文献综述
本课题的现状及发展趋势：
自进行语音信号分析研究以来,基音检测一直是一个重点研究的课题。尽管目前基音检测的方法有很多种，然而这些方法都有其局限性。迄今为止仍然没有一种检测方法能够适用不同的说话人、不同的要求和环境。尽管基音检测面临着很多困难，然而由于基音周期在语音信号处理领域中的重要性，使得基音周期检测一直是不断研究改进的重要课题之一。数十年来,国内外众多学者对如何准确地从语音波形中提取出基音周期作出了不懈的努力，提出了多种有效的基音周期检测方法。我国基音检测方面的研究起步要比国外发达国家晚一点，但是进步很大，特别是对汉语的基音检测取得的成果尤为突出。目前的基音检测算法大致可以分为两大类非基于事件检测方法和基于事件检测方法。
基音周期是语音信号最重要的参数之一。到目前为止已经有各种各样的基音检测算法被提出，但至今没有一种算法，可以对各类人群和各种环境条件情况下都能获得满意的检测结果。倒谱法是基音周期检测算法之一，它利用语音信号的倒频谱特征，检测出表征声门激励周期的基音信息。传统的倒谱基音检测方法对于纯净的典型浊音语音，可以得到较为精确可靠的结果，但在浊音语音段的边界处及其对被噪声污染的语音，其检测误差大大增加，甚至无法检测。近年来，一些基于倒谱的基音检测改进算法被提出来，它们采用统计检测方法、非线性声道模型的方法、倒谱域单边自相关函数相结合的方法对传统算法加以改正，使检测结果得到一定的改进。
毕设准备采用一种改进的倒谱基音检测算法，即基于LPC预测残差的倒谱基音周期检测算法(LPCpredictive residual based cepstral pitch detection al-gorithm,简称LP-CEP)。该算法根据分帧语音的修正倒谱模型的特征，首先获得分帧语音的LPC预测残差,然后再对残差信号进行倒谱分析，倒谱分析中同时结合了离散傅里叶变换(DFT)频谱的高频分量置零的倒谱计算措施，最后根据残差信号的倒谱求得语音基音。仿真研究结果表明：该算法由于去除或减小了声道响应倒谱对声门激励倒谱的干扰，与传统CEP算法相比，无论是对不同人群的语音，还是对不同噪声源在不同信噪比下的含噪语音，其检测结果均有明显的改善。
本课题研究的意义和价值：
曰常生活中有很多地方要对人的身份进行识别，对一个人的身份进行辨别或确认即身份识别。当今的网络信息化使身份也变的数字化和隐蔽化，如何保护个人信息的安全，以及准确识别出身份是当今时代须解决的一个重要问题。身份识别中比较主流的是生物识别技术，生物识别是指利用人的生理特征或行为特征作为识别的依据，如指纹，面孔，虹膜，视网膜，语音等。这些特征各自都具有优缺点，都有自己的应用领域。现在比较常用的仍然通过个人口令，密码或信物来确认身份，但是缺点是这种古老的方式已经越来不适应现代社会对人的身份快速、准确、便捷的识别要求。人们不得不携带各种各样的卡片，需要记住各种复杂的口令和密码。人们有时因为忘记密码，无法登陆自己的计算机，无法取款，无法查阅自己需要的信息。卡，各种有关身份的证件容易丢失，一旦丢失给人们带来的麻烦是显而易见的。而且这些方式的身份识别都容易被盗用和仿造，比如美国每年都有大量的假冒电话卡。密码被盗导致的损失也是不计其数的，这些都给如何能便捷、安全的识别身份提出了很高的要求。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
