综合实验报告
自相关法及其变种
学院电子与信息学院专业信息与信号处理学生姓名
学生学号
提交日期2013年7月10日
一、实验目标
1.1 了解语音基音周期估计方法，掌握自相关法估计基音周期的原理，分析其变种。
二、实验基础知识
2.1 基音与基音周期估计
人在发音时，根据声带是否震动可以将语音信号分为清音跟浊音两种。浊音又称有声语言，携带者语言中大部分的能量，浊音在时域上呈现出明显的周期性；而清音类似于白噪声，没有明显的周期性。发浊音时，气流通过声门使声带产生张弛震荡式振动，产生准周期的激励脉冲串。这种声带振动的频率称为基音频率，相应的周期就成为基音周期。
基音周期的估计称谓基音检测，基音检测的最终目的是为了找出和声带振动频率完全一致或尽可能相吻合的轨迹曲线。
基因周期作为语音信号处理中描述激励源的重要参数之一，在语音合成、语音压缩编码、语音识别和说话人确认等领域都有着广泛而重要的问题，尤其对汉语更是如此。汉语是一种有调语言，而基因周期的变化称为声调，声调对于汉语语音的理解极为重要。因为在汉语的相互交谈中，不但要凭借不同的元音、辅音来辨别这些字词的意义，还需要从不同的声调来区别它，也就是说声调具有辨义作用；另外，汉语中存在着多音字现象，同一个字的不同的语气或不同的词义下具有不同的声调。因此准确可靠地进行基音检测对汉语语音信号的处理显得尤为重要。
2.2 基音周期估计的现有方法
到目前为止，基音检测的方法大致上可以分为三类：
1）时域估计法，直接由语音波形来估计基音周期，常见的有：自相关法、并行处理法、平均幅度差法、数据减少法等；
2）变换法，它是一种将语音信号变换到频域或者时域来估计基音周期的方法，首先利用同态分析方法将声道的影响消除，得到属于激励部分的信息，然后求取基音周期，最常用的就是倒谱法，这种方法的缺点就是算法比较复杂，但是基音估计的效果却很好；
3）混合法，先提取信号声道模型参数，然后利用它对信号进行滤波，得到音源序列，最后再利用自相关法或者平均幅度差法求得基因音周期。
三、实验原理
3.1 自相关函数
能量有限的语音信号x(n)的短时自相关函数定义为：
此公式表示一个信号和延迟m 点后该信号本身的相似性。如果信号x(n)具有周期性，
那么它的自相关函数也具有周期性，而且周期与信号x(n)的周期性相同。自相关函数提供了一种获取周期信号周期的方法。在周期信号周期的整数倍上，它的自相关函数可以达到最大值，因此可以不考虑起始时间，而从自相关函数的第一个最大值的位置估计出信号的基音周期，这使自相关函数成为信号基音周期估计的一种工具。
3.2 短时自相关函数法
语音信号是非稳态信号它的特征是随时间变化的，但在一个很短的时间段内可以认为具
有相对稳定的特征即 短时平稳性。因此语音具有短时自相关性。这个时间段约5ms-50ms 。为其统计特性和频谱特性都是对短时段而言的。这使得要对语音信号作数字处理必须先按短时段对语音信号分帧。这样每一帧信号都具有短时平稳性从而进行短时相关分析。
能量有限的语音信号s(n)的短时自相关函数定义为：
()()()
n n R m x n x n m =+∞=-∞=+∑10()[()()][()()]N n m R s n m w m s n m w m τ
τττ--==
++++∑
一般要求一帧至少包含2个以上的周期。而且相邻帧之间要有足够的重叠。
3.3 自相关方法变种
3.3.1 中心削波
由于语音信号与声道特性影响有关，有的情况下即使窗长已选得足够长，第一最大峰值点与基音仍不一致，这就是声道特性的共振峰特性造成的“干扰”。实际上影响从自相关函数中正确提取基音周期的最主要的因素就是声道响应部分。当基音的周期性和共振峰的周期性混叠在一起时，被检测出来的峰值就会偏离原来峰值的真实位置。另外，某些浊音中，第一共振峰频率可能会等于或低于基音频率。此时，如果其幅度很高，它就可能在自相关函数中产生一个峰值，而该峰值又可以同基音频率的峰值相比拟，从而给基音检测带来误差。为了提高基音周期检测的可靠性，采用中心削波法对原始信号进行预处理。
其中削波电平C L 一般取最大信号幅度的60%～70%。图1给出了中心削波处理后的结果。中心削波后，再用自相关检测出基音频率，错判为倍频或分频的情况就可以大大减少了。中心削波法实质上是对信号做非线性处理，它消除语音信号的低幅值部分，而保留高振幅的峰值，从而能有利于信号的基音周期估计。
图1 中心削波处理
经过中心削波后的信号，削去了大部分与声道响应有关的波动，只保留了超过削波电平的部分。对中心削波后的语音信号计算自相关函数，这样在基音周期位置呈现大而尖的峰值，而其余的次要峰值幅度都很小。
3.3.2 三电平削波
由自相关函数表达式可知，自相关需要大量的乘法运算，算法的运行效率低。结合自相关函数法和中心削波法对信号做基音周期估计，并在不影响基音周期估计准确性的前提下，用两个信号的互相关序列代替自相关序列而避免了大量的乘法运算，有效地提高了算法的运行效率。
图2 显示的是经过三电平削波后的信号。
原始输入的语音信号经过三电平削波后的信号
图2 经过三电平削波后的信号
显然x(n)只有-1，0，1 三种可能的取值。自相关中的乘法运算都变成了加减运算，使得算法的效率得到大幅度的提高。
3.3.3 基于时域自相关平方函数
第一峰值点的位置非常重要，峰值越尖锐则确定的位置就越准确。求短时自相关函数的平方：
它们周期一致，但平方后在峰值处波形尖锐尤为明显。
图3示为某女性发元音[a]的波形/短时自相关函数及短时自相关平方函数波形.
