matlab lpc求共振峰频率,共振峰检测算法研究与实现

具有相同的音质 。

在语音声学中，人声也同样受自身生理如鼻孔、咽腔、口腔大小的影响有自身的共振峰区。通过利用这些共鸣空间的形状和大小不同的变化(例如改变咽喉、嘴形)，我们就能改变声音的共振峰。我们之所以能够区分不同的人声、元音，主要也是依靠它们的共振峰分布的位置。

共振峰反映了声道谐振特性的重要特点，它代表了发音信息的最直接的来源。改变共振峰可以产生所有的原音和某些辅音，在共振峰中也包含辅音的重要信息。人在语音感知中也利用了共振峰信息，所以共振峰已经广泛应用于语音识别的主要特征和语音编码传输的基本信息。

一个语音的共振峰模型，只用前三个时变共振峰频率就可以得到可懂度很好的合成浊音。共振峰信息包含在语音信号的频谱包络中，谱包络的峰值基本对应于共振峰频率，因此一切共振峰估计都是直接或间接地从频谱包络进行考察，关键是估计语音频谱包络。语音信号共振峰的估计，在语音信号合成、语音信号自动识别和低比特率语音信号传输等方面都起着重要作用。

如下图2.1所示利用频谱傅里叶变换相应的低频部分进行逆变换，就可以得到语音频谱的包络曲线。依据频谱包络线各峰值能量的大小可以确定出第1~第4共振峰。

图2.1 语音信号产生的离散时域模型

(二)、语音信号的预处理

语音信号从整体来看其特征及表征其本质特征的参数均是随时间而变化的，所以它是个非平稳态过程，不能用处理平稳信号的数字信号处理技术进行分析处理。但是在一个短的时间范围内(一般认为在10~30ms的短时间内)，语音信号的特性基本保持相对稳定，因而可以将其看作一个准稳态过程，即语音信号具有短时平稳性。针对这一短时特性，任何语音信号的分析和处理都要进行分帧，也就是将语音信号分为一段一段来分析其特征参数，其中每一段称为一“帧”，帧长一般取10~30ms[8]。