绝大多数的语音信号都是非平稳信号，要找出一种合适的算法来分析处理这类信号并不容易。以前我们提到信号的分析与处理，那就离不开傅里叶（Fourior）变换，它是传统信号分析处理的基石，也是目前世界上发展最成熟最完善的信号分析理论。它完成了信号从时域到频域的跨越，可它的缺陷恰恰也在这里，即只能表征频域上的信息，它无法直观地显示出在某段时间内信号的具体变化情况，也就是说它在变换过程中丢掉了时间信息；而傅里叶逆变换是把信号从频域拉回了时域，问题就是它遗失了频域信息。为了能够在分析处理过程中既能表征时间信息又不丢掉频率信息，时频分析方法应运而生。人们提出一些能够同时显示时域和频域的方法，最广泛应用的就是短时傅立叶变换（亦称作盖博（Gabor）变换或加窗傅里叶变换）。短时傅里叶变换的关键是分割时间窗，如果在短时间里信号是平稳的，那么就在每个这样的“短时”（又称时间窗）内把信号展开到频域，就可以得到局部的频域的信息。但即便是短时傅里叶变换也免不了有一些难以调和的缺陷，比如说信息的精度就是个问题。它受时间窗的大小的影响，然而在短时傅里叶变换里无论是高频还是低频，它所对应的时间窗的大小都相同，这样的结果往往是某些频率分量精度较低。因此找到一种既能提取出傅立叶变换的优势、又能弥补傅立叶变换的缺陷、并且所得结果精确的时频分析方法成为语音信号分析处理的一个重要研究方向。 文献综述

1。2 课题的研究现状

1。3 本文的内容结构安排

第一章 绪论。这一章主要说明了准确提取基音周期的必要性，以及简要介绍了小波变换算法和经验模态分解方法，最终引出经验小波变换。

第二章 基频检测理论简介。本章主要介绍语音信号中基音、基音周期和基频检测的概念，并列举出基频检测的方法分类。

第三章 信号的时频分析方法介绍。本章主要讨论语音信号时频分析方法的不断发展，从短时傅里叶变换到小波变换到最后到经验小波变换。

第四章 基于经验小波变换的基频检测算法的实现。本章主要详述EWT完成基频检测算法的流程，并通过输入汉语语音检测最终结果，并通过和Praat算法的结果进行比较证明其优越性。

2  语音信号处理中的基频检测

2。1 基音与基音周期

声音是由于物体的振动而形成的，这些振动包括了各种振幅和频率，要是频率在20Hz至20000Hz之间，就能被人耳听见。无论如何在这些振动中总会有一个最低频率，它所发出的就是基音，其余为泛音。基音的前提是一定要发浊音，清音是波形无规律的随机白噪声，不具有基音这一说法。来-自~优+尔=论.文,网www.youerw.com +QQ752018766-

基音周期就是人发浊音时引发声带振动的周期，它的值等于声带一次张开和闭合所需时间。需要注意的是，浊音的波形真正意义上并不是纯粹的周期性图像，它只能算是准周期性的，所以我们要采用短时平均方法估计其周期，即基频检测。