根据声带的振动，语音信号可分为浊音和清音。 浊音包含声音中的大部分能量，并且在时域中表现出明显的周期性。 而清音类似于白噪声，没有明显的周期性。 当浊音产生时，声带被拉紧，气流使声带振动，产生准周期激励脉冲。 这种声带振动的频率称为基音频率，相应的周期就成为基音周期。 基音周期的估计称为基音检测。

该实验的目的是估计给定语音信号的基音周期。

信号的自相关函数提供了一种获取周期信号周期的方法。 在周期信号周期的整数倍处，其自相关函数可以达到最大值。 因此，可以忽略起始时间，从自相关函数的第一个最大值的位置估计信号的基音周期。自相关函数成为信号基音周期估计的工具。 信号 x(n) 的短时自相关函数定义为 然后求自相关的最大值，对应的时间为基音周期，记为 τ   \tau\, τmax,

则基因周期为

实验流程图如下图所示。

使用快速傅立叶变换 (FFT) 算法对原始时域信号进行变换，并将所得频谱转换为对数坐标。 然后使用相同的 FFT 算法对该对数坐标谱进行变换以获得功率倒谱。 功率倒谱恢复到时域并显示出与频谱中常见频率间隔周期相对应的峰值。 然后求倒谱的最大值，对应的时间为基音周期，记为 τ   \tau\, τmax,

则基因周期为

实验流程图如下图所示。

作为语音信号处理中描述激励的重要参数之一，基音周期在语音合成、语音压缩编码和语音识别等领域有着广泛的重要应用。 我们可以使用不同的方法来估计基频，例如：短期自相关法和倒谱法，两者都可以很好地估计基音周期。