CN101853240A - 一种信号周期的估计方法和装置 - Google Patents
一种信号周期的估计方法和装置 Download PDFInfo
- Publication number
- CN101853240A CN101853240A CN200910133312A CN200910133312A CN101853240A CN 101853240 A CN101853240 A CN 101853240A CN 200910133312 A CN200910133312 A CN 200910133312A CN 200910133312 A CN200910133312 A CN 200910133312A CN 101853240 A CN101853240 A CN 101853240A
- Authority
- CN
- China
- Prior art keywords
- signal
- windowing
- autocorrelation function
- carried out
- power spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种信号周期的估计方法,该方法包括:对信号进行加窗处理;获取加窗后信号的功率谱;对所述获取的功率谱进行反离散傅里叶变换,获取自相关函数;根据所述自相关函数,获取信号的周期。本发明实施例还提供相应的估计周期装置。本发明技术方案由于采用了对信号的加窗处理,使得在没有延长信号的序列长度的情况下,抑制了最终获取的自相关函数中的镜像干扰,同时到达了较准确的估计出信号周期的目的。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种信号周期的估计方法和装置。
背景技术
在通信领域中准确估计出信号的周期是非常重要的,现有一种常用的对信号周期的估计方法为自相关函数法。采用自相关函数法是根据一个理想周期信号的自相关函数是一个同周期的周期信号的原理,在获取到信号的自相关函数后,估计出信号的周期。
现有信号周期的估计方法包括:
步骤W1:对信号x(n),其中n的范围为0至N-1,进行延拓而获取延拓信号x’(n),即把序列x(n)的长度扩展到2N-1个点,如式(1)所示:
步骤W2:获取延拓信号x’(n)的功率谱;
步骤W3:对获取的功率谱进行离散反傅里叶变换,从而获取到该信号x(n)的自相关函数;
步骤W4:根据获取的自相关函数,估计出信号的周期。
其中,在步骤W1中将信号x(n)长度延拓的原因是:在求取信号的功率谱的时候,需要对x(n、)进行离散傅里叶变换,而离散傅里叶变换对应信号圆周卷积,其本质是对信号进行周期延拓,这样,为了不引入镜像干扰,需要对信号x(n)进行补零延拓到2N-1点。对长度为2N的信号进行离散傅里叶变换计算。随着N值的增大,计算的复杂度是比较大的,对设备计算能力要求高。
发明内容
本发明实施例提供一种信号周期的估计方法和装置,可以在不延拓信号长度的基础上,减小对信号进行圆周卷积而产生的镜像干扰,从而可以准确估计出信号的周期。
本发明实施例提供一种信号周期的估计方法,包括:
对信号进行加窗处理;
获取加窗后信号的功率谱;
对所述获取的功率谱进行反离散傅里叶变换,获取自相关函数;
根据所述自相关函数,获取所述信号的周期。
本发明实施例还提供一种估计周期装置,包括:
加窗单元,用于对信号进行加窗处理;
获取功率谱单元,用于获取加窗后信号的功率谱;
获取自相关函数单元,用于对所述获取的功率谱进行反离散傅里叶变换,获取自相关函数;
获取周期单元,用于根据所述自相关函数,获取信号的周期。
本发明实施例还提供一种信号周期的估计方法,包括:
获取信号的自相关函数;
在预置的长度中搜索所述自相关函数的最小值,获取在所述最小值时的位置;
在所述获取的最小值时的位置和预置的上限位置之间,搜索所述自相关函数的最大值,获取在所述最大值时的位置,所述最大值时的位置为信号的周期。
本发明实施例还提供一种估计周期装置,包括:
获取单元,用于获取信号的自相关函数;
第一搜索单元,用于在预置的长度中搜索所述自相关函数的最小值;
第一获取单元,用于获取在所述最小值时的位置;
第二搜索单元,用于在所述获取的最小值时的位置和预置的上限位置之间,搜索所述自相关函数的最大值;
第二获取单元,用于获取在所述最大值时的位置,所述最大值时的位置为信号的周期。
本发明实施例采用对信号进行加窗处理,对加窗后的信号获取功率谱,对功率谱进行反离散傅里叶变换,得到自相关函数,根据获取的自相关函数,获取信号的周期。该方法通过加窗处理使得最终获取的自相关函数的镜像干扰比不加窗时少,从而可以更加准确的估计出信号的周期,且没有延长信号的序列长度,从而降低了计算的复杂度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的实施方式。
图1是本发明实施例一提供的一种信号周期的估计方法的流程简图;
