3 算法流程图
    算法过程如下：
    (1)采集语音信号。人的语音信号频率都在6 kHz以内，根据Nyqtfist采样定理，fs=11 025 Hz。把采集得到的语音信号记为X；
    (2)基音频率变化范围大，从老年男性的50 Hz到儿童和女性的450 Hz。因此使用小波变换进行滤波时，要把50～500 Hz的语音信号加强，把高于500 Hz的语音信号减弱，以去除共振峰和高频噪音的影响；
    (3)同一个人在不同情态下发音的基音周期也不同，加之基音周期还受单词发音音调的影响，因此基音检测实际上是估计短时语音的平均周期。采用L点的矩形窗来截取信号，进行短时分析，一般取窗口的长度为36 ms，帧重叠18 ms；
    (4)利用自相关函数估计第i帧语音信号的基音
周期fpi。若fpi的频率范围超出了[60 Hz，500 Hz]，则判断该帧为清音帧，声带不振动，fpi，置为O Hz。

    算法流程图如图4所示：

4 实 验

    首先通过一个真实的语音数据来说明第3节算法的有效性，然后将其与传统的自相关函数法的结果进行比较。
    在图5中，图5(a)为作者(男性)读“马到成功”的语音信号波形，fs=1l 025 Hz，用普通麦克风在自然环境下录制，时长为2 s。选择db4小波基，对原始语音信号进行二进小波变换，取小波变换后第三层的低频部分信号，该低频信号如图5(b)所示。用帧长为36 ms的矩形窗把图5(a)中原始信号分成165帧，并用自相关函数估计每一帧的基音频率，基音频率的变化曲线如图5(c)所示。同样地把图5(b)中经小波变换后所得的低频语音信号分成165帧，然后用自相关函数估计每一帧的基音频率，基音频率的变化曲线如图5(d)所示。