تخمین زیروبمی چندگانه ۲۰۲۲
Multi-Pitch Estimation 2022

سیگنال‌های متناوب را می‌توان به مجموعه‌ای از توابع سینوسی تجزیه کرد که فرکانس‌های آن‌ها مضرب‌های صحیحی از یک فرکانس اساسی هستند. مسئله یافتن چنین فرکانس‌های اساسی از مشاهدات نویزی در بسیاری از کاربردهای گفتار و صدا اهمیت دارد، جایی که معمولاً به عنوان تخمین گام صدا شناخته می‌شود. این کاربردها شامل تحلیل، فشرده‌سازی، جداسازی، بهبود، رونویسی خودکار و بسیاری موارد دیگر است. در این کتاب، مقدمه‌ای بر تخمین گام صدا ارائه شده و تعدادی روش آماری برای تخمین گام صدا معرفی می‌شوند. مدل‌های سیگنال اساسی و محدودیت‌های نظری تخمین مرتبط با آن‌ها معرفی شده و خواص سیگنال‌های گفتار و صدا مورد بحث و بررسی قرار می‌گیرند. روش‌های ارائه شده شامل تخمین‌زن‌های تک‌گامی و چندگامی مبتنی بر رویکردهای آماری، مانند روش‌های درست‌نمایی بیشینه و پسین بیشینه، روش‌های فیلترینگ مبتنی بر طراحی‌های ایستا و تطبیقی بهینه، و روش‌های زیرفضا مبتنی بر اصول تعامد زیرفضا و ناوردایی شیفت هستند. کاربرد این روش‌ها در تحلیل سیگنال‌های گفتار و صدا با استفاده از سیگنال‌های واقعی و مصنوعی نشان داده شده و عملکرد آن‌ها در شرایط مختلف ارزیابی و خواص آن‌ها مورد بحث قرار می‌گیرد. در نهایت، تخمین‌زن‌ها از نظر کارایی محاسباتی و آماری، قابلیت تعمیم و استحکام با یکدیگر مقایسه می‌شوند.
فهرست مطالب: مبانی / روش‌های آماری / روش‌های فیلترینگ / روش‌های زیرفضا / تخمین دامنه

Periodic signals can be decomposed into sets of sinusoids having frequencies that are integer multiples of a fundamental frequency. The problem of finding such fundamental frequencies from noisy observations is important in many speech and audio applications, where it is commonly referred to as pitch estimation. These applications include analysis, compression, separation, enhancement, automatic transcription and many more. In this book, an introduction to pitch estimation is given and a number of statistical methods for pitch estimation are presented. The basic signal models and associated estimation theoretical bounds are introduced, and the properties of speech and audio signals are discussed and illustrated. The presented methods include both single- and multi-pitch estimators based on statistical approaches, like maximum likelihood and maximum a posteriori methods, filtering methods based on both static and optimal adaptive designs, and subspace methods based on the principles of subspace orthogonality and shift-invariance. The application of these methods to analysis of speech and audio signals is demonstrated using both real and synthetic signals, and their performance is assessed under various conditions and their properties discussed. Finally, the estimators are compared in terms of computational and statistical efficiency, generalizability and robustness. Table of Contents: Fundamentals / Statistical Methods / Filtering Methods / Subspace Methods / Amplitude Estimation