資源描述：
《基于進(jìn)化算法低信噪比環(huán)境的基音頻率檢測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于進(jìn)化算法低伯噪比環(huán)境的基音頻率檢測(cè)摘要：構(gòu)造頻域空間的檢測(cè)模型，將基音頻率作為特征值進(jìn)行提取，然后為檢測(cè)模型引入模型參數(shù)即優(yōu)化因子，通過(guò)進(jìn)化算法對(duì)該因子進(jìn)行全局優(yōu)化，從而獲取基音頻率的全局最優(yōu)值，在優(yōu)化精度和時(shí)間代價(jià)上取得了較好的平衡。采用兩種具有代表性的進(jìn)化算法進(jìn)行算法設(shè)計(jì)，包括遺傳算法（GA算法）和粒子群算法（PSO算法）。將所提算法與相關(guān)有代表性的算法進(jìn)行比較，結(jié)果表明，所提算法在不同類(lèi)型不同程度的噪聲環(huán)境下，能顯著提升檢測(cè)識(shí)別率，尤其是在極低信噪比下，優(yōu)勢(shì)更為明顯。本文采集自網(wǎng)絡(luò)，本站發(fā)布的論文均是優(yōu)質(zhì)論文
2、，供學(xué)習(xí)和研宄使用，文中立場(chǎng)與本網(wǎng)站無(wú)關(guān)，版權(quán)和著作權(quán)歸原作者所有，如有不愿意被轉(zhuǎn)載的情況，請(qǐng)通知我們刪除己轉(zhuǎn)載的信息，如果需耍分享，請(qǐng)保留本段說(shuō)明。關(guān)鍵詞：極低信噪比環(huán)境；基音頻率；進(jìn)化算法；遺傳算法；粒子群算法中圖分類(lèi)號(hào)：TN912.3?34文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004?373X（2017）11?0046?07EvolutionaryalgorithmbasedfundamentaltonefrequencydetectioninlowSNRenvironmentZHANGXiaohengl,2，LIYongm
3、ing2,XIEWenbin2(1.ChongqingRadio&TVUniversity,Chongqing400052,China；2.CollegeofCommunicationEngineering,ChongqingUniversity,Chongqing400030,China)Abstract:Afrequency?domaindetectionmodelwasconstructed.Thefundamentaltonefrequencyisextractedascharacteristicvalue.T
4、hemodelparameter(optimizationfactor)isintroducedintothedetectionmodel,forwhichtheglobaloptimizationiscarriedoutwithevolutionaryalgorithm(EA)togettheglobaloptimumofthefundamentaltonefrequency,andobtainabetterbalanceinoptimizationaccuracyandtimecost.Tworepresentat
5、iveEAs(geneticalgorithm(GA)andparticleswarmoptimization(PSO)algorithm)arcusedtoperformthealgorithmdesign.Theproposedalgorithmiscomparedwiththeotherrepresentativealgorithms.Thecomparisonresultsshowthattheproposedalgorithmcanimprovethedetectionrecognitionrategreat
6、lyinthenoiseenvironmentsofdifferenttypesanddifferentdegrees,especiallyinthevery?lowSNRenvironment.Keywords:very?lowSNRenvironment；fundamentaltonefrequency；evolutionaryalgorithm；geneticalgorithm；PSO0引言基音頻率是語(yǔ)音信號(hào)最為重要的參數(shù)之一。準(zhǔn)確有效地檢測(cè)基音頻率對(duì)很多語(yǔ)音技術(shù)起著極為關(guān)鍵的作用，如說(shuō)話(huà)人檢測(cè)、跟蹤、語(yǔ)音分離及
7、識(shí)別等。盡管基音頻率檢測(cè)已經(jīng)研究多年，并取得了一系列成果，但相關(guān)算法大都適用于高信噪比環(huán)境，而實(shí)際應(yīng)用中，大多數(shù)語(yǔ)音都處于復(fù)雜惡劣的噪聲環(huán)境中。因此，針對(duì)低信噪比環(huán)境，特別是-5dB以下的基音頻率檢測(cè)算法的研究，對(duì)實(shí)現(xiàn)性能優(yōu)良、實(shí)用的語(yǔ)音處理技術(shù)，取得實(shí)效應(yīng)用有著重要的現(xiàn)實(shí)意義[1?4]?；纛l率檢測(cè)的有效性依賴(lài)于語(yǔ)音信號(hào)諧波結(jié)構(gòu)的完整性，噪聲疊加造成諧波結(jié)構(gòu)被破壞，而隨著信噪比的下降最終難以分辨一個(gè)完整的諧波周期。因此低信噪比下實(shí)現(xiàn)優(yōu)良的檢測(cè)性能具有較大難度[5?9]。由于語(yǔ)音信號(hào)參數(shù)隨時(shí)間變化緩慢，相鄰多個(gè)語(yǔ)音幀信
8、號(hào)參數(shù)會(huì)保持一定連續(xù)性，因此典型的基音頻率檢測(cè)算法可以分為兩個(gè)階段[10]：第一個(gè)階段找出基音頻率的多個(gè)可能候選值，或者計(jì)算基音頻率值落在不同頻率區(qū)問(wèn)的概率。第二階段一般依賴(lài)DP[11]或HMM[12]算法，從多個(gè)候選值選出最終的基音頻率值。這些算法大都利用了相鄰語(yǔ)音幀數(shù)據(jù)之間的相關(guān)性找出最優(yōu)的基音頻率序列值，從而使得整體的后驗(yàn)誤
