基于Radon变换与多帧相关性的噪声环境下语音基频检测新算法

为解决噪声环境下语音信号基频(F0)检测精度不足的问题，研究人员提出了一种结合Radon变换与多帧相关性(MFCRT)的新型检测算法。该算法通过增强真实基频能量、抑制噪声干扰，在CSTR和TIMIT数据集测试中显著降低了Gross Pitch Error和Mean Absolute Error，为语音合成、情感识别等应用提供了更鲁棒的解决方案。

　　

在嘈杂的咖啡厅里试图用语音助手订餐，或是通过电话银行识别身份时，背景噪声常常让系统“听不清”你的声音——这背后是语音基频（Fundamental Frequency, F0）检测失灵的典型场景。作为反映声带振动周期的核心参数，F0不仅是区分“张三”和“李四”声纹的生物特征，更是语音合成能否自然、情感识别是否准确的关键。然而现有算法在信噪比（SNR）低于15dB时，错误率会飙升60%以上，就像在摇滚演唱会里试图听清耳语。

针对这一难题，研究人员在《Digital Signal Processing》发表论文，提出名为MFCRT的创新算法。通过将一维语音信号扩展为二维多帧表示，结合Radon变换的倾斜扫描特性与多帧互相关理论，该算法能像“降噪耳机”般增强真实基频信号。在包含婴儿啼哭、键盘敲击等日常噪声的测试中，其Gross Pitch Error比传统方法降低23.6%，尤其在低SNR条件下表现突出。

关键技术包括：1）基于短时平稳特性的分帧加窗预处理（帧长30-60ms）；2）通过Radon变换实现候选基频周期能量叠加；3）多帧相关性优化消除虚假峰值；4）采用CSTR和TIMIT两大公开数据集验证，覆盖0-20dB多种SNR条件。

【研究结果】
• Related Works：梳理了YIN算法等时域方法的局限性，指出传统自相关函数（ACF）在噪声中易产生谐波干扰。
• The Proposed Method：构建的二维多帧表示可将基频轨迹可视化，Radon变换通过θ角扫描（对应50-500Hz基频范围）实现噪声抑制。
• Pitch Detection Simulation：实测显示算法在突发性噪声（如关门声）下仍能保持F0轨迹连续，Viterbi后处理使突变点减少41%。
• Experiments and Results：在TIMIT数据集添加白噪声时，Mean Absolute Error仅3.2Hz，优于RAPT等5种对比算法。

结论表明，MFCRT通过时-频域协同处理突破了噪声环境下基频检测的瓶颈。其创新性在于将医学成像领域的Radon变换引入语音处理，类似用CT扫描原理“透视”噪声中的周期信号。该技术不仅可提升嘈杂场景的语音识别率，对声带病变诊断（如通过F0波动检测息肉）也有潜在应用价值。未来研究可探索其在微型设备上的实时实现，进一步推动消费电子与医疗辅助技术的发展。