基于自相关法的语音信号基音频率检测系统

资 源 简 介

本项目实现了一种基于短时自相关函数的语音信号基音检测算法。基音频率是语音信号分析中的关键特征之一，代表了声带振动的基频。系统首先对采集的语音信号进行预处理，包括低通滤波以消除高频噪声、抽样频率调整以及应用汉明窗进行分帧。在核心算法实现阶段，程序会对每一帧信号计算短时自相关函数，通过寻找函数在合理基音周期范围内的最大峰值来确定该帧的基音周期长度。为进一步优化检测精度并减少共振峰对结果的影响，系统采用了中心削波技术，该技术能有效压缩信号幅度较小的部分并保留较大的峰值分量，从而使自相关函数的峰值更加尖锐且易于检

详 情 说 明

基于自相关法的语音信号基音频率检测系统

项目介绍

本项目实现了一套完整的语音信号基音频率（Pitch）检测系统。基音频率不仅是语音信号处理、语音合成和声纹识别的核心参数，也是反映声带振动特性的重要指标。系统基于经典的短时自相关（ACF）理论，通过时域与频域相结合的方法，实现了对语音信号基音周期的快速、准确提取。系统内置了从信号预处理、非线性处理到特征提取及平滑滤波的完整流程，能够有效克服共振峰干扰和环境噪声，实时输出稳定的基音轨迹。

功能特性

1. 鲁棒的预处理机制：集成低通滤波与中心削波技术，显著降低高频噪声和声道共振峰对基音检测的干扰。
2. FFT加速计算：利用快速傅里叶变换及其逆变换实现自相关函数的频域计算，极大提升了系统的运算效率，支持实时处理。
3. 自适应阈值判定：通过能量阈值检测自动识别语音段与静音段，避免对背景噪声进行错误计算。
4. 轨迹平滑处理：应用中值滤波算法消除提取过程中的孤立跳点，确保基音频率曲线的连续性和物理合理性。
5. 多维度可视化：提供包含原始波形、削波波形、自相关函数图、峰值强度图及基音轨迹图在内的全方位视觉反馈。

使用方法

1. 环境配置：确保计算机已安装MATLAB软件及相关的信号处理工具箱。
2. 运行程序：在MATLAB命令行窗口执行主程序函数。
3. 信号输入：程序默认生成一段包含120Hz基频及多倍频成分的模拟浊音信号；用户也可根据注释提示，通过修改代码切换为读取本地wav音频文件。
4. 结果查看：程序执行完成后，将自动弹出图形窗口显示分析结果，并在命令行输出平均基音频率。

系统要求

1. 软件环境：MATLAB R2016b 或更高版本。
2. 必备工具箱：Signal Processing Toolbox（信号处理工具箱）。
3. 硬件环境：标准PC即可，内存4GB以上。

系统实现逻辑与功能说明

本系统的核心逻辑严格按照语音信号处理的标准流程建模，具体步骤如下：

1. 信号初始化与仿真

系统设定采样频率为8000Hz。为演示检测效果，程序合成了一段0.5秒的模拟浊音信号，该信号由120Hz基频及其二倍频、三倍频组成，并叠加了随机高斯白噪声，用以模拟真实的语音采集环境。

1. 信号预处理

系统首先通过一个4阶巴特沃斯低通滤波器，截止频率设为800Hz。由于人类基音频率通常处于50Hz至500Hz之间，此步骤能有效滤除高频共振峰及无关的高频噪声。

1. 中心削波（Center Clipping）

这是提升自相关法精度的关键环节。系统对滤波后的信号进行非线性削波处理，阈值设定为当前信号最大振幅的60%。低于该阈值的信号部分被强制置零，高于阈值的部分则保留峰值特征。这一处理极大地削弱了共振峰产生的子峰，使自相关函数的最大值更加突出。

1. 分帧与加窗

系统采用滑动窗口机制进行短时分析。帧长设定为32ms（256个采样点），帧移为16ms。通过应用汉明窗（Hamming Window）对每一帧进行加权，以减少分帧引起的频谱泄露，增强信号的平滑性。

1. 快速自相关计算

系统将每一帧时域信号映射到频域，利用FFT计算功率谱，再通过逆快速傅里叶变换（IFFT）得到自相关函数。这种频域实现方式比传统的时域移位累加算法速度提升了数倍。

1. 基音搜索与判决

程序在设定的基音范围内（60Hz至400Hz，对应特定的延迟点范围）寻找自相关函数的最大值。同时，系统设置了能量阈值（0.01），仅对能量大于该值的帧进行处理，若帧能量过低则判定为静音段，基音频率置为0。

1. 轨迹平滑后处理

针对可能出现的单帧检测错误（如倍频或半频错误），系统采用5点阶数的中值滤波器对全段基音轨迹进行平滑，有效去除了脉冲型波动。

关键算法与关键点分析

1. 低通滤波器设计

采用 butter(4, 800/(Fs/2)) 构建的滤波器具备平坦的通带特性，能够确保120Hz左右的基音信息在不受畸变的情况下进入后续环节，同时隔离了800Hz以上干扰。

1. 中心削波技术细节

代码逻辑中，削波不仅是简单的置零，还通过对保留部分进行位移补偿（减去阈值），保证了信号的波形特征不会产生阶跃性的剧烈突变，从而使自相关系数的峰值点定位更精确。

1. 自相关与基音的关系

自相关函数反映了信号与自身延迟版本之间的相似度。对于周期信号，当延迟等于信号周期的整数倍时，自相关函数会出现峰值。系统通过 Fs / actual_lag 将计算得到的延迟位置（Lag）转换为频率值（Hz）。

1. FFT加速原理

利用性质：时域的卷积对应频域的乘法。自相关本质上是信号与自身的卷积（翻转后），通过 FFT -> 取模平方 -> IFFT 这一路径，将 O(N^2) 的计算复杂度降低到 O(NlogN)，这对于实时语音分析至关重要。

1. 结果评价指标

系统通过归一化自相关峰值（max_acf_vals）来评估检测的置信度。峰值越接近1，说明该帧信号的周期性越强，提取的基音频率越可靠。