图3 某女性发元音[a]的波形/短时自相关函数及短时自相关平方函数波形
3.4 短时能量分析
语音信号{x(n)}的某帧信号的短时平均能量En的定义为：
式中，w(n)为窗函数，N为窗长，h(n)= w2(n)，则有
根据E由高到低的跳变可定出浊音变为清音语音的时刻，E由低向高的跳变可定出清音变为
浊音语音的时刻，又由于只有浊音才有基音周期，清音的基音周期为零，这样就可判别出清、浊音。
图4 男声“确定”的语音波形及其局部短时能量
四、结果与分析
检测流程如下：我们先通过Matlab实现，然后再通过C++实现。
图5 基于自相关函数的基因周期检测流程
实验采用一段男声读“播放”两个字的声音wav文件，其为16KHz采样率，16bit量化。整段语音长656.7ms，节点共10508个。
语音信号处理实验报告 实验二：语音信号的基音周期估计 学院：电子与信息学院 专业：信息工程 姓名 学号： 提交日期：2014.4.29
实验二：语音信号基音周期估计 1、 实验内容 从一段语音信号中估计出其基音周期。基音是指法浊音是声带振动所引起的周期性，而基因周期是指声带振动频率的倒数。 2、 实验方法 尽管基音检测有许多困难，但因为它的重要性，基音的检测提取一直是一个研究的课题，为此提出了各种各样的基音检测算法，如自相关函数(ACF)法、峰值提取算法(PPA)、平均幅度差函数(AMDF)法、并行处理技术、倒谱法、SIFT 、谱图法、小波法等等。 2.1、短时自相关法 对于离散的语音信号x(n)，它的自相关函数定义为：R(k)=Σx(n)x(n-k)， 如果信号x(n))具有周期性，那么它的自相关函数也具有周期性，而且周期与信号x(n)的周期性相同。自相关函数提供了一种获取周期信号周期的方法。在周期信号周期的整数倍上，它的自相关函数可以达到最大值，因此可以不考虑起始时间，而从自相关函数的第一个最大值的位置估计出信号的基音周期，这使自相关函数成为信号基音周期估计的一种工具。 语音信号是非平稳的信号，所以对信号的处理都使用短时自相关函数。短时自相关函数是在信号的第N 个样本点附近用短时窗截取一段信号，做自相关计算。短时自相关运算定义为下式： 1 ()()()N k n n n m R k S m S m k --== +∑ 2.2、平均幅度差函数法 语音信号的短时平均幅度差函数Fn （k ）定义为
1 ()|()()|N k n n n m F k S m k S m --== +-∑ 与短时自相关函数一样，对周期性的浊音一样，Fn （k ）也呈现与浊音语音周期一致的周期特性，不过不同的是Fn （k ）在周期的各个整数倍点上具有是谷值特性而不是峰值特性，因而通过Fn （k ）的计算同样可以确定基音周期。 线性加权短时平均幅度差（W-AMDF ）的定义： 1 1 ()|()()|1N k nw n n m F k S m k S m N k --==+--+∑ 2.3、实验过程 2.3.1自相关法（ACF ） 1、录取一段录音，采样率8K ，单声道 2、用MATLAB 的wavread 函数把录音都进来并进行归一化处理 3、对语音信号进行预加重 4、对语音信号进行截止频率为1000Hz 的低通滤波，然后进行分帧处理 5、对每帧语音进行三电平削波处理 6、对每帧分别计算短时自相关运算，去除每帧前十个点后再求最大值 7、利用最大值对应的序号N 来确定基音的周期 2.3.2短时平均幅度差法（W-ADMF ） 1、录取一段录音，采样率8K ，单声道 2、用MATLAB 的wavread 函数把录音都进来并进行归一化处理 3、对语音信号进行预加重 4、对语音信号进行截止频率为1000Hz 的低通滤波，然后进行分帧处理 5、对每帧语音进行三电平削波处理 6、对每帧分别计算线性加权短时平均幅度差运算，去除每帧前、后5个点后再求最小值M1和第二最小值M2 7、利用abs （M2-M1）来确定基音的周期
基于MATLAB的语音信号的基音周期检测 摘要：MATLAB是一种科学计算软件，专门以矩阵的形式处理数据。MATLAB将要性能的数值计算和可视化集成在一起，并提供了大量的内置函数，从而被广泛的应用于科学计算、控制系统和信息处理等领域的分析、仿真和设计工作。 MATLAB在信号与系统中的应用主要包括符号运算和数值计算仿真分析。由于信号与系统课程的许多内容都是基于公式演算，而MATLAB 借助符号数学工具箱提供的符号运算功能，基本满足设计需要。例如：解微分方程、傅里叶正反变换、拉普拉斯正反变换和Z正反变换等。MATLAB在信号与系统中的另一主要应用是数值计算与仿真分析，主要包括函数波形绘制、函数运算、冲击响应仿真分析、信号的时域分析、信号的频谱分析、系统的S域分析和零极点图绘制等内容。 本次课程设计为语音信号的基音周期检测，采集语音信号，对语音信号进行处理，区分清音浊音，并通过对采样值进行滤波、分帧、求短时自相关函数，得到浊音的基音周期。 关键字：清音、浊音、基音周期、基音检测、自相关函数
目录 1 概述 (1) 2 AMDF算法原理及实现 (1) 2.1 AMDF算法源程序 (2) 3 ACF算法原理及实现 (4) 3.1 用短时平均能量进行清/浊音的判断 (4) 3.2 自相关函数基音检测的原理 (6) 3.3 算法实现及相关程序 (6) 3.3.1 带通滤波 (7) 3.3.2 取样与分帧 (7) 3.3.3 短时能量分析 (8) 3.3.4 自相关函数分析 (11) 4 总结与心得体会 (13) 参考文献 (13)
1 概述 基音周期检测也称为基频检测(Pitch Detection) ,它的目标是找出和声带振动频率完全一致的基音周期变化轨迹曲线,或者是尽量相吻合的轨 迹曲线。基音周期检测在语音信号的各个处理领域中,如语音分析与合成、有调语音的辨意、低速率语音压缩编码、说话人识别等都是至关重要的,它的准确性及实时性对系统起着非常关键的作用,影响着整个系统的性能。 浊音信号的周期称为基音周期, 它是声带振动频率的倒数, 基音周期的估计称为基音检测。基音检测是语音处理中的一项重要技术之一, 它在有调语音的辨意、低速率语音编码、说话人识别等方面起着非常关键的作用; 但在实现过程中, 由于声门激励波形不是一个完全的周期脉冲串, 而且声道的影响很难去除、基音周期的定位困难、背景噪声的强烈影响等一系列因素, 基音检测面临着很大的困难。而自相关基因检测算法是一种基于语音时域分析理论的较好的算法。 本文在对AMDF、ACF基音检测算法基本原理进行分析的基础上,对此算法进行了深入的探讨,针对以往研究中存在的问题加以改进,给出了一种方便、快捷的检测方案。综合考虑了检测准确度和检测速率两方面的因素,然后通过对一段具体的语音信号进行处理,较准确地得到浊音语音信号的基音周期。 2 AMDF算法原理及实现 语音信号{s(n))的短时平均幅度差函数(AMDF)定义为：
