现有的基频检测算法，它们有其各自适用的场合，同时也有其相应的不足，任何一种算法都不能作为通用的方法。本文尝试将信号分解中的经验小波变换法（Empirical Wavelet Transform，EWT）应用于基频的解算，期待可以获得优于传统算法的基频检测结果。EWT算法不是为基频检测而生，我们将其运用于基频的提取，这本身是一个有意义的探索，为基频检测和EWT算法的应用给出了一种全新的尝试。

1.3  国内外研究现状

1.4  基频检测的困难

基频检测本就是一件极其复杂的事情，目前基频检测中的困难主要有[ ]：

（1）纵观全局，语音信号的声学特征及所有参数都是时变的，换言之，语音信号是非平衡态的。浊音信号不是标准的周期性信号，是准周期的，人们为了研究的方便，将它假设成周期性的而已。并且，在语音信号的开头和结尾处，基音的周期性并不显著，这是基频检测面临的一大难题。

（2）声带是语音的激励源，而声道对语音起到谐振的作用，所以语音信号是声带和声道共同作用的结果。声道谐振会对声门脉冲的谐波结构造成非常大的影响，而去除声道的影响单单保留激励源信息是很难办到的。

（3）事实上，语音信号并不在周期性信号的家族中，它是准周期的。对于浊音段，每一个基音周期的起点和终点几乎无法准确无误地确定。同时，共振峰结构和噪声等对基频的检测雪上加霜。

（4）基频有着很宽泛的变化范围，男性、女性和儿童的基频变化范围也相差很大，这对于基频检测来说也是很棘手的问题。

正是由于上述的这些困难，到目前尚未出现全能的、可以在不同的环境条件下都得到令人满意的结果的基频检测算法。