简述基于自相关函数的基音检测算法过程

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

线性预测中的自相关系数

1．原理

线性预测是语音编码中的基本算法，其基本原理如下： 设语音信号的样值序列Xk Xk x1,x2, ,xk ，第k时刻的取样值xk可以用之前的P个样值的线性组合来预测。

k aixk i x

i 1P

实际样值与预测值之间的误差为：

k xk aixk i ek xk x

i 1P

因此预测系统的传递函数为：

H Z X Z

EZ 1

1 aiz i

i 1P 1 AZ其中H(Z)是一个全极点滤波器，称为综合滤波器。A(Z)是H(Z)的逆滤波器，称为分析滤波器。在语音线性预测编码中，A(Z)的系数反映了声道特性。

为了使预测误差最小，采用最小均方误差准则，即使误差的均方值

2 k E ek E xk x2

k

k 1 2 P

E xk aixk i k 1 i 1 PP2

最小。在预测阶数P给定后， k2就是所有预测系数 ai 的函数，因此：

2 ek x k k 0 E 2 xk x ai ai

k xk i 0 E xk x

可见，要使ek的预测误差最小，则ek必须与所有数据xk i正交，称为正

交性原理。将上式展开，可得：

E xkxk i ajE xk jxk i

j 1P

其中E xk j

2.4.3 相关函数

１．自相关函数

自相关函数是信号在时域中特性的平均度量，它用来描述信号在一个时刻的取值与

另一时刻取值的依赖关系，其定义式为

（2.4.6）

对于周期信号，积分平均时间T为信号周期。对于有限时间内的信号，例如单个脉

冲，当T趋于无穷大时，该平均值将趋于零，这时自相关函数可用下式计算

（2.4.7）

自相关函数就是信号x(t)和它的时移信号x(t+τ)乘积的平均值，它是时移变量τ的函 数。

例如信号

的自相关函数为

若信号是由两个频率与初相角不同的频率分量组成，即

，则

对于正弦信号，由于

，其自相关函数仍为

由此可见，正弦（余弦）信号的自相关函数同样是一个余弦函数。它保留了原信号

的频率成分，其频率不变，幅值等于原幅值平方的一半，即等于该频率分量的平均功率

，但丢失了相角的信息。

自相关函数具有如下主要性质：

（1）自相关函数为偶函数，

，其图形对称于纵轴。因此，不论时移

方向是导前还是滞后（τ为正或负），函数值不变。

（2）当τ＝0时，自相关函数具有最大值，且等于信号的均方值，即

本科毕业设计(论文)

检测算法研究

学 院：信息工程学院 专 业：自动化 学 号： 学生姓名： 指导教师：

二○一 年 五月 二十三日

题 目：基于matlab的图像边缘

2013届毕业设计（论文）

基于matlab的图像边缘检测算法研究

摘要

图像的边缘检测技术是数字图像处理技术的基础研究内容，是物体识别的重要基础。现有边缘检测技术在抑制噪声方面有一定的局限性，在阈值参数选取方面自适应能力很差，有待进一步改进和提高。

本论文首先介绍了图像边缘检测这个课题的意义和背景；作为理论基础，在第二章简单的介绍了传统的图像边缘检测算法，如Roberts算子、Sobel算子、Prewitt算子、Laplacian算子、LOG算子，回顾了经典的边缘检测算法，为后面介绍Canny算法作为铺垫。在第三章，结合Canny算法的基本原理、算法的三个标准、算法的思路及检测步骤提出了对Canny算子中的图像滤波平滑处理及取阈值的算法进行改进的方法，并进行了实验检验。

基于传统Canny算法中采用高斯滤波器对图像滤波平滑处理的效果有待改进，本论文引用了自适应中值滤波器，在使用Canny算法之前，对图像进行滤波，通过图3.4的结果显示，检测效果明显改善；

基于MB-LBP人脸检测算法

张伦，楚如峰，向世明，廖胜才，斯坦·李

生物识别与安全技术研究中心，中国科学院自动化模式识别研究所，国家重点实验室

摘要

通过使用基于AdaBoost学习算法的矩阵Haar-like特征方法，有效和实时脸部检测已经成为可能。在本文中，我们介绍了一组新的独特的人脸检测矩阵特征方法，称为多块局部二值模式（MB-LBP）。通过局部二进制模式操作，MB-LBP将矩阵区域编码成强度，得到的二值模式可以描述图像的多种局部结构。基于MB-LBP特征，研究出了一种基于AdaBoost学习算法的人脸检测方法。为了处理MB-LBP特征的非度量特征值，算法采用多分支回归树作为弱分类。实验表明，基于MB-LBP弱分类比Haar特征和原始LBP特征更加有区别度。鉴于相同的许多特征，在一个给定的0.001误报率下，所提出的人脸检测比haar-like特征高15％的正确率，比原始LBP特征高8％的正确率。这表明，MB-LBP特征可以捕获更多的图像结构信息，同时在简单地测量矩阵之间的差异下，比传统haar-like特征有更突出的性能。MB-LBP特征的另一优点是其较小的特征集，这使得训练时间要少得多。

1引言

人脸检测具有广泛的应用，例如自动

第３０卷第１１期２０１２年１１月　　　　

（）文章编号：１０００７７０９２０１２１１０１９８０４－－－

水　电　能　源　科　学

ＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＰｏｗｅｒ　　　Ｖｏｌ．３０Ｎｏ．１１

Ｎｏｖ．２０１２　　　

基于卡尔曼滤波的电压扰动检测算法

任文琳１，赵庆生１，何志方２

（）１．太原理工大学电气与动力工程学院，山西太原０３００２４；２．山西省电力公司，山西太原０３０００１摘要：为了对电力系统中的电压扰动进行实时监测，提出了一种基于卡尔曼滤波的电压挠动检测算法，该算法采用新的卡尔曼模型求取电网电压信号的有效值，通过设定电压阈值进而实现电压凹陷和电压凸起波形）的实时跟踪，并与滑动窗有效值（算法进行比较分析，仿真验证了该算法的实时性和可靠性。ＲＭＳ关键词：卡尔曼滤波；滑动窗有效值；电压凹陷或凸起；电能质量中图分类号：ＴＭ７１２