图2是本发明实施例二提供的一种信号周期的估计方法的流程简图;
图3是本发明实施例四提供的一种估计周期装置的逻辑简图;
图4是本发明实施例五提供的一种信号周期的估计方法的流程简图;
图5是本发明实施例六提供的一种估计周期装置的逻辑简图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一、
本发明实施例提供一种信号周期的估计方法,参见图1所示,该方法包括:
步骤1:对信号进行加窗处理;
其中,通常所加的窗函数的长度与信号长度相同。
步骤2:获取加窗后信号的功率谱;
其中,步骤2中获取加窗后信号的功率谱具体可以包括:对加窗后的信号进行离散傅里叶变换;根据离散傅里叶变换后的结果,获取加窗后信号的功率谱。
步骤3:对获取的功率谱进行反离散傅里叶变换,获取自相关函数;
步骤4:根据获取的自相关函数,获取信号的周期,所述信号周期为自相关函数中相邻两个最大峰值之间的距离。
其中,步骤4中获取的信号的周期,即为估计的信号的周期。
通过以上对本发明实施例提供的一种信号周期的估计方法的说明,该方法通过对信号进行加窗处理,对加窗后的信号获取功率谱,对功率谱进行反离散傅里叶变换,得到自相关函数,根据获取的自相关函数,获取信号的周期。该方法通过加窗处理使得最终获取的自相关函数的镜像干扰比不加窗时少,从而可以更加准确的估计出信号的周期,且没有延长信号的序列长度,从而降低了计算的复杂度。
可选的,在步骤1之前,该方法还可以包括:
步骤1a:对信号进行锐化处理;
实施上,步骤1a的位置也可以是在步骤1之后、步骤2之前。通过增加步骤1a,使得步骤3中获取的自相关函数的最大峰值与最小峰值之间的幅度差别更加明显,从而使得步骤4中获取的信号周期更准确。
实施例二、
本发明实施例提供一种信号周期的估计方法,本实施例提供的方法与实施例一提供的方法相似,本实施例提供的方法是在音频编码器中,实现对语音信号在频域上的谐波间隔周期的估计。如图2所示,该方法包括:
步骤A1:对信号进行锐化处理;
其中,步骤A1中所说的信号是指语音信号的频谱,该语音信号的频谱可以是通过对语音信号进行离散傅里叶变换得来,也可以是通过改进的离散余弦变换(MDCT,Modified Discrete Cosine Transformer)得来,需要说明的是获取步骤A1中所说的信号的方法不限于以上所举例出的两种,还有其它方法。假设语音信号为s(n),其中,该信号的长度为N=256,n的取值为0到255(即n∈[0,N-1]),对s(n)进行锐化处理的方法具体根据数学式(2)所示:
s′(n)=s(n)*ratio(n)(2)
其中,s′(n)为锐化后信号,ration(n)为衰减因子,其数学表示如(3)所示:
其中,p为语音信号s(n)的最大值,该最大值的β倍作为阈值门限(例如β可取0.1)。
需要说明的是,通过对语音信号进行锐化处理,使得信号的最大峰值与最小峰值之间的幅度差别更明显,便于后续对自相关函数的搜索。
步骤A2:对锐化处理获得的信号进行加窗;
其中,针对步骤A1中获取的s′(n),对该信号进行加窗,需要说明的是所加的窗的长度是N点,该窗函数可以是汉明窗,如式子(4)所示:
w(n)=0.54-0.46*cos[2πn/(N-1)] 0≤n<N-1(4)
通过执行步骤A2获取到加窗后信号x(n),显然,加窗后信号x(n)的长度仍然是N。通过对锐化处理后信号加窗,可以减少该信号在进行功率谱计算时产生的镜像干扰。事实上,步骤A1和步骤A2的顺序可以是互换的。需要说明的是,所加的窗不限于汉明窗,也可以是汉宁窗、布莱克曼窗等。
还需要说明的是,通常窗函数是对称的,因此,对于长度为N的窗函数,编码器中可以存储窗函数的前一半长度的窗函数的系数,或者存储后一半长度的窗函数的系数,可以节约编码器中的存储空间。
步骤A3:对加窗后的信号进行离散傅里叶变换;
其中,对步骤A3中具体的执行方法可以是:对加窗后的信号x(n)进行N点离散傅里叶变换,得到x(n)的N点的离散傅里叶变换值X(k),其中k∈[0,N-1]。
步骤A4:根据步骤A3中所获得的离散傅里叶变换的结果,获取加窗后信号x(n)的功率谱;
其中,需要说明的是,在步骤A4中获取x(n)的功率谱,即|X(k)|2为x(n)的功率谱。还需要理解的是X(k)用复数的形式表示如式子(5)所示:
X(k)=a(k)+i*b(k)(5)
其中,a(k)为信号X(k)的实部值,b(k)为信号X(k)的虚部值。因此,容易获得x(n)的功率谱,如式子(6)所示:
|X(k)2=a2(k)+b2(k)(6)
还需要说明的是,由于X(k)的前N/2点和后N/2点共轭,所以只需求X(k)的前N/2点的功率谱,然后映射到后N/2点即可获取长度为N的信号的功率谱|X(k)|2
步骤A5:对获得的功率谱进行反离散傅里叶变换,得到自相关函数;
其中,步骤A5中得到的自相关函数表示为r(m),r(m)的长度为N。由于对锐化后的信号进行加窗,使得在步骤A5中获取的自相关函数与直接从锐化后的信号中获取的自相关函数相比,减少了镜像干扰。