function nmax=find_maxn(r) %寻找峰值最大的n值及基音周期 %r,自相关序列 %maxn,为峰值最大的n zer=find(r==0); %找第一个零点如果存在 jiaocha=0; %找第一近零点 ii=1; while (jiaocha<=0) if(r(ii)>0 && r(ii+1)<0 && (ii+1) XXX有限公司 生命周期模型描述 目录 1简介 ....................................................................................................................................................................... I 目的 ........................................................................................................................................................................... I 适用范围 ................................................................................................................................................................... I 术语表 ....................................................................................................................................................................... I 2过程概述 ............................................................................................................................................................. II 3生命周期模型描述 ............................................................................................................................................. II 3.1V字模型............................................................................................................................................................ II 3.1.1概述 ............................................................................................................................................................ II 3.1.2阶段定义 ................................................................................................................................................... III 3.1.3适用情况 ................................................................................................................................................... III 3.1.4优点 ........................................................................................................................................................... IV 3.1.5缺点 ........................................................................................................................................................... IV 3.1.6本企业适合项目类型 ............................................................................................................................... IV 3.2中等简化V字模型.......................................................................................................................................... I V 3.2.1概述 ........................................................................................................................................................... IV 3.2.2阶段定义 ..................................................................................................................................................... V 3.2.3适用情况 ..................................................................................................................................................... V 3.2.4优点 ............................................................................................................................................................. V 3.2.5缺点 ............................................................................................................................................................. V 3.2.6本企业适合项目类型 ................................................................................................................................. V 3.3最简化V字模型............................................................................................................................................... V 3.3.1概述 ............................................................................................................................................................. V 3.3.2阶段定义 ................................................................................................................................................... VI 3.3.3适用情况 ................................................................................................................................................... VI 3.3.4优点 ........................................................................................................................................................... VI 3.3.5缺点 .......................................................................................................................................................... VII 3.3.6本企业适合项目类型 .............................................................................................................................. VII 3.4瀑布模型 ......................................................................................................................................................... V II 华南理工大学《语音信号处理》实验报告 实验名称：基音周期估计 姓名： 学号： 班级：10级电信5班 日期：2013年5 月15日 1.实验目的 本次试验的目的是通过matlab编程，验证课本中基音周期估计的方法，本实验采用的方法是自相关法。 2. 实验原理 1、基音周期 基音是发浊音时声带震动所引起的周期性，而基音周期是指声带震动频率的倒数。基音周期是语音信号的重要的参数之一，它描述语音激励源的一个重要特征，基音周期信息在多个领域有着广泛的应用，如语音识别、说话人识别、语音分析与综合以及低码率语音编码，发音系统疾病诊断、听觉残障者的语音指导等。因为汉语是一种有调语言，基音的变化模式称为声调，它携带着非常重要的具有辨意作用的信息，有区别意义的功能，所以，基音的提取和估计对汉语更是一个十分重要的问题。 