基于小波变换与自相关的语音基音周期检测系统

资 源 简 介

该项目实现了一种结合二进制小波变换和短时自相关函数的混合算法，专门用于高精度提取语音信号的基音周期。在核心算法流程中，系统首先对输入的语音信号进行二进制小波变换，利用其多分辨率分析的特性对信号进行分解。这一步骤能够有效去除语音中的高频噪声成分，并利用小波变换在时频域的局部特征强化基音信息，从而为后续处理提供更为清晰的信号特征。接着，系统在小波域处理后的分量上应用短时自相关函数进行计算。传统的短时自相关法在处理含噪语音时常常面临阈值难以确定、极易产生倍频或半频错误等技术瓶颈，而本系统通过引入二进制小波变换作

详 情 说 明

基于二进制小波变换与短时自相关函数的语音基音周期检测系统

该系统实现了一种结合二进制小波变换（Dyadic Wavelet Transform）与短时自相关函数（ACF）的语音基音提取算法。通过利用小波变换的多分辨率分析特性对带噪语音进行前置增强，系统能够有效克服传统自相关法在低信噪比环境下容易出现的倍频、半频错误，显著提高基音周期检测的准确性与稳定性。

功能特性

• 抗噪能力强：通过三层二进制小波分解，有效滤除高频随机噪声，增强信号的周期性特征。
• 多分辨率分析：利用小波变换在时频域的局部化优势，提取基音信息最集中的频率分量。
• 高精度轨迹提取：结合短时自相关函数与自适应峰值搜索逻辑，能够精确跟踪基音频率（F0）的微弱动态变化。
• 后处理平滑：引入中值滤波技术，有效剔除检测过程中的孤立错误点，确保基音曲线的平滑连续。
• 直观的可视化界面：系统能够实时对比增强前后的自相关函数波形，并展示完整的小波分解过程及基音提取轨迹。

系统要求

• 软件环境：MATLAB R2016a 或更高版本。
• 核心工具箱：信号处理工具箱（Signal Processing Toolbox）。

算法实现逻辑

系统内部实现流程严格遵循从信号预处理到特征提取的科学步骤：

1. 模拟信号构建与预处理：

系统预设了 8000Hz 的采样率，并生成一段带有谐波分量的合成语音信号。为了模拟真实的语音环境，系统在基音频率中加入了正弦规律的微弱波动（120Hz-130Hz），并添加高阶高斯白噪声以构建低信噪比（SNR）环境。

1. 三层二进制小波分解：

采用 Mallat 算法结构的滤波器组，使用 Haar/二次样条特性的低通(h)和高通(g)滤波器。系统对输入信号进行三层递归分解，得到近似分量 $a1, a2, a3$ 和细节分量 $d1, d2, d3$。根据语音基音通常分布在低频区域的特性，系统选取第三层近似分量 $a3$ 作为增强后的待处理信号。

1. 分帧与短时自相关处理：

系统采用 30ms 的帧长和 10ms 的帧移对增强信号进行截断。每一帧信号在消除均值后，计算其短时自相关函数。对比实验显示，相对于原始带噪信号，经过小波增强后的信号在自相关域具有更明显的波峰，极大地降低了噪声对基音定位的干扰。

1. 基音搜索与频率计算：

系统在 50Hz 至 500Hz 的人类发音基音范围内设置滞后（Lag）搜索窗口。通过寻找搜索范围内 ACF 的最大峰值，定位出对应的延迟点，并结合采样率换算为当前的基音频率 F0。

1. 轨迹后处理：

为了消除由于瞬态噪声或算法误差产生的跳变，系统对初步提取的基音序列应用 5 点中值滤波，从而获得稳定平滑的频率变化轨迹。

关键函数与细节分析

• 卷积分解逻辑：利用 conv 函数配合 'same' 参数实现信号在每一级小波分解下的精准对齐，确保了时域信息的完整性。
• xcorr 相关性评价：使用内置 xcorr 函数计算归一化自相关系数，其 'coeff' 模式使得不同帧之间的峰值具有可比性。
• findpeaks 自适应搜索：在指定的 Lag 范围内动态寻找局部极大值，避免了全局最大值可能出现在零延迟位置的问题。
• 中值平滑技术：medfilt1 函数的应用，增强了系统在非稳态语音片段中的鲁棒性。

使用方法

1. 启动 MATLAB 软件。
2. 将系统程序脚本放置于当前工作目录下。
3. 运行核心脚本程序。
4. 程序运行完成后，将自动弹出可视化分析窗口，展示以下内容：

* 原始带噪信号与小波增强信号的时域对比。 * 三层小波分解后各级细节分量 (d1, d2, d3) 的分布情况。 * 原始信号与增强信号在中间帧的自相关函数对比图。 * 提取到的基音频率轨迹与理论设定轨迹的重合评估。

1. 在命令行窗口（Command Window）中可查看到检测到的平均基音频率数值。