步骤A6:根据获取的自相关函数,获取语音信号的谐波间隔周期;
其中,步骤A6中音频编码器中根据获取的自相关函数,获取语音信号的谐波间隔周期可以参考现有技术。
通过以上对本发明实施例提供的一种信号周期的估计方法的说明可知,该方法通过对信号进行锐化、加窗处理,再对加窗后的信号获取功率谱,对功率谱进行反离散傅里叶变换,得到自相关函数,根据获取的自相关函数,获取信号的谐波间隔周期。该方法通过加窗处理使得最终获取的自相关函数的镜像干扰比不加窗时少,通过对信号进行锐化处理,使得编码器可以更准确搜索到自相关函数中的最大值、最小值,从而更准确的获取到信号的谐波间隔周期。
实施例三、
本发明实施例提供一种信号周期的估计方法,本实施例与实施例二相似,不同之处在于,实施例二中是对频域上的语音信号进行分析时,估计谐波间隔周期,而本实施例是对时域上的语音信号进行基音周期的估计。
在本发明实施例中分析的信号以时域上的语音信号x(n)为例,其中,N为640,即n∈[0,N-1],采样频率为16KHz。该方法包括:
步骤B 1:与步骤A1相似,即对语音信号x(n)进行锐化处理;
步骤B2至步骤B5与实施例二中步骤A2至步骤A5对应相同,具体可以参考实施例二中的说明。
步骤B6:与步骤A6相似,即根据获取的自相关函数,获取语音信号的基音周期。
其中,步骤B6中获取基音周期的具体方法也可以包括步骤a1和步骤a2,所不同的是,根据语音信号的基音周期的特点,在步骤a1中预置的长度K1的取值通常为80,在步骤a2中预置的上限位置为319时,编码器可以较为准确的获取到基音周期。还需要说明的是,以上所说的具体的数字不应该理解对本发明实施例的限制,数字的取值还可以有其它。
通过以上对本发明实施例提供的一种信号周期的估计方法的说明,通过对信号进行锐化、加窗处理,再对加窗后的信号获取功率谱,对功率谱进行反离散傅里叶变换,得到自相关函数,根据获取的自相关函数,获取语音信号的基音周期。该方法通过加窗处理使得最终获取的自相关函数的镜像干扰比不加窗时少,通过对信号进行锐化处理,使得编码器可以更准确搜索到自相关函数中的最大值、最小值,从而更准确的获取到基音周期。
实施例四
本发明实施例提供一种估计周期装置,该估计周期装置可以是包含在编码器中。参见图3所示,该估计周期装置包括:加窗单元10、获取功率谱单元20、获取自相关函数单元30和获取周期单元40。
其中,加窗单元10,用于对信号进行加窗处理;
获取功率谱单元20,用于获取加窗后信号的功率谱;
获取自相关函数单元30,用于对获取的功率谱进行反离散傅里叶变换,获取自相关函数;
获取周期单元40,用于根据获取的自相关函数,获取信号的周期。
其中,获取周期单元40中获取的信号的周期即为估计的信号周期。
通过以上对本实施例提供的估计周期装置的说明,该装置中加窗单元10对信号进行加窗,对加窗后的信号获取功率谱,对功率谱进行反离散傅里叶变换,得到自相关函数,根据获取的自相关函数,获取信号的周期。该估计周期装置中通过加窗单元10对信号的加窗处理使得,最终获取的自相关函数的镜像干扰比没有加窗单元时少,从而可以更加准确的估计出信号的周期,且没有延长信号的序列长度,从而降低了计算的复杂度。
优选的,该装置还可以包括:锐化单元50,用于对信号进行锐化处理,将锐化处理后的信号发送给加窗单元10;也可以是对加窗处理后的信号进行锐化处理,将锐化处理后的信号发送给获取功率谱单元20。
通过增加锐化单元50,使得获取周期单元40中可以更准确的获取信号的周期。由于获取周期单元40中对周期的估计中需要寻找自相关函数中最大值的位置和最小值位置,对信号进行锐化处理后,使得该装置可以容易搜索的自相关函数的最大值和最小值,从而使得对信号的周期估计更加接近真实值。
优选的,获取功率谱单元20具体可以包括:离散傅里叶变换单元201和第一获取功率谱单元202。其中,离散傅里叶变换单元201用于对加窗处理、或者锐化处理后的信号进行离散傅里叶变换;第一获取功率谱单元202用于根据离散傅里叶变换单元201中输出的变换结果,获取加窗处理、或者锐化处理后的信号的功率谱。其中,第一获取功率谱单元202中获取功率谱的具体执行过程可以参考式子(5)、(6)以及式子(5)、(6)的说明。
实施例五
本发明实施例提供了一种信号周期的估计方法,参见图4所示,该方法包括:
步骤Y1:获取信号的自相关函数;
其中,步骤Y1中获取信号的自相关函数的具体方法可以是根据自相关函数的定义来获取信号的自相关函数,也可以是先获取该信号的功率谱,根据信号的功率谱,获取该信号的自相关函数,还可以有其它获取信号的自相关函数的方法,此处不应该理解为对本实施例的限定。
为了便于后续步骤的说明,假设信号为s(n),获取的自相关函数为r(m),其中,s(n)和r(m)的长度都为N。
步骤Y2:在预置的长度中搜索所述自相关函数的最小值,获取在所述最小值时的位置;