由于人的声道的易变性及其声道持征的因人而异，而基音周期的范围又很宽，而同—个人在不同情态下发音的基音周期也不同，加之基音周期还受到单词发音音调的影响，因而基音周期的精确检测实际上是一件比较困难的事情。基音提取的主要困难反映在：①声门激励信号并不是一个完全周期的序列，在语音的头、尾部并不具有声带振动那样的周期性，有些清音和浊音的过渡帧是很难准确地判断是周期性还是非周期性的。②声道共振峰有时会严重影响激励信号的谐波结构，所以，从语音信号中直接取出仅和声带振动有关的激励信号的信息并不容易。③语音信号本身是准周期性的(即音调是有变化的)，而且其波形的峰值点或过零点受共振峰的结构、噪声等的影响。④基音周期变化范围大，从老年男性的50Hz到儿童和女性的450Hz，接近三个倍频程，给基音检测带来了一定的困难。由于这些困难，所以迄今为止尚未找到一个完善的方法可以对于各类人群(包括男、女、儿童及不向语种)、各类应用领域和各种环境条件情况下都能获得满意的检测结果。 尽管基音检测有许多困难，但因为它的重要性，基音的检测提取一直是一个研究的课题，为此提出了各种各样的基音检测算法，如自相关函数(ACF)法、峰值提取算法(PPA)、平均幅度差函数(AMDF)法、并行处理技术、倒谱法、SIFT、谱图法、小波法等等。 2、自相关函数 对于离散的语音信号x(n)，它的自相关函数定义为： R(k)=Σx(n)x(n-k)， 如果信号x(n))具有周期性，那么它的自相关函数也具有周期性，而且周期 细胞周期的流式检测方法 细胞周期（cell cycle）是指细胞从一次分裂完成开始到下一次分裂结束所经历的全过程，分为G0/G1期、S期、G2/M期。在科研实践中，很多实验具有对细胞群体的周期分布进行检测的需求。细胞群体周期测定的方法有很多种，最常用的是PI（碘化丙啶）渗入DNA进行染色，然后通过流式细胞仪检测PI从而测定细胞群体的周期分布。 因此，下面笔者主要通过BD（Becton＆Dickinson）公司生产的BD FACSCalibur流式细胞仪测定PI标记的细胞群体为例，对细胞周期的流式检测方法进行阐述。 一、PI染色步骤概略 1、单细胞悬液离心，1500rpm , 5min，弃上清。 2、PBS 1ml离心，弃上清。 3、70%酒精2ml，4℃，30min，离心，弃上清液。 4、PBS 1ml离心，弃上清。 5、RNase A的PBS溶液(20ug/ml)，500ul，37℃，30min，离心弃上清。 6、PBS 1ml离心，弃上清。 7、PI的PBS溶液(50ug/ml)，500ul，室温避光孵育30min。 8、吹打混匀，300目筛网过滤至流式管中，4℃保存，待测。 二、Calibur仪器设置及数据收集 1、依次打开Calibur机器电源、电脑开关和CellQuest Pro软件，按快捷键Command+B连机，按快捷键Command+1、 2、 3、4调出Detectors/Amps面板、Threshold面板、Compensation 面板和Status面板，软件的操作界面如图1所示。 图1. Cell Quest Pro软件操作界面 2、建立实验模板，包括FSC/SSC散点图、FL2-W/FL2-A散点图和FL2-A直方图。因为PI 在Calibur上是由488nm的激光器激发，530/30滤光片收集信号，所以选择FL2通道进行检测。细胞周期是2N和4N的循环，所以FL2通道的Mode参数应设置为Lin模式，同时阈值（Threshold）的Primary Param参数设置为FL2-H，Four Color DDM Param参数设置为FL2， 综合实验报告 自相关法及其变种 学院电子与信息学院专业信息与信号处理学生 学生学号 提交日期2013年7月10日 一、实验目标 1.1 了解语音基音周期估计方法，掌握自相关法估计基音周期的原理，分析其变种。 二、实验基础知识 2.1 基音与基音周期估计 人在发音时，根据声带是否震动可以将语音信号分为清音跟浊音两种。浊音又称有声语言，携带者语言部分的能量，浊音在时域上呈现出明显的周期性；而清音类似于白噪声，没有明显的周期性。发浊音时，气流通过声门使声带产生弛震荡式振动，产生准周期的激励脉冲串。这种声带振动的频率称为基音频率，相应的周期就成为基音周期。 基音周期的估计称谓基音检测，基音检测的最终目的是为了找出和声带振动频率完全一致或尽可能相吻合的轨迹曲线。 基因周期作为语音信号处理中描述激励源的重要参数之一，在语音合成、语音压缩编码、语音识别和说话人确认等领域都有着广泛而重要的问题，尤其对汉语更是如此。汉语是一种有调语言，而基因周期的变化称为声调，声调对于汉语语音的理解极为重要。因为在汉语的相互交谈中，不但要凭借不同的元音、辅音来辨别这些字词的意义，还需要从不同的声调来区别它，也就是说声调具有辨义作用；另外，汉语中存在着多音字现象，同一个字的不同的语气或不同的词义下具有不同的声调。因此准确可靠地进行基音检测对汉语语音信号的处理显得尤为重要。 2.2 基音周期估计的现有方法 到目前为止，基音检测的方法大致上可以分为三类： 1）时域估计法，直接由语音波形来估计基音周期，常见的有：自相关法、并行处理法、平均幅度差法、数据减少法等； 2）变换法，它是一种将语音信号变换到频域或者时域来估计基音周期的方法，首先利用同态分析方法将声道的影响消除，得到属于激励部分的信息，然后求取基音周期，最常用的就是倒谱法，这种方法的缺点就是算法比较复杂，但是基音估计的效果却很好； 3）混合法，先提取信号声道模型参数，然后利用它对信号进行滤波，得到音源序列，最后再利用自相关法或者平均幅度差法求得基因音周期。 三、实验原理 3.1 自相关函数 能量有限的语音信号x(n)的短时自相关函数定义为： 此公式表示一个信号和延迟m 点后该信号本身的相似性。如果信号x(n)具有周期性，那么它的自相关函数也具有周期性，而且周期与信号x(n)的周期性相同。自相关函数提供了一种获取周期信号周期的方法。在周期信号周期的整数倍上，它的自相关函数可以达到最大()()()n n R m x n x n m =+∞=-∞ =+∑ 瀑布模型/改进的瀑布模型 虽然瀑布模型仍然存在很多的问题有待解决，但瀑布模型仍然是最展本的和最效的?种可供选择的软件开发生命周期模型.瀑布模型要求软件开发严格按照需求-〉分析-〉设计?〉