文献标志码：Ａ

［，］

Ｅ等６７使用Ｋａｌｍａｎ滤波器检测基波分量的幅值，由幅值变化来检测电压上升、下跌的时间，该８］

张静等［根据Ｋ算法与其模型结构有关；ａｌｍａｎ

滤波误差序列来获取扰动发生时间，还可确定电

电压凹陷、中断等电能质量问题已引　　近年来，

起用户与电力部门的广泛关注。随着微电子、自动化技术及电力电子的发展和敏感电子设

科技研究

江苏科技大学

硕士学位论文

基于数字图像处理的火焰检测算法研究

姓名：徐之

申请学位级别：硕士

专业：计算机应用技术

指导教师：韩斌

20080318

科技研究

基于数字图像处理的火焰检测算法研究

大摘要

随着社会经济的发展和科学技术的进步，特别是城市人口的急剧增加和城

市化进程的飞速发展，高层建筑和大空间场所越来越多，火灾的防范和发现变得越来越紧迫。传统型火灾探测技术在大空间、大面积、环境比较恶劣和室外坏境等场所不能很好发挥现有火灾探测设备的作用。在这一情况下，基于数字图像处理技术的火灾报警技术作为目前一种新型有效的早期火灾探测技术，必将受到人们的关注，也必将具有广阔的应用前景和使用价值。

本文在分析火灾火焰图像特征的基础上，设计并实现基于红外图像的火焰

检测算法。算法主要采用统计背景模型的减背景法来分割疑似火焰目标，采用离散余弦来描述疑似火焰目标高度的变化，采用分散度、尖角数目以及火焰高度变化来表征火焰目标，采用火警概率模型来判别火焰目标。

本文的主要内容如下：

1、介绍了传统型火灾探测技术的不足和基于数字图像处理的火灾探测技术

的研究背景和意义、国内外研究动态、研究遇到的问题以及发展趋势。

2、简单介绍了数字图像处理技术的预处理算法，分割算法的技术、评价和

发展和当

基于CENTRIST 特征的实时行人检测算法的实现

摘要：采用简化的混合高斯模型提取背景并保持跟新，利用背景差法提取前景目标，并最终提取目标的轮廓特征。centrist特征[4]可以很好的编码相邻像素的比较信息，而且隐式的表达了全局的轮廓， 与传统的adaboost算法结合起来可以很好的检测行人。当centrist与线性分类器结合使用时，可以不必生成特征向量，也不需要对图像进行预处理和特征向量的规范化处理，还可以进一步用硬件加速（使用gpu），在一个1.2ghz的cpu机器中，检测速度可以达到20fps。

关键词：轮廓特征；centrist特征；线性分类器；特征向量；直方图交叉核

中图分类号：tp391 文献标识码：a 文章编号：1009-3044（2013）02-0370-03

近年来，随着综合国力的提升以及人民生活水平的不断提高，银行、交通、安检、军事设施、国家安全设施以及高档私人住宅等领域对安全防范和现场及时记录报警系统的需求与日剧增，并且要求越来越高。视频监控已经广泛应用于在上述的各个方面，并得到普遍认可和好评。但是，在大多数情况下，普遍采用的是人工完成，无法满足实时性和智能性的要求。随着图像处理和模式识别技术的发展，行人检测成为智能

基于CENTRIST 特征的实时行人检测算法的实现

摘要：采用简化的混合高斯模型提取背景并保持跟新，利用背景差法提取前景目标，并最终提取目标的轮廓特征。centrist特征[4]可以很好的编码相邻像素的比较信息，而且隐式的表达了全局的轮廓， 与传统的adaboost算法结合起来可以很好的检测行人。当centrist与线性分类器结合使用时，可以不必生成特征向量，也不需要对图像进行预处理和特征向量的规范化处理，还可以进一步用硬件加速（使用gpu），在一个1.2ghz的cpu机器中，检测速度可以达到20fps。

关键词：轮廓特征；centrist特征；线性分类器；特征向量；直方图交叉核

中图分类号：tp391 文献标识码：a 文章编号：1009-3044（2013）02-0370-03

近年来，随着综合国力的提升以及人民生活水平的不断提高，银行、交通、安检、军事设施、国家安全设施以及高档私人住宅等领域对安全防范和现场及时记录报警系统的需求与日剧增，并且要求越来越高。视频监控已经广泛应用于在上述的各个方面，并得到普遍认可和好评。但是，在大多数情况下，普遍采用的是人工完成，无法满足实时性和智能性的要求。随着图像处理和模式识别技术的发展，行人检测成为智能

基音是指浊音时声带振动所引起的周期，基音周期是指声带振动频率的倒数。

基音提取的主要困难：

（1）声门激励信号并不是一个完全周期的序列 （2）声门共振峰有时会影响激励信号的谐波结构 （3）语音信号是准周期的，受共振峰结构、噪声的影响。 （4）基音周期变化范围大

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。

此算法比较适合于噪声环境下的基音提取。但通常情况下基音频率大于基音周期的自相关峰时，单独使用自相关函数会导致半倍和双倍基音的提取误差。

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。

短时自相关函数有以下重要性质：

①如果{s(n)}是周期信号，周期是P，则R(?)也是周期信号，且周期相同，即R(?)