其中,该最小值位置也可以称为起始位置GRID_Start;步骤Y2中的预置的长度假设为K1,K1的具体取值是根据设计要求而确定的,例如,K1表示该语音信号频谱中可能存在的最小谐波间隔周期,在本实施例中可以具体是以K1为20举例。
还需要说明的是,由于所获取的自相关函数是对称的,因此,在搜索自相关函数的最大值或者最小值时,搜索的范围在1至(N/2)-1之间,即范围为[1,N/2-1]。
在步骤Y2中获取起始位置GRID_Start,在起始位置之前的位置所出现的自相关函数的最大值所在的位置不作为周期值,在起始位置之后出现的自相关函数的最大值所在的位置才可能是信号真正的周期值。因此,可以使编码器更准确的搜索到所感兴趣范围内的自相关函数的最大值。
步骤Y3:在所述获取的最小值时的位置和预置的上限位置之间,搜索所述自相关函数的最大值,获取在所述最大值时的位置,所述最大值时的位置为信号的周期。
其中,与步骤Y2中的说明相似,在编码器中搜索范围的上限是设计者根据语音信号的频谱特性决定的。例如在本实施例中可以认为编码器中对自相关函数的最大值搜索的上限位置是m为83的位置(即MAX_GRID为83)。在步骤Y3中编码器在m为起始位置和上限位置之间搜索自相关函数的最大值,即在m为[GRID_Start,MAX_GRID]中搜索自相关函数的最大值,该最大值位置为该信号的谐波间隔周期。
通过以上对本实施例提供的方法的说明,该方法中通过在预置的长度中搜索所述自相关函数的最小值,获取在所述最小值时的位置,在所述获取的最小值时的位置和预置的上限位置之间,搜索所述自相关函数的最大值,最终获取到估计的周期,增加了搜索的鲁棒性,缩小了搜索范围,且使得获取到的周期更准确。
还需要说明的是,以上文字中具体的数字不应该理解对本发明实施例的限制,数字的取值还可以有其它。
优选的,该方法在步骤Y1之前还可以包括:
步骤Y1a:对信号进行锐化处理;
则步骤Y1中获取所述锐化处理后的信号的自相关函数。
其中,由于步骤Y1a中对信号进行锐化处理,相应的获取的自相关函数中最大值与最小值之间的幅度差别明显,便于设备在执行步骤Y2和步骤Y3,使得估计出到的周期更准确。
需要说明的是,本实施例提供的信号周期的估计方法可以和实施例一、二和三提供的信号周期的估计方法结合起来使用,具体实现方式是:在实施例一的步骤4、实施例二的步骤A6和实施例三的步骤B6中应用本实施例提供的信号周期的估计方法。
实施例六
本发明实施例提供一种估计周期装置,参见图5所示,该估计周期装置包括:
获取单元500,用于获取信号的自相关函数;
第一搜索单元501,用于在预置的长度中搜索所述自相关函数的最小值;
第一获取单元502,用于获取在所述最小值时的位置;
第二搜索单元503,用于在所述获取的最小值时的位置和预置的上限位置之间,搜索所述自相关函数的最大值;
第二获取单元504,用于获取在所述最大值时的位置,所述最大值时的位置为信号的周期。
通常该最小值位置也可以称为起始位置GRID-Start。预置的长度假设为K1,K1的具体取值是根据设计要求而确定的,例如,K1表示该语音信号中可能存在的最小信号周期。
还需要说明的是,由于所获取的自相关函数是对称的,因此,在搜索自相关函数的最大值或者最小值时,搜索的范围在1至(N/2)-1之间,即范围为[1,N/2-1]。
第二搜索单元503,用于在第一搜索单元501中搜索到的最小值时的位置和预置的上限位置之间,搜索自相关函数的最大值时;第二获取单元404用于获取第二搜索单元503搜索到最大值时的位置。
其中,搜索范围的上限是设计者根据语音信号在各个频段的特性决定的。例如在本实施例提供的估计周期装置中对自相关函数的最大值搜索的上限位置是m为83的位置(即MAX_GRID为83)。在m为起始位置和上限位置之间搜索自相关函数的最大值,即在m为[GRID_Start,MAX_GRID]中搜索自相关函数的最大值,该最大值位置为该信号的谐波间隔周期。对于不同用途的估计周期装置,在估计周期装置中预置的长度或者上限位置是不同的,根据具体情况而决定。
通过以上对本实施例提供的估计周期装置的说明,该装置缩小了搜索的范围,增加了搜索的鲁棒性,使得获取到周期更接近真实值。
可选的,该估计周期装置还可以包括:第一锐化单元505,用于对信号进行锐化处理,将锐化处理后的信号发送给获取单元500。
获取单元500则根据锐化处理后的信号,获取该信号的自相关函数。
通过增加该第一锐化处理单元505,相应的获取的自相关函数中最大值与最小值之间的幅度差别明显,便于第一搜索单元和第二搜索单元可以准确的搜索到最小值或者最大值,使得估计出的信号周期更加准确。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
以上对本发明实施例所提供的一种信号周期的估计方法以及估计周期装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种信号周期的估计方法,其特征在于,包括:
对信号进行加窗处理;
获取加窗后信号的功率谱;
对所述获取的功率谱进行反离散傅里叶变换,获取自相关函数;