编码-> 测试的阶段进行，每-个阶段都可以定义明确的产出物和验证准则.瀑布模型在每?个阶段完成后都可以组织相关的评审和验证，只有在评审通过后才能够进入到下-个阶段. 由于需要对每?个阶段进行验证，瀑布模型要求每?个阶段都有明确的文档产出，对于严格的瀑布模型每?个阶段都不应该重叠,而应该是在评审通过，相关的产出物都己经基线后才能够进入到下?个阶段. 瀑布模型的优点仍然是可以保证整个软件产品较高的质量，保证缺陷能够捉前的被发现和解决. 采用瀑布模型可以保证系统在整体上的充分把握，使系统具备良好的扩展性和可维护性?但对于前期需求不明确,而又很难短时间明确淸楚的项目则很难很好的利用瀑布模型.另外对于中小型的项目，需求设计和开发人员往往在项目开始后就会全部投入到项目中，而不是分阶段投入，因此采用瀑布模型会导致项目人力资源过多的闲置的情况,这也是必须要考虑的问题. 很多人往往会以进度约束而不选择瀑布模型，这往往是?个错误的观点.导致这种情况的?个关键因素往往是概念需求阶段人力不足.冈此在概念需求阶段人力能够得到充分保证的情况下，瀑布模型和迭代模型在开发周期上并不会存在太人的差别.反而是很多项目对于迭代或嫩捷模型用不好，为了赶进度在前期需求不明确，没有经过?个总体的架构设计情况下就开始编码，后期出现大量的返工而严重影响进度. 架构设计是软件开发中?个重要的关注点.因此在RUP中也捉及到软件开发要以架构为核心.因此在架构设计完成后系统会彼分为相关的f?系统和功能模块.每个功能模块间的接口都可以定义淸楚.在这种情况下，当模块B的详细设计做完成后往往就没有必妥等到其它模块的详细设计都妥完全作完才开始编码，冈此在架构设计完成后可以将系统分为多个模块并行开发，每个模块仍然遵循先设计和编码测试的瀑布模型思路.这是瀑布模型的?种最重要的改进思路，也可以说这是?种增量开发的模型. 标准操作程序 STANDARD OPERATING PROCERE 制检验及评价的进度。 2．范围：适用于原辅料，包装材料和成品人取样到报告的全过程 3．化验申请单的发送：当仓库收料员将物料检查验收后，在由货四联单上填上内容并签名，将化验申请在2日内交质客部取样员，转给评价部门。收料后，因故不能在2日内交质客部取样品，应有收料员在“备注”栏中证券交易明原因和日期并签名。 在化验申请单上填写控制号，并按SOPQC-701“取样指令”填写后，作为取样指令交取样员取样。 在增补取样的情况下，如需全检，则应另发一份批化验记录，如仅有个别项目，则可在增补取样单上注明要求。 因故不能在收到化验申请的2日内到达取样指令时，指令人应备注栏内说明原因和日期并签名。 5．取样：取样员在取样完毕后，应在化验申请单上著名日期并签名。取样不得超过3天，否则应在备注栏内说明原因。 6．样品和批化验记录的递交：取样员应取样的当天或次日将样品及化验记录交有关人员。如系增补取样，仅作个别项目则可另发批化验记录，只随样送一份增补取样单。 收样人员接收样品时应核对样品和批化验记录或增补取样单，包括下列内容： ——品名 ——代号 ——批号 ——控制号 标准操作程序 STANDARD OPERATING PROCERE 并在收样日期内签名和注上日期。 检验结束后，检验员及有关审核人员应在化验记录或增补取样结果栏目内，填好检验结果，（或审核结果），分别签名并注明日期。 7．检验周期：根据本企业生产有关品种而制定检验周期（附件1）检验人员必须按要求出具报告。 物殊情况下，要求提前出出具检查报告时，应由质定部负责人签发后方可予以安排。 本科毕业论文 题目语音基音周期检测算法比较学院管理科学与工程学院 专业电子信息工程 班级 081信工(1)班 学号 200883082 姓名周刚 指导老师段凯宇讲师 二〇一二年六月 语音基音周期检测算法比较 摘要 基音周期作为语音信号处理中描述激励源的重要参数之一，广泛的应用于语音合成、语音编码和语音识别等语音信号处理等技术领域。准确可靠的对基音周期进行检测将直接影响整个语音处理系统的性能。 常用的基音检测算法对于纯净语音信号都能达到较好的检测效果。然而，实际当中的语音信号不可避免的会受到外界背景噪音的影响，使得这些检测算法的检测效果都不是很理想，为此本文用两种基本算法对语音信号滤波前后进行基音周期检测，在进行比较。 论文首先介绍了语音基音检测算法的研究背景极其重要意义。其次对现有的基音检测算法进行了归纳和总结，并详细的介绍本文将用的两种基本基音检测算法的基本原理及实现。最后在Matlab上对语音信号进行基音周期检测。 论文还完成了算法的程序设计，在Matlab7.0仿真环境下，对上诉算法进行仿真验证，并且在滤波前后做了对比实验。实验结果表明，经过滤波的语音信号基音周期检测的更加准确。 关键词：基音检测；自相关函数法；平均幅度差函数法；基音轨迹 Abstract Pitch as in speech signal processing is one of the important parameters to describe the excitation source, widely used in speech synthesis, speech coding and speech recognition speech signal processing technology. Accurate pitch period detection will directly affect the performance of the speech processing system. Commonly used algorithm for pitch detection for clean speech signal to achieve good detection effect. However, the actual speech signal will be inevitably influenced by external effects of background noise, so the detection algorithm to detect the effect is not very ideal, the paper use two basic algorithms before