【文章內(nèi)容簡(jiǎn)介】 第一峰值出現(xiàn)在第2個(gè)樣點(diǎn)，窗長(zhǎng)為512（64ms），抽樣頻率為11KHz，說明基因頻率就在這個(gè)點(diǎn)上。四、附錄（參考程序）1）短時(shí)譜 cleara=wavread(39。39。)。subplot(2,1,1),plot(a)。title(39。original signal39。)。gridN=256。h=hamming(N)。for m=1:N b(m)=a(m)*h(m)end y=20*log(abs(fft(b)))subplot(2,1,2)plot(y)。title(39。短時(shí)譜39。)。grid2）語(yǔ)譜圖 [x,fs,nbits]=wavread(39。39。)specgram(x,512,fs,100)。 xlabel(39。時(shí)間(s)39。)。ylabel(39。頻率(Hz)39。)。title(39。語(yǔ)譜圖39。)。3）倒譜和復(fù)倒譜（1）加矩形窗時(shí)的倒譜和復(fù)倒譜cleara=wavread(39。39。,[4000,4350])。N=300。h=linspace(1,1,N)。for m=1:Nb(m)=a(m)*h(m)。end c=cceps(b)。c=fftshift(c)。d=rceps(b)。d=fftshift(d)。 subplot(2,1,1)plot(d)。title(39。加矩形窗時(shí)的倒譜39。)subplot(2,1,2)plot(c)。title(39。加矩形窗時(shí)的復(fù)倒譜39。)（2）加漢明窗時(shí)的倒譜和復(fù)倒譜cleara=wavread(39。39。,[4000,4350])。N=300。h=hamming(N)。for m=1:Nb(m)=a(m)*h(m)。end c=cceps(b)。c=fftshift(c)。d=rceps(b)。d=fftshift(d)。 subplot(2,1,1)plot(d)。title(39。加漢明窗時(shí)的倒譜39。)subplot(2,1,2)plot(c)。title(39。加漢明窗時(shí)的復(fù)倒譜39。)實(shí)驗(yàn)三 基于MATLAB的LPC分析一、實(shí)驗(yàn)?zāi)康木€性預(yù)測(cè)分析是最有效的語(yǔ)音分析技術(shù)之一，在語(yǔ)音編碼、語(yǔ)音合成、語(yǔ)音識(shí)別和說話人識(shí)別等語(yǔ)音處理領(lǐng)域中得到了廣泛的應(yīng)用。語(yǔ)音線性預(yù)測(cè)的基本思想是：一個(gè)語(yǔ)音信號(hào)的抽樣值可以用過去若干個(gè)取樣值的線性組合來逼近。通過使實(shí)際語(yǔ)音抽樣值與線性預(yù)測(cè)抽樣值的均方誤差達(dá)到最小，可以確定唯一的一組線性預(yù)測(cè)系數(shù)。采用線性預(yù)測(cè)分析不僅能夠得到語(yǔ)音信號(hào)的預(yù)測(cè)波形，而且能夠提供一個(gè)非常好的聲道模型。如果將語(yǔ)音模型看作激勵(lì)源通過一個(gè)線性時(shí)不變系統(tǒng)產(chǎn)生的輸出，那么可以利用LP分析對(duì)聲道參數(shù)進(jìn)行估值，以少量低信息率的時(shí)變參數(shù)精確地描述語(yǔ)音波形及其頻譜的性質(zhì)。此外，LP分析還能夠?qū)舱穹?、功率譜等語(yǔ)音參數(shù)進(jìn)行精確估計(jì)，LP分析得到的參數(shù)可以作為語(yǔ)音識(shí)別的重要參數(shù)之一。