根据所述自相关函数,获取所述信号的周期。
2.根据权利要求1所述的方法,其特征在于,所述对信号进行加窗之前,所述方法还包括:
对信号进行锐化处理;
所述对信号进行加窗为:对锐化处理后的信号进行加窗。
3.根据权利要求1所述的方法,其特征在于,所述对信号进行加窗之后,所述获取加窗后信号的功率谱之前,所述方法还包括:
对加窗后的信号进行锐化处理。
4.根据权利要求1所述的方法,其特征在于,所述获取加窗后信号的功率谱,包括:
对所述加窗后的信号进行离散傅里叶变换;
根据离散傅里叶变换后的结果,获取加窗后信号的功率谱。
5.根据权利要求1所述的方法,其特征在于,所述信号的周期包括:谐波间隔周期、或者基音周期其中任一项。
6.一种估计周期装置,其特征在于,包括:
加窗单元,用于对信号进行加窗处理;
获取功率谱单元,用于获取加窗后信号的功率谱;
获取自相关函数单元,用于对所述获取的功率谱进行反离散傅里叶变换,获取自相关函数;
获取周期单元,用于根据所述自相关函数,获取信号的周期。
7.根据权利要求6所述的估计周期装置,其特征在于,所述装置还包括:
锐化单元,用于对信号进行锐化处理,所述信号包括加窗处理前的信号或加窗处理后的信号。
8.根据权利要求6所述的估计周期装置,其特征在于,所述获取功率谱单元进一步包括:
离散傅里叶变换单元,用于对所述加窗后的信号进行离散傅里叶变换;
第一获取功率谱单元,用于根据离散傅里叶变换后的结果,获取加窗后信号的功率谱。
9.一种信号周期的估计方法,其特征在于,包括:
获取信号的自相关函数;
在预置的长度中搜索所述自相关函数的最小值,获取在所述最小值时的位置;
在所述获取的最小值时的位置和预置的上限位置之间,搜索所述自相关函数的最大值,获取在所述最大值时的位置,所述最大值时的位置为信号的周期。
10.根据权利要求9所述的方法,其特征在于,所述获取信号的自相关函数之前,所述方法还包括:
对信号进行锐化处理;
所述获取信号的自相关函数,包括:获取所述锐化处理后的信号的自相关函数。
11.一种估计周期装置,其特征在于,包括:
获取单元,用于获取信号的自相关函数;
第一搜索单元,用于在预置的长度中搜索所述自相关函数的最小值;
第一获取单元,用于获取在所述最小值时的位置;
第二搜索单元,用于在所述获取的最小值时的位置和预置的上限位置之间,搜索所述自相关函数的最大值;
第二获取单元,用于获取在所述最大值时的位置,所述最大值时的位置为信号的周期。
12.根据权利要求11所述的装置,其特征在于,所述装置还包括:
第一锐化单元,用于对信号进行锐化处理,将锐化处理后的信号发送给所述获取单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101333129A CN101853240B (zh) | 2009-03-31 | 2009-03-31 | 一种信号周期的估计方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101333129A CN101853240B (zh) | 2009-03-31 | 2009-03-31 | 一种信号周期的估计方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101853240A true CN101853240A (zh) | 2010-10-06 |
CN101853240B CN101853240B (zh) | 2012-07-04 |
Family
ID=42804738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101333129A Expired - Fee Related CN101853240B (zh) | 2009-03-31 | 2009-03-31 | 一种信号周期的估计方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101853240B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103189916A (zh) * | 2010-11-10 | 2013-07-03 | 皇家飞利浦电子股份有限公司 | 估计信号模式的方法和设备 |
CN104573341A (zh) * | 2014-12-25 | 2015-04-29 | 中国科学院信息工程研究所 | 电磁泄漏信号中是否含有文字信息的判断方法及装置 |
CN105448304A (zh) * | 2015-12-01 | 2016-03-30 | 珠海市杰理科技有限公司 | 语音信号噪声频谱估计方法、装置及降噪处理方法 |
CN106599531A (zh) * | 2016-10-28 | 2017-04-26 | 广东工业大学 | 一种单通道多周期信号混叠情形下信号周期估计方法 |
