基于自相关函数的语音基音检测仿真系统

资 源 简 介

本项目旨在利用MATLAB平台开发一个基于短时自相关函数法的语音基音检测系统。基音频率（Pitch Frequency）是描述语音信号周期性特征的核心参数，准确提取基音对于语音合成、声纹识别以及语言编码至关重要。系统首先对输入的语音信号进行分帧处理和加窗操作，确保每帧信号具备准平稳性。核心算法通过计算每一帧信号的自相关函数（ACF），利用自相关函数在周期点处具有极大值的特性，在预设的基音搜索范围（通常为50Hz至500Hz）内寻找最大峰值，从而确定对应的基音周期。为了提高检测的鲁棒性并减少共振峰的干扰，本

详 情 说 明

基于自相关函数的语音信号基音频率检测仿真系统

项目介绍

本项目是一款基于 MATLAB 平台开发的语音基音频率检测仿真系统。基音频率（Pitch Frequency）反映了语音信号的周期性特征，是语音处理领域的核心参数。本系统通过实现经典的短时自相关函数法（ACF），结合非线性预处理技术，从准平稳的语音帧中提取准确的基音轨迹。通过模拟动态变化的语音信号，系统展示了自相关法在基音检测中的全过程，包括信号合成、分帧加窗、中心削波、自相关计算、峰值搜索及后处理平滑。

功能特性

• 动态合成测试信号：系统内置语音合成模块，可生成频率随时间线性变化（100Hz至200Hz）的多谐波合成语音，并添加加性白噪声以模拟真实环境。
• 非线性中心削波：引入中心削波（Center Clipping）技术，通过设定阈值（默认0.7）消除共振峰干扰，使自相关函数的周期性峰值更加突出。
• 快速自相关算法：利用 FFT（快速傅里叶变换）及其逆变换加速计算自相关函数，提高处理效率。
• 稳健的基音提取：支持自定义基音搜索范围（50Hz-500Hz），并通过幅值阈值判断进行清/浊音决策。
• 中值滤波平滑：采用 3 点中值滤波技术对初步检测的基音轨迹进行平滑处理，有效剔除孤立的检测错误点。
• 综合可视化界面：程序运行后自动生成多维度图表，包括时域信号波形、削波前后的对比、单帧自相关序列以及最终的基音频率轨迹。

实现逻辑与功能说明

本系统主要在主程序中按以下步骤实现基音检测流程：

1. 信号生成与环境搭建：程序首先设定 16000Hz 的采样率，通过累积相位的方法生成一个基频从 100Hz 线性增长至 200Hz 的模拟信号，并叠加三次谐波和少量随机噪声。
2. 参数初始化：配置帧长为 30ms，帧移为 15ms，确定基音搜索对应的延迟点数（Lag）范围为 32 至 320 个采样点。
3. 逐帧循环处理：对每一帧信号执行以下具体操作：

- 加窗：使用手动实现的汉明窗（Hamming Window）对信号进行加窗，减少频率泄露。 - 中心削波：计算当前帧的最大幅值，将低于 70% 阈值的信号成分归零，对超过阈值的部分进行平移处理，以抑制第一共振峰对自相关结果的干扰。 - 自相关计算：通过对削波后的信号执行 FFT，计算模平方后进行 IFFT，得到自相关序列。 - 峰值搜索与判决：在预设的延迟延迟范围内搜寻最大峰值。若该峰值超过自相关函数原点值的 0.3 倍，则认为当前帧为浊音（Voiced），根据峰值坐标计算基音频率；否则判定为清音或无声，频率记为 0。

1. 后处理：对完整的基音频率序列应用 3 点中值滤波，消除由于噪声或算法失效产生的突跳点。
2. 数据统计与展示：计算有效基音段的平均频率与标准差，并绘制四组图形进行直观对比。

技术细节分析

• 自相关函数原理：自相关函数反映了信号在不同时刻的相关程度。对于具有周期性的基音信号，自相关函数会在基音周期的整数倍处出现显著峰值，通过检测第一个大峰值（除原点搜索范围外）即可确定基音周期。
• 中心削波的作用：原始语音信号受声道共振峰的影响，自相关函数往往包含多个局部峰值。中心削波通过剥离低幅度信号，能够有效削减共振峰带来的干扰，使基音对应的周期性峰值在搜索区域内占据绝对主导地位。
• FFT 加速：传统的时域自相关计算复杂度较高，系统通过 FFT 将时域卷积（或相关）转化为频域乘法，显著提升了大规模数据处理的性能。
• 搜索范围限制：系统根据人类发声规律，将搜索范围严格限制在 50Hz 到 500Hz 之间，有效避免了倍频或半频现象对结果的影响。

系统要求

• 运行环境：MATLAB R2016a 或更高版本。
• 硬件要求：标准 PC，内存 4GB 以上。
• 依赖项：无需安装额外的 Toolbox 工具箱，相关关键函数（如汉明窗、中值滤波等）已在脚本中直接实现或调用标准内置函数。

使用方法

1. 将 main.m 文件放置在 MATLAB 的当前工作路径中。
2. 在命令行窗口输入 main 并按回车。
3. 系统将自动运行算法，输出包含四个子图的可视化结果。
4. 在控制台（Command Window）查看计算出的平均基音频率和标准差等统计数据。