and after filtering the speech signal pitch detection, in comparison. The thesis first introduces the research background of speech pitch detection algorithm is very important. Next to the existing algorithm for pitch detection are summarized, and a detailed introduction to this article will use the two kinds of basic pitch detection algorithm is the basic principle and realization. Finally in Matlab on speech signal pitch period detection. The paper also finished programming algorithm, in the Matlab7.0 simulation environment, the algorithm is validated by simulation, and the contrast experiments were done before and after filtering. The experimental results show that, after the filtering of the speech signal pitch period detection is more accurate. Keywords: pitch detection; autocorrelation function; the average magnitude difference function method; pitch contrail 编码：SHZIM-O-OPD-P02 xxxx技术股份有限公司 生命周期模型选用指南 更改控制页 目录 1目的 (1) 2范围 (1) 3模型介绍 (1) 3.1瀑布模型 (1) 3.1.1模型说明 (1) 3.1.2模型分析 (1) 3.2迭代模型 (2) 3.2.1模型说明 (2) 3.2.2模型分析 (3) 3.3快速原型模型 (3) 3.3.1模型说明 (3) 3.3.2模型分析 (4) 3.4精简模型 (4) 3.4.1模型说明 (4) 3.4.2模型分析 (5) 3.5V模型 (6) 3.5.1模型说明 (6) 3.5.2模型分析 (6) 4模型选择 (8) 4.1模型选择原则 (8) 4.2项目分类 (8) 4.3模型选择指南 (9) 1目的 描述适合公司现状、可供项目选择的组织级生命周期模型。 2范围 公司所有软件项目。 3模型介绍 3.1瀑布模型 3.1.1模型说明 图1 瀑布模型 对于需求比较明确的项目，可以使用瀑布模型进行项目开发，每个阶段的输入都是依靠上一个阶段的输出，每个阶段内都需要完成与最终产品相关的所有工作。 3.1.2模型分析 优点： 1.可以明确划分项目的各个阶段，便于管理； 2.项目成员只需要在被安排的阶段开展项目工作，不需要全程参与； 3.阶段工作内容清晰，降低了开发难度。 缺点： 1.对项目的启动条件要求较高； 2.若出现需求不明确或设计开发技术瓶颈，将会影响后续阶段的工作启动； 3.最终产品提交给用户确认的时间比较晚，存在一定的风险。 3.1.3模型参照 参见《瀑布模型》。 3.2迭代模型 3.2.1模型说明 图2 迭代模型 通常有许多项目不能在需求开发阶段提供准确的需求，对于这样的项目，可以选择迭代开发模型，将能够确定的需求分析确定下来。之后便可以对这部分确定的需求进行系统设计、编码和测试。整个项目可以进行多次迭代的过程，一般情况下迭代的起点从需求开发开始，然后进行设计、编码和测试，但是有时候也可能出现从设计或编码阶段安排新的迭代过程。 语音信号基音检测算法研究 摘要:本文对倒谱法做了改进,在用倒谱法进行基音检测分析时,提出了一种功率谱二次处理的二次谱减法,该方法克服了倒谱法基音检测的抗噪能力低的弱点,在相同噪声环境下能更加精确地检测出语音信号的基音周期。 关键词:语音信号基音检测倒谱法二次谱减法 1、引言 近年来,基于线性预测和分析频谱的Mel倒谱系数在处理包含情感的语音识别中取得了很大的进步,能否把此种方法应用到相应状态下的基音检测中去,值得广大学者研究。国外很多学者采用实时监控情感变化,并把影响修正基音的轨迹加以平滑或者动态改变窗的宽度,可以明显降低上述影响。基音检测一直是语音信号处理的一大难题,短时自相关函数法、短时平均幅度差函数法、倒谱法、小波变换法等传统的经典基音检测方法,都有各自的用场,但同时也有其相应的不足。其中任一种方法都不能作为通用的方法,但若在基音检测过程中,对预处理和后处理上进行一些改进,且突破传统的语音模型,并适当考虑说话人的个体特征及发音时的情感力度对基音检频带内谱包络测的影响,定能提高基音检测的准确性及健壮性。 本文以语音信号的基音检测为研究对象,着重分析自相关函数法p倒谱法的定义为,时间序列的z变换的模的对数的逆z变换,该序列的倒谱的傅里叶变换形式为。落实到具体实现时,采用DFT来近似傅里叶变换,根据传统语音产生的模型及语音信号的短时性。在其频域内,语音信号短时谱等于激励源的频谱与滤波器的频谱的乘积,浊音信号短时谱中包含的快变化周期性细致结构,则必会对应着周期性脉冲激励的基频以及各次谐波。语音的倒谱是将语音的短时谱取对数后再进行IDFT来得到,所以浊音信号的周期性激励如果反映在倒谱上,便是同样周期的冲激。藉此,我们可从得到的倒谱波形中估计出基音周期。一般我们把倒谱波形中第二个冲激,认为是对应激励源的基频,即基音周期。下面列举出一种倒谱法求基音周期的框图(见图1) 。 3、改进算法的基音检测 当用无噪声的语音信号时,采用倒谱法进行基音检测还是很理想的。但是有加性噪声存在时,对数功率谱中的低电平部分会被噪声填满,从而掩盖了基音谐波的周期性。这也意味着倒谱的输入不再是单纯的周期性成分,而导致倒谱中的基音峰值变宽,而且受到噪声的污染,最终导致倒谱检测方法的灵敏度也随之下降。