WO2019028931A1 (zh) * | 2017-08-08 | 2019-02-14 | 网宿科技股份有限公司 | 一种确定事件周期值的方法及装置 |
CN113223540A (zh) * | 2014-04-17 | 2021-08-06 | 声代Evs有限公司 | 在声音信号编码器和解码器中使用的方法、设备和存储器 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070299658A1 (en) * | 2004-07-13 | 2007-12-27 | Matsushita Electric Industrial Co., Ltd. | Pitch Frequency Estimation Device, and Pich Frequency Estimation Method |
CN101320086B (zh) * | 2008-06-27 | 2011-03-30 | 北京航空航天大学 | 一种多普勒测速激光雷达的回波信号处理装置和方法 |
-
2009
- 2009-03-31 CN CN2009101333129A patent/CN101853240B/zh not_active Expired - Fee Related
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103189916A (zh) * | 2010-11-10 | 2013-07-03 | 皇家飞利浦电子股份有限公司 | 估计信号模式的方法和设备 |
CN103189916B (zh) * | 2010-11-10 | 2015-11-25 | 皇家飞利浦电子股份有限公司 | 估计信号模式的方法和设备 |
US9208799B2 (en) | 2010-11-10 | 2015-12-08 | Koninklijke Philips N.V. | Method and device for estimating a pattern in a signal |
CN113223540A (zh) * | 2014-04-17 | 2021-08-06 | 声代Evs有限公司 | 在声音信号编码器和解码器中使用的方法、设备和存储器 |
CN113223540B (zh) * | 2014-04-17 | 2024-01-09 | 声代Evs有限公司 | 在声音信号编码器和解码器中使用的方法、设备和存储器 |
CN104573341A (zh) * | 2014-12-25 | 2015-04-29 | 中国科学院信息工程研究所 | 电磁泄漏信号中是否含有文字信息的判断方法及装置 |
CN105448304A (zh) * | 2015-12-01 | 2016-03-30 | 珠海市杰理科技有限公司 | 语音信号噪声频谱估计方法、装置及降噪处理方法 |
CN105448304B (zh) * | 2015-12-01 | 2019-01-15 | 珠海市杰理科技股份有限公司 | 语音信号噪声频谱估计方法、装置及降噪处理方法 |
CN106599531A (zh) * | 2016-10-28 | 2017-04-26 | 广东工业大学 | 一种单通道多周期信号混叠情形下信号周期估计方法 |
CN106599531B (zh) * | 2016-10-28 | 2019-06-14 | 广东工业大学 | 一种单通道多周期信号混叠情形下信号周期估计方法 |
WO2019028931A1 (zh) * | 2017-08-08 | 2019-02-14 | 网宿科技股份有限公司 | 一种确定事件周期值的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101853240B (zh) | 2012-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101853240B (zh) | 一种信号周期的估计方法和装置 | |
Pruša et al. | Real-time spectrogram inversion using phase gradient heap integration | |
Millioz et al. | Circularity of the STFT and spectral kurtosis for time-frequency segmentation in Gaussian environment | |
CN104392718A (zh) | 一种基于声学模型阵列的鲁棒语音识别方法 | |
Papandreou-Suppappola et al. | Analysis and classification of time-varying signals with multiple time-frequency structures | |
