声学特征 PLP

---

PLP的由来

Linear prediction可以用来获得语音功率谱$P(\omega )$的全极点模型$A(\omega )$，也可以把LP看做获取$P(\omega )$的频谱包络的手段，参考前面的文章
由于LP对待所有频率一视同仁，它不符合人耳的听觉机理，比如人耳对于高于800Hz的感知会下降，对于中间频段更敏感。
为了解决这个问题，Hermansky在进行LP之前修改语音的功率谱$P(\omega )$，称为perceptual linear predictive。可以理解为更符合听觉感知的LP。

PLP流程

在LP之前修改$P(\omega )$，需要的步骤见下图

critical-band spectral resolution

首先在频率轴上将Hz转化为Bark，参考bark scale,500Hz以下跟频率近似线性关系，500Hz以上近似log关系

Ω ( ω ) = 6 l n { ω / 1200 π + [ ( ω / 1200 π ) 2 + 1 ] 0.5 } \Omega(\omega)=6ln\{\omega/1200\pi+[(\omega/1200\pi)^2+1]^{0.5}\} Ω(ω)=6ln{ω/1200π+[(ω/1200π)2+1]0.5}
然后和critial-band masking curve $\Psi (\Omega )$进行卷积
$$\Theta ({\Omega }_i)=\sum _{\Omega =-1.3}^{2.5}P(\Omega -{\Omega }_i)\Psi (\Omega )$$

equal-loudness preemphasis

为了模拟听觉对于不同频带敏感度的不同，使用equal-loudness curve对频谱进行预加重
$$\Xi [\Omega (\omega )]=E(\omega )\Theta [\Omega (\omega )]$$
其中$E(\omega )$如下：
$$E(\omega )=[({\omega }^2+56.8\ast 10^6){\omega }^4]/[({\omega }^2+6.3\ast 10^6{)}^2\ast ({\omega }^2+0.38\ast 10^9)]$$

intensity-loudness power law

为了描述声音强度和感知响度之间的关系
$$\Phi (\Omega )=\Xi (\Omega {)}^{0.33}$$

参考

Perceptual linear predictive (PLP) analysis of speech

后面的技术分享转移到微信公众号上面更新了，【欢迎扫码关注交流】