张晖　苏红　张学良　高光来



基于卷积神经网络的鲁棒性基音检测方法

张晖1苏红1张学良1高光来1

在语音信号中，基音是一个重要参数，且有重要用途.然而，检测噪声环境中语音的基音却是一项难度较大的工作.由于卷积神经网络（Convolutional neural network，CNN）具有平移不变性，能够很好地刻画语谱图中的谐波结构，因此我们提出使用CNN来完成这项工作.具体地，我们使用CNN来选取候选基音，再用动态规划方法（Dynamic programming，DP）进行基音追踪，生成连续的基音轮廓.实验表明，与其他方法相比，本文的方法具有明显的性能优势，并且对新的说话人和噪声有很好的泛化性能，具有更好的鲁棒性.

信号处理，基音检测，卷积神经网络，动态规划

引用格式张晖，苏红，张学良，高光来.基于卷积神经网络的鲁棒性基音检测方法.自动化学报，2016，42（6）：959-964

基音频率，简称基频，它决定了语音的音高.在语音信号处理中，基频信息可应用于语音识别、语音压缩编码以及语音分离等领域［1-2］.

基频估计可以看作一个序列标注问题，即需要标注出每一帧语音的基频.我们常用隐马尔科夫模型（Hidden Markov models，HMMs）来解决这类问题.HMM的隐状态（Hiddenstate）对应着基频，其观察值（Observation）对应着输入的语音声学特征，那么基频估计对应着隐马尔科夫模型的解码问题.在基频估计中，有两个关键步骤：候选基音选取和基音追踪（Pitch tracking），分别对应着HMM的后验概率计算和解码.选取候选基音时仅考虑当前帧，而不考虑语音的连续性.并把候选基音的可能性得分作为HMM的后验概……