Czarnecki et al. | A fast time-frequency multi-window analysis using a tuning directional kernel | |
Petrovsky et al. | Hybrid signal decomposition based on instantaneous harmonic parameters and perceptually motivated wavelet packets for scalable audio coding | |
RU2714579C1 (ru) | Устройство и способ реконструкции фазовой информации с использованием структурного тензора на спектрограммах | |
Küsel et al. | Comparison of propagation models for the characterization of sound pressure fields | |
Jia et al. | Time–frequency-based non-harmonic analysis to reduce line-noise impact for LIGO observation system | |
Jensen et al. | A perceptual subspace approach for modeling of speech and audio signals with damped sinusoids | |
CN103915099B (zh) | 语音基音周期检测方法和装置 | |
CN107229075B (zh) | 深度域地震子波的确定方法和装置 | |
Niu et al. | Mode separation with one hydrophone in shallow water: A sparse Bayesian learning approach based on phase speed | |
CN103310800A (zh) | 一种抗噪声干扰的浊语音检测方法及系统 | |
Czarnecki et al. | A novel method of local chirp-rate estimation of LFM chirp signals in the time-frequency domain | |
Bansal et al. | Parametric representation of voiced speech phoneme using multicomponent AM signal model | |
Kurth et al. | Robust F0 estimation in noisy speech signals using shift autocorrelation | |
Werner | The XQIFFT: Increasing the Accuracy of Quadratic Interpolation of Spectral Peaks via Exponential Magnitude Spectrum Weighting. | |
Millot et al. | An alternative approach for the convolution in time-domain: the taches-algorithms | |
Agrež | Sine-wave parameter estimation in the shortened measurement time using DC DFT coefficient | |
Mahgoub et al. | Time domain method for precise estimation of sinusoidal model parameters of co-channel speech | |
Liu et al. | MMSE estimation of speech power spectral density under speech presence uncertainty for automatic speech recognition | |
Hansson-Sandsten et al. | Multiple-window cepstrum analysis for estimation of periodicity | |
Kwon et al. | Simplified pitch detection algorithm of mixed speech signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120704 Termination date: 20190331 |