基于matlab的lpc分析,基于MATLAB的LPC分析.docx

《语音信号处理》论文题 目：基于MATLAB的LPC分析 院 (系)： 研究生院专 业： 信息与通信工程 学生姓名： 吴迪学 号： 122021868时 间： 2013年 5月 20 日 成绩评语基于MATLAB的LPC分析实验目的理解线性预测分析方法原理；掌握其经典解法中的自相关法；理解LPC谱的特点。实验原理基本原理：线性预测编码就是利用过去的样值对新样值进行预测，然后将样值的实际值与其预测值相减得到一个误差信号，显然误差信号的动态范围远小于原始语音信号的动态范围，对误差信号进行量化编码，可大大减少量化所需的比特数，使编码速率降低。设语音信号的样值序列为s(n),n=1,2,…,n，其中语音信号的当前取样值，即第n时刻的取样值s(n)。而p阶线性预测，是根据信号过去p个取样值的加权和来预测信号当前取样值s(n)，此时的预测器称为p阶预测器。设(n)为s(n)的预测值，则有 (1) 式中，a1,a2,…,ap，称为线性预测系数，式(1)称为线性预测器，预测器的阶数为p阶。p阶线性预测器的传递函数为 (2)信号s(n)与其线性预测值(n)之差称为线性预测误差，用e(n)表示。则e(n)为 (3)可见，预测误差e(n)是信号s(n)通过具有如下传递函数的系统输出 (4) 图一 LPC误差滤波器如图一所示。称系统A(z)为LPC误差滤波器，设计预测误差滤波器A (z)就是求解预测系数a1,a2,…,ap，使得预测器的误差e(n)在某个预定的准则下最小，这个过程称为LPC分析。 实验内容系统函数H(z)的参数即预测系数求解；线性预测的基本问题就是由语音信号直接求出一组预测系数a1,a2,…,ap，这组预测系数就被看做语音产生模型中系统函数H(z)的参数，它使得在一短段语音波形中均方预测误差最小。理论上常用的是均方误差E[e2(n)]最小的准则，E[·]表示对误差的平方求数学期望或平均值。要得到使E[e2(n)]最小的ak，可将E[e2(n)]对各个系数求偏导，并令其结果为零，即 (5)由式(3)可知 (6)将式(6)带入式(5)中可得 -2E[e(n)s(n-k)]=0,k=1,2,…,p (7)由(7)可知，预测误差与信号的过去p个取样值是正交的，称为正交方程。将式(3)代入式(7)得 (8) 令s(n)的自相关序列为 R(k)=E[s(n)s(n-k)] (9)由于自相关序列为偶对称，那么， R(k)=R(-k)=E[s(n)s(n+k)] (10)这样，式(8)可进一步表示为 (11) 式(11)称为标准方程式，它表明只要语音信号是已知的，则p个预测系数a1,a2,…,ap通过求解该方程即可得到。设式(11)矩阵形式为 (12)式中，是p阶自相关阵的逆矩阵，通过求解该式即可求得P个线性预测系数。LPC和语音信号模型的关系；线性预测分析是建立在语音产生的数字模型基础上的，语音产生的数字模型简化框图如图二所示。 图二 语音产生的数字模型简化框图该模型的参数有清/浊音判决、浊语音的基音周期、增益常数G及数字时变滤波器系数a1,a2,…,ap，这些参数是随时间缓慢变化的。其中，输人的语音信号可由周期脉冲序列的激励(对于浊音)或者随机噪声序列的激励(对于清音)来模拟，周期脉冲序列之间的间隔即为基音周期。而声门激励、声道调制和嘴唇辐射的合成贡献，可用如下数字时变滤波器表示 (13)一般都用AR模型作为语音信号处理的常用模型。此时时变数字滤波器H(z)写为 (14)式中，增益G以及数字滤波器系数a1,a2,…,ap都可随时间而变化，p为预测器阶数。当p足够大时，这个全极点模型几乎可以模拟所有语音信号的声道系统。对于图二的系统，语音抽样信号s(n)和激励信号之间的关系表示为 (15)比较式(15)和式(3)可知，如果语音信号准确服从式(15)的模型，则e(n)=Gu(n),所以预测误差滤波器A(z)是式(14)中H(z)的逆滤波器，故有下式成立 (16)因为图二所示的模型常用于合成语音，故H(z)也称为合成滤波器。而线性预测误差滤波相当于一个逆滤波过程或逆逼近过程，当调整滤波器A(z)的参数使输出e(n)逼近一个白噪声序列u(n)时，A(z)和H(z)是等效的，而按最小均方误差准则求解线性预测系数正是使输出e(n)白化的过程。Levinson-Durbin算法递推求解自相关法求解式据线性预测分析的原理可知，求解p个线性预测系数的依据，是预测误差滤波器的输出方均值或输出功率最小。可称这一最小方均误差为正向预测误差功率Ep，即 (17)已知上式的第二项为0。再将式(3)代入上式可得 (18) 将式(18)与式(12)组合起来可得 (19) 式(19)方程的系数