为此,本文提出了如下改进方法（图2）: 此方法避p本文以语音信号的基音检测为研究对像,对短时自相关函数、倒谱法、这两种基音检测的方法的原理进行了分析。在此基础上,深入研究了倒谱法基音检测的算法。通过实验仿真,发现这种测量方法的不足;最后对这种算法进行了改进,在用倒谱法进行基音检测分析时,提出了一种功率谱二次处理的二次谱减法,该方法克服了倒谱法基音检测的抗噪能力低的弱点,在噪声环境相同的情况下能更加准确的检测出语音信号的基音周期,从而有效提高算法在基音检测时的准确性和抗噪性。 参考文献 [1]胡航.语音信号处理[M].哈尔滨:哈尔滨工业大学出版社,2000:116.126. [2]韩纪庆,张磊,郑铁然.语音信号处理[M].北京:清华大学出版社,2004,lO.39. 软件生命周期模型 .软件生命周期对于一个软件的研制，从问题的提出，经过开发、使用、维护、修订，直到最后终止使用而被另一软件所取代，就像是一个生命体从孕育、出生、成长到最后消亡，软件的这个状态变化的过程称为生命周期(life cycle)。软件生命周期的演化具有阶段性，依据一定的原则，可以把软件生命 周期划分为若干不同阶段，相邻的阶段既相互区别又相互联系，每个阶段都以 其前一阶段的工作成果作为本阶段工作的基础。软件生命周期的划分有助于软 件开发和管理人员根据不同阶段的特点进行软件开发及其管理。软件开发的经 验表明，软件开发越到后期，改正前期开发工作的失误越困难，因此在软件开 发工作中应该对软件开发工作的阶段性给予充分认识，在前期工作不无分的前 提下不应过早地进入软件开发的下一阶段。依据不同的原则对软件生命周期的 划分也不同，《软件工程国家标准--计算机软件开发规范》(GB8566-88)中将软件生命周期划分为8个阶段：可行性研究与计划、需求分析、概要设计、详细 设计、实现(包括单元测试)、组装测试(集成测试)、确认测试、使用和维护。 本书按照人们所习惯的粗分方法把上面8个阶段划分为计划、开发和维护3个 阶段，在概述其他两个阶段的基础上重点介绍软件的开发过程。2.软件开发方 法在规定的投资规模和时间限制内，实现符合用户需求的高质量软件是软件开 发的目标，为实现这一目标，人们根据软件开发的特点，提出了多种软件开发 策略。通过不同的软件开发模型阐明从问题提出到最终软件实现，软件开发工 作过程的阶段性任务分解，并规定了每一个阶段的目标、任务以及工作结果的 表达形式。常见的软件设计模型有：瀑布模型(waterfall model)、渐进模型(increamental model)、演化模型(evolutionary model)、螺旋模型(spiral model)、喷泉模型(fountain model)、智能模型(intelligent model)等。这里介绍其中的3种。(1)瀑市模型瀑市模型1970年由W.Royce提出，其开发过程 依照固定顺序进行，各阶段的任务与工作结果如图1所示。该模型严格规定各 阶段的任务，上一阶段任务输出作为下一阶段工作输入。此模型适合于用户需 求明确、开发技术比较成熟、工程管理严格的场合使用，其缺点是：由于任务 顺序固定，软件研制周期长，前一阶段工作中造成的差错越到后期越大，而且 纠正前期错误的代价高。图1瀑布型开发过程(2)渐进模型从一组简单的基本用户需求出发，首先建立一个满足基本要求的原型系统。通过测试和运行原型系 细胞周期测定实验 细胞计数法： 实验方法原理体外培养细胞生长、分裂繁殖的能力，可用分裂指数来表示。它与生长曲线有一定的联系，如随着分裂指数的不断提高，细胞也就进入了指数生长期。 分裂指数指细胞群体中分裂细胞所占的百分比，它是测定细胞周期的一个重要指标，也是不同实验研究选择细胞的重要依据。 实验材料细胞 试剂、试剂盒胰酶甲醇培养液冰醋酸Giemsa染液 仪器、耗材CO2培养箱普通显微镜培养皿盖玻片吸管 实验步骤一、消化细胞，将细胞悬液接至内含盖玻片的培养皿中。 二、CO2培养箱中培养48小时，使细胞长在盖片上。 三、取出盖片，按下列顺序操作： PBS漂洗3分钟→甲醇：冰醋酸=3：1固定液中固定30分钟→Giemsa液染色10分钟→自来水冲洗。 四、盖片晾干后反扣在载玻片上，镜检。 五、计算 分裂指数=分裂细胞数/总细胞数×100% 展开 注意事项1. 操作时动作要轻，以免使盖片上的细胞脱落。 其他一、Giemsa染液配制 称Giemsa粉末0.5 g，加几滴甘油研磨，再加入甘油（使加入的甘油总量为33 ml）。56℃中保温90-120分钟。加入33 ml甲醇，置棕色瓶中保存，此为Giemsa原液。使用时按 要求用PBS稀释。一般稀释10倍。 BrdU参入法 实验方法原理细胞周期指细胞一个世代所经历的时间。从一次细胞分裂结束到下一次分裂结束为一个周期。细胞周期反应了细胞增殖速度。 单个细胞的周期测定可采用缩时摄影的方法，但它不能代表细胞群体的周期，故现多采用其他方法测群体周期。 BrdU（5-溴脱氧尿嘧啶核苷）加入培养基后，可做为细胞DNA复制的原料，经过两个细胞周期后，细胞中两条单链均含BrdU的DNA将占l/2，反映在染色体上应表现为一条单体浅染。如经历了三个周期，则染色体中约一半为两条单体均浅染，另一半为一深一浅。细胞如果仅经历了一个周期，则两条单体均深染。计分裂相中各期比例，就可算出细胞周期的值。 实验材料细胞 试剂、试剂盒BrdU 甲醇冰醋酸Giemsa染液秋水仙素SSC 柠檬酸三钠NaCl 仪器、耗材冰箱玻片水浴锅锅盖紫外灯光学显微镜 实验步骤一、试剂配制 1. BrdU配制 BrdU 10 mg加双蒸水10 ml ，4℃下避光保存。 2. 2×SSC配制 NaCl 1.75 g，柠檬酸三钠0.88 g，加水至100 ml，4℃保存。 二、细胞生长至指数期时，向培养液中加入BrdU，使最终浓度为10 μg/ml。 三、44小时加秋水仙素，使每ml中含0.1 μg。 四、48小时后常规消化细胞至离心管中，注意培养上清的漂浮细胞也要收集到离心管中。生命周期模型描述-模板1
《语音信号处理》实验2-基音周期估计
细胞周期的流式检测方法
基于自相关法的语音基音周期估计
软件生命周期模型
检验周期及管理办法
基音周期检测算法比较
CMMI生命周期模型选用指南解读
语音信号基音检测算法研究
软件生命周期模型
细胞周期测定实验
相关主题
文本预览