由于語(yǔ)音是一種短時(shí)平穩(wěn)信號(hào)，因此只能利用一段語(yǔ)音來估計(jì)模型參數(shù)。此時(shí)有兩種方案：一種是將長(zhǎng)的語(yǔ)音序列加窗，然后對(duì)加窗語(yǔ)音進(jìn)行LP分析，只要限定窗的長(zhǎng)度就可以保證分析的短時(shí)性，這種方案稱為自相關(guān)法；另一種方案不對(duì)語(yǔ)音加窗，而是在計(jì)算均方預(yù)測(cè)誤差時(shí)限制其取和區(qū)間，這樣可以導(dǎo)出LP分析的自協(xié)方差法。本實(shí)驗(yàn)要求掌握LPC原理，會(huì)利用已學(xué)的知識(shí)，編寫程序估計(jì)線性預(yù)測(cè)系數(shù)以及LPC的推演參數(shù)，并能利用所求的相關(guān)參數(shù)估計(jì)語(yǔ)音的端點(diǎn)、清濁音判斷、基因周期、共振峰等。二、實(shí)驗(yàn)原理1 LP分析基本原理LP分析為線性時(shí)不變因果穩(wěn)定系統(tǒng)V（z）建立一個(gè)全極點(diǎn)模型，并利用均方誤差準(zhǔn)則，對(duì)已知的語(yǔ)音信號(hào)s(n)進(jìn)行模型參數(shù)估計(jì)。如果利用P個(gè)取樣值來進(jìn)行預(yù)測(cè)，則稱為P階線性預(yù)測(cè)。假設(shè)用過去P個(gè)取樣值的加權(quán)之和來預(yù)測(cè)信號(hào)當(dāng)前取樣值，則預(yù)測(cè)信號(hào)為： (1)其中加權(quán)系數(shù)用表示，稱為預(yù)測(cè)系數(shù)，則預(yù)測(cè)誤差為: (2)要使預(yù)測(cè)最佳，則要使短時(shí)平均預(yù)測(cè)誤差最小有： (3) (4)令 (5) 最小的可表示成： (6)顯然，誤差越接近于零，線性預(yù)測(cè)的準(zhǔn)確度在均方誤差最小的意義上為最佳，由此可以計(jì)算出預(yù)測(cè)系數(shù)。通過LPC分析，由若干幀語(yǔ)音可以得到若干組LPC參數(shù)，每組參數(shù)形成一個(gè)描繪該幀語(yǔ)音特征的矢量，即LPC特征矢量。由LPC特征矢量可以進(jìn)一步得到很多種派生特征矢量，例如線性預(yù)測(cè)倒譜系數(shù)、線譜對(duì)特征、部分相關(guān)系數(shù)、對(duì)數(shù)面積比等等。不同的特征矢量具有不同的特點(diǎn)，它們?cè)谡Z(yǔ)音編碼和識(shí)別領(lǐng)域有著不同的應(yīng)用價(jià)值。2 自相關(guān)法在最佳線性預(yù)測(cè)中，若用下式定義的時(shí)間平均最小均方準(zhǔn)則代替(3)式的集合平均最小均方準(zhǔn)則，即令 (7) 事實(shí)上就是短時(shí)自相關(guān)函數(shù)，因而 (8) （9）根據(jù)平穩(wěn)隨機(jī)信號(hào)的自相關(guān)性質(zhì)，可得 (10) 由(6)式，可得： (11) 綜上所述，可以得到如下矩陣形式： (12)值得注意的是，自相關(guān)法在計(jì)算預(yù)測(cè)誤差時(shí)，數(shù)據(jù)段的兩端都需要加P個(gè)零取樣值，因而可造成譜估計(jì)失真。特別是在短數(shù)據(jù)段的情況下，這一現(xiàn)實(shí)更為嚴(yán)重。另外，當(dāng)預(yù)測(cè)系數(shù)量化時(shí)，有可能造成實(shí)際系統(tǒng)的不穩(wěn)定。