Tracking pitch period using particle filters

Zhang, Geliang; Godsill, Simon

doi:10.1109/waspaa.2013.6701846

Cited by 8 publications

(4 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Los resultados encontrados se muestran en la figura 6, en la que se observa que el análisis espectral es el más estudiado. Los artículos 1 y 9 buscan mejorar la periodicidad de la señal para garantizar la correcta detección, según [41] y [49], mientras que otras propuestas utilizan métodos que implican un mayor procesamiento, como el artículo 5, según [45], en el que se utiliza un filtro de partículas.…”

Section: Pitch Detection Methods Based On Morphological Filtering and Hhtunclassified

“…En dos artículos [44] y [45] se proponen métodos para detectar la frecuencia fundamental de la voz de forma continua, pero no se contempla la detección simultánea de diferentes frecuencias fundamentales, por lo que no existen trabajos que aborden todos los factores necesarios para realizar el reconocimiento de múltiples voces en entornos reales y efectuar el procesamiento en tiempo real.…”

Section: Discusión Y Conclusionesunclassified

See 1 more Smart Citation

Técnicas de detección de la frecuencia fundamental de la voz en entornos reales

et al. 2017

View full text Add to dashboard Cite

Introducción: este artículo de revisión se desarrolló como parte de un trabajo de maestría de la Universidad del Cauca en el 2017. Buscó encontrar los métodos de detección de la frecuencia fundamental de la voz más propicios para implementar en entornos reales como parte de una solución para mejorar la comunicación de las personas con discapacidad auditiva e incluirlas en la sociedad, ya que la mayoría de las propuestas solo plantean mejorar el canal de comunicación en el que la persona con discapacidad auditiva es el transmisor. Metodología: se realizó una revisión actualizada de la literatura, por lo que se basó principalmente en artículos científicos publicados en los últimos cinco años. Para la inclusión de artículos se hizo un mapeo sistemático sobre los diferentes métodos de detección de la frecuencia fundamental de la voz. Resultados: los fenómenos contemplados por los diferentes algoritmos para definir el entorno van desde el ruido y la interferencia hasta la reverberación; el desempeño del algoritmo depende de la calidad del audio grabado, lo que se ve en las variaciones obtenidas que dependen de la base de datos utilizada; se pueden detectar hasta dos frecuencias fundamentales diferentes. Conclusiones: se han implementado novedosos métodos para hacer más eficiente la detección de la frecuencia fundamental de la voz; sin embargo, aún queda mucho trabajo por hacer en esta área.

show abstract

Section: Pitch Detection Methods Based On Morphological Filtering and Hhtunclassified

Section: Discusión Y Conclusionesunclassified

Técnicas de detección de la frecuencia fundamental de la voz en entornos reales

et al. 2017

View full text Add to dashboard Cite

show abstract

“…K. Inbanila et.al [3] have described a method which is used to improve substitution quality of voice signals produced by artificial larynx transducer. Geliang Zhang et.al [5] have described about the technique which uses the particle filter approach to track pitch period. Yuan Zong et.al [6] have described a new modified technique for pitch detection.…”

Section: Literature Reviewmentioning

confidence: 99%

Pitch Estimation using Time Domain Algorithm

Chavan*¹

2019

IJITEE

View full text Add to dashboard Cite

Speech is classified into voice, unvoiced and silence. The voice speech is the periodic vibration of vocal folds. Background noise affects the speech signals. In many speech applications calculation of pitch plays a major role. The paper proposes a pitch detection algorithm based on the short-time average magnitude difference function (AMDF) and the short-term autocorrelation function (ACF). Detecting the Pitch within the speech signal is important in most of all the speech related applications. Detection of Pitch is useful in identification of speaker. One solution to get detect with the pitch is by using the time domain algorithms. This paper gives idea about estimation and detection of pitch in time domain algorithm for different voice samples

show abstract

“…However, little work has been done to apply the particle filter to pitch tracking. Recently it has been shown that the particle filter approach can be used to track pitch period, using a quasiperiodic speech signal model [12]. In this paper, we propose another particle filter approach to address the pitch tracking problem using a source-filter speech signal model, which is capable of tracking pitch period under very noisy conditions.…”

Section: Introductionmentioning

confidence: 99%

Fundamental Frequency Estimation in Speech Signals With Variable Rate Particle Filters

Zhang

Godsill

2016

IEEE/ACM Trans. Audio Speech Lang. Process.

Self Cite

View full text Add to dashboard Cite

Fundamental frequency estimation, known as pitch estimation in speech signals is of interest both to the research community and to industry. Meanwhile, the particle filter is known to be a powerful Bayesian inference method to track dynamic parameters in non-linear state-space models. In this paper, we propose a speech model under a time-varying sourcefilter speech model, and use variable rate particle filters (VRPF) to develop methods for estimation of pitch periods in speech signals. A Rao-Blackwellised variable rate particle filter (RB-VRPF) is also implemented. The proposed VRPF and RBVRPF are compared with a state-of-the-art pitch estimation algorithm, the YIN algorithm. Simulation results show that more accurate estimation of pitch can be obtained by VRPF and RBVRPF even under strong background noise conditions.

show abstract

Tracking pitch period using particle filters

Cited by 8 publications

References 13 publications

Técnicas de detección de la frecuencia fundamental de la voz en entornos reales

Técnicas de detección de la frecuencia fundamental de la voz en entornos reales

Pitch Estimation using Time Domain Algorithm

Fundamental Frequency Estimation in Speech Signals With Variable Rate Particle Filters

Contact Info

Product

Resources

About