基于系综经验模式分解（EEMD）的汉语共振峰检测算法

摘要汉语普通话中每一个音节都包含一个元音，或称为韵母。韵母总共有38个，其中8个是单韵母，14个是复韵母，16个是鼻韵母。在发单韵母时发声器官的状态基本不变，因而这些音的语谱图振峰的位置是基本保持不变的；复韵母的共振峰不像单韵母那样比较稳定，而呈现连续变化的动态特性；鼻韵母是以[n]或[ng]收尾的韵母，鼻韵母的重要特点是主元音既受介音较大影响又受鼻尾较大影响，后者成为元音鼻化，而元音鼻化会导致主元音各共振峰的宽度和强度都有较大变化。由此可见，准确检测出汉语共振峰的特性对汉语信号分析及识别具有重要意义。本课题拟利用系综经验模式分解（EEMD）进行汉语共振峰检测，从解决传统共振峰检测工具在提取共振峰时会出现虚假峰值和共振峰合并的问题。21354
关键词   汉语   元音   共振峰检测   系综经验模式分解
毕业论文设计说明书（论文）外文摘要
Title   Based on the ensemble empirical mode decomposition
         (EEMD) Chinese formant detection algorithm
Abstract
Mandarin,each syllable contains a vowel or called vowel.A total of 38 vowels,where 8 is a single vowel,14 is a complex vowels,16 nasal vowels.When speaking a singal vowel,vocal organs is essentially the same,so these sound spectrogram formants position remained unchanged; complex vowel formant unlike vowels as relatively stable, while showing a continuous change dynamic characteristics;nasal vowels is [n] or [ng] ending vowels, nasal vowels are important features of the larger main vowel sounds influence mediated by both the nose and the tail by a greater impact, the latter becoming nasal vowels, the nasal vowels can cause the width and intensity of each primary vowel formants have a greater change.Thus, accurately detect the characteristic of formants in Chinese is important for Chinese signal analysis and identification.This project intends to use the ensemble empirical mode decomposition (EEMD) for Chinese language formant detection,to solve the traditional formant detection tools appear false and formant peak merger problem when extracting formants.
Keywords Chinese   vowel   detection of formants
          ensemble empirical mode decomposition (EEMD)
目次
1 绪论 1
1.1 课题研究背景及意义 1
1.2 目前存在的问题 2
1.3 本文研究的内容和组织安排 2
2 共振峰的定义与特征 3
2.1 共振峰的定义 3
2.2 共振峰模型的分类 3
2.3 汉语共振峰提取算法的分类 5
2.3.1 带通滤波器组法 5
2.3.2 倒谱法 6
2.3.3 LPC法 7
2.4 传统LPC法提取共振峰 8
2.4.1 LPC法的基本原理 8
2.4.2 LPC法的共振峰分析 10
2.5 本章小结 12
3 基于系综经验模式分解（EEMD）的汉语共振峰检测 13
3.1 经验模式分解（EMD）的基本原理 13
3.2 系综经验模式分解（EEMD）的基本原理 13
3.3 基于系综经验模式分解（EEMD）的汉语共振峰检测 14
3.4 本章小结 17
4 实验结果对比与分析 18
4.1 实验语音样本库 18
4.2 实验结果分析 18
4.3 实验总体对比 24
4.4 本章小结 24
5 总结与展望 26
致谢 27
参考文献 28
1 绪论
1.1 课题研究背景及意义基于系综经验模式分解（EEMD）的汉语共振峰检测算法:http://www.youerw.com/tongxin/lunwen_13521.html