自相關(guān)解法主要有杜賓算法、格型算法和舒爾算法等幾種高效遞推算法。3 協(xié)方差法如果在最佳線性預(yù)測(cè)中，用下式定義的時(shí)間平均最小均方準(zhǔn)則代替(3)式的集合平均最小均方準(zhǔn)則，則可得到類似的方程： （13） 可以看出，這里的數(shù)據(jù)段兩端不需要添加零取樣值。在理論上，協(xié)方差法計(jì)算出來的預(yù)測(cè)系數(shù)有可能造成預(yù)測(cè)誤差濾波器的不穩(wěn)定，但在實(shí)際上當(dāng)每幀信號(hào)取樣足夠多時(shí)，其計(jì)算結(jié)果將與自相關(guān)法的結(jié)果很接近，因而穩(wěn)定性一般是能夠保證的 (當(dāng)然這種方法也有量化效應(yīng)可能引起不穩(wěn)定的缺點(diǎn))。協(xié)方差解法的最大優(yōu)點(diǎn)在于不存在自相關(guān)法中兩端出現(xiàn)很大預(yù)測(cè)誤差的情況，在N和P相差不大時(shí)，其參數(shù)估值比自相關(guān)法要精確的多。但是在語(yǔ)音信號(hào)處理時(shí)，往往取N在200左右。此時(shí)，自相關(guān)法具有較大誤差的段落在整個(gè)語(yǔ)音段中所占的比例很小，參數(shù)估值也是比較準(zhǔn)確的。在這種情況下，協(xié)方差法誤差較小的優(yōu)點(diǎn)就不再突出，其缺乏高效遞推算法的缺點(diǎn)成為了制約因素。所以，在語(yǔ)音信號(hào)處理中往往使用高效的自相關(guān)法。4 全極點(diǎn)聲道模型將線性預(yù)測(cè)分析應(yīng)用于語(yǔ)音信號(hào)處理，不僅是為了利用其預(yù)測(cè)功能，更因?yàn)樗峁┝艘粋€(gè)非常好的聲道模型。將式(2)所示的方程看成是濾波器在語(yǔ)音信號(hào)激勵(lì)下的輸入輸出方程，則該濾波器稱為預(yù)測(cè)誤差濾波器，其e(n)是輸出誤差。變換到z域，P階預(yù)測(cè)誤差濾波器的系統(tǒng)函數(shù)為 （14） 可以看出，如果將預(yù)測(cè)誤差e(n)作為激勵(lì)信號(hào)，使其通過預(yù)測(cè)誤差濾波器的逆濾波器H(Z)，即 （15） 則H(Z)的輸出為語(yǔ)音信號(hào)s(n)，也就是說，H(Z)在預(yù)測(cè)誤差e(n)的激勵(lì)下可以合成語(yǔ)音。因此，H(Z)被稱為語(yǔ)音信號(hào)的全極點(diǎn)模型，也稱為語(yǔ)音合成器。該模型的參數(shù)就是P階線性預(yù)測(cè)的預(yù)測(cè)系數(shù)。因?yàn)轭A(yù)測(cè)誤差含有語(yǔ)音信號(hào)的基音信息，所以對(duì)于濁音，模型的激勵(lì)信號(hào)源是以基音周期重復(fù)的單位脈沖；對(duì)于清音，激勵(lì)信號(hào)源e(n)是自噪聲。語(yǔ)音信號(hào)的全極點(diǎn)模型是一種很重要的聲道模型，是許多應(yīng)用和研究的基礎(chǔ)。5 LPCC如果聲道特性H(Z)用式(14)所示的全極點(diǎn)模型表示，有 （16）式中，S(z)和I(z)分別為語(yǔ)音信號(hào)和激勵(lì)源的Z變換。對(duì)人的聽覺來說，濁音是最重要的語(yǔ)音信號(hào)。對(duì)于濁音，模型的激勵(lì)信號(hào)源e(n)是以基音周期重復(fù)的單位脈沖，此時(shí)有。可得的Z變換S(z)為 （17）式中，為P階線性預(yù)測(cè)系數(shù)。根據(jù)倒譜的定義，對(duì)具有最小相位特征的語(yǔ)音信號(hào)，有