心削波

為了消除聲道共振峰和語(yǔ)音諧波對(duì)基音周期檢測(cè)的影響，對(duì)語(yǔ)音信號(hào)進(jìn)行預(yù)處理［11］.本文采用三電平中心削波的方法，對(duì)輸入的語(yǔ)音信號(hào)進(jìn)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(hào)，s（k）為三電平中心削波器的輸入信號(hào)，±CL為削波電平.

由式（8）可知，當(dāng)削波器的輸入s（k）＞CL時(shí)，削波器的輸出為1；當(dāng)削波器的輸入s（k）＜－CL時(shí)，削波器的輸出為－1；當(dāng)削波器的輸入為其他情況時(shí)，削波器輸出全為零.語(yǔ)音信號(hào)經(jīng)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(guān)法進(jìn)行基音檢測(cè)時(shí)，可大大減少錯(cuò)判為倍頻或半頻的情況.

2 基音檢測(cè)算法

2.1 基音檢測(cè)過程框圖

基音檢測(cè)過程分為3個(gè)階段：預(yù)處理、基音檢測(cè)、后處理，具體過程如圖1所示.

圖1 基音檢測(cè)實(shí)現(xiàn)過程Fig.1 Realization process of pitch detection in this paper

在預(yù)處理階段，由錄音設(shè)備采集的語(yǔ)音信號(hào)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(yǔ)音信號(hào)基音檢測(cè)的連續(xù)性，在取幀時(shí)，幀移與幀長(zhǎng)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(zhǎng)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(guān)的波動(dòng).

在基音周期估計(jì)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(gè)峰值橫坐標(biāo)之間的距離，即相隔的采樣點(diǎn)數(shù).

在后處理階段，去大野點(diǎn)模塊去除峰值橫坐標(biāo)相隔采樣點(diǎn)數(shù)的錯(cuò)誤估值，之后采用試探平滑處理算法［10］，進(jìn)而得到語(yǔ)音信號(hào)的基音周期.

2.2 自相關(guān)能量函數(shù)及幅度差能量函數(shù)相結(jié)合的算法

由于ACEF會(huì)在語(yǔ)音信號(hào)基音周期整數(shù)倍的位置上呈現(xiàn)峰值，而相應(yīng)處的MDEF則會(huì)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(yùn)算.由此可見，新算法的計(jì)算復(fù)雜度較低，而且運(yùn)算量也得到了大幅度的降低.

3 仿真實(shí)驗(yàn)及結(jié)果分析

本實(shí)驗(yàn)采用的測(cè)試語(yǔ)音信號(hào)是在實(shí)驗(yàn)室的噪聲環(huán)境下錄制的，其采樣頻率fs為16kHz，每個(gè)采樣點(diǎn)為16bit量化，含噪測(cè)試語(yǔ)音信號(hào)波形如圖2所示.仿真實(shí)驗(yàn)過程中采用的帶通濾波器通帶為60～90Hz，通過調(diào)用語(yǔ)音信號(hào)處理工具箱中的分幀函數(shù)，實(shí)現(xiàn)對(duì)語(yǔ)音信號(hào)流的分幀處理，其中窗函數(shù)為矩形窗.幀移與幀長(zhǎng)N的比值取為基于語(yǔ)音信號(hào)的短時(shí)平穩(wěn)性，以下仿真過程均是逐次對(duì)每幀語(yǔ)音信號(hào)進(jìn)行相應(yīng)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(gè)語(yǔ)音信號(hào)采樣值中的最大值，然后比較這2個(gè)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(gè)峰值橫坐標(biāo)之間相隔采樣點(diǎn)數(shù)平均值以上的數(shù)值設(shè)為大野點(diǎn)，中值平滑的滑動(dòng)窗口寬度為3，精度為中值的，將不在平滑范圍內(nèi)的點(diǎn)置為0，從而糾正個(gè)別估值的錯(cuò)誤，最后得到語(yǔ)音信號(hào)的基音周期的平均值.

設(shè)采用本文算法的仿真波形中相鄰2個(gè)峰值橫坐標(biāo)之間相隔的采樣點(diǎn)數(shù)為NT，則基音周期T＝NT／fs，其中fs為采集語(yǔ)音信號(hào)時(shí)的采樣頻率，單位為kHz.

圖2 含噪測(cè)試語(yǔ)音信號(hào)波形Fig.2 Waveform of Noisy test speech signal

由圖2可見，測(cè)試語(yǔ)音信號(hào)波形的幅度處于［－0.1，0.1］內(nèi)，其持續(xù)時(shí)間為0.12s，波形帶有鋸齒狀的毛刺，說明測(cè)試語(yǔ)音信號(hào)的錄制環(huán)境含有噪聲.

應(yīng)用語(yǔ)音信號(hào)處理Praat軟件對(duì)測(cè)試語(yǔ)音信號(hào)進(jìn)行基音頻率提取的仿真圖形，如圖3所示.

圖3 Praat處理測(cè)試語(yǔ)音信號(hào)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(cè)試語(yǔ)音信號(hào)基音頻率為229.49Hz，則該測(cè)試語(yǔ)音信號(hào)的基音周期為

以該測(cè)試語(yǔ)音信號(hào)的第6幀數(shù)據(jù)為例，此幀語(yǔ)音信號(hào)的一般自相關(guān)函數(shù)和幅度差函數(shù)結(jié)合的（ACFMDF）的仿真示意圖如圖4所示；基于自相關(guān)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(yǔ)音信號(hào)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(hào)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(cè)試語(yǔ)音信號(hào)的仿真示意圖中，在采樣點(diǎn)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(qiáng)噪聲環(huán)境下會(huì)出現(xiàn)峰值提取的困難，甚至峰值會(huì)完全淹沒在噪聲信號(hào)中，以致無法提取出語(yǔ)音信號(hào)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(cè)試語(yǔ)音信號(hào)的仿真示意圖中，采樣點(diǎn)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(duì)提取基音周期影響較大的諧波峰值點(diǎn)，使峰值點(diǎn)更加突出，有利于語(yǔ)音信號(hào)基音周期的提取，具有一定的抗噪聲性能.

4 結(jié)論

基于ACEF－MDEF的基音檢測(cè)算法克服了自相關(guān)函數(shù)計(jì)算量大和幅度差函數(shù)易受噪聲影響的缺點(diǎn)，比ACF和AMDF直接結(jié)合的方法更準(zhǔn)確，更穩(wěn)定.新算法涉及到的運(yùn)算簡(jiǎn)單，降低了時(shí)間和空間復(fù)雜度，適合應(yīng)用于手持語(yǔ)音識(shí)別終端上.與此同時(shí)，基音檢測(cè)的準(zhǔn)確性和魯棒性也有了很大提高.但由于語(yǔ)音信號(hào)產(chǎn)生過程的復(fù)雜性和不可預(yù)測(cè)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(yīng)任何人、任何環(huán)境的基音檢測(cè)算法.因此，如何從語(yǔ)音信號(hào)中僅取出與聲帶振動(dòng)有關(guān)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(guān)基音檢測(cè)算法［J］.通信技術(shù)，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(xué)報(bào)，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(yǔ)語(yǔ)音的基音快速提取算法［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)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(cè)算法研究及在語(yǔ)音合成中的應(yīng)用［D］.太原：太原理工大學(xué)，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(cè)算法［J］.三峽大學(xué)學(xué)報(bào)：自然科學(xué)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(yǔ)聲調(diào)識(shí)別中的基音平滑新方法［J］.中文信息學(xué)報(bào)，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(yǔ)音信號(hào)處理 ［M］.4版.哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2009.