【導讀】作為最有效的語音分析技術之一，線性預測是一種基于全極點模型假定和均方預測誤差。最小準則下的波形逼近技術，通過對音頻信號的時域和頻域分析對聲道參數(shù)進行估值，以少。量低信息率的時變參數(shù)精確地描述語音波形及其頻譜的性質(zhì)，能夠在盡量保持原音質(zhì)的基礎。上合成出高質(zhì)量的語音。本文重點研究了線性預測的原理、Levinson-Durbin算法，基于MATLAB進行語。音線性預測仿真，并對參數(shù)的選取做了比較分析。關鍵詞語音信號LPCLevinson-Durbin算法MATLAB仿真

　　

【正文】 真內(nèi)容 對音頻信號進行分析，實現(xiàn)對語音采樣、線性編碼，使語音在傳輸時失真最小。 仿真系統(tǒng)模型 通過在 MATLAB 命令欄中輸 入 dsplpc，打開語音信號線性預測分析仿真模型： 顯示仿真模型如下圖： 圖 31 仿真系統(tǒng) 框 圖 圖 31 是線性預測語音信號的分析合成系統(tǒng)，本仿真圖由兩大部分構成，分別是語音信號的分析合成部分。由上圖可知對于因信號進行采樣，采樣頻率為 8KHz 的語音信號“ MATLAB”，首先進行 預加重 ，提升語音信號的高頻部分，提高信噪比，然后通過疊階窗分析將語音信號的頻譜圖連接起來，達到淡入淡出的效果，防止語音信號在連接點的跳變，避免刺耳的噪聲。 11 而后通過漢明窗對語音信號頻譜進行截取，分析一段語音信號。進行自相關函數(shù) 的計算，得到 LPC 方程組，通過萊文森 — 杜賓算法計算出預測系數(shù)。預測系數(shù)作為逆濾波系數(shù)，并將殘差信號送到聲道濾波器中進行濾波，合成的語音信號進行 去加重 ，便得到與原始信號相似的語音波形。 仿真工作過程 語音信號采樣 圖 32 輸入語音信號模型 雙擊出現(xiàn)如下對話框，輸入一個 8kHZ 的語音信號 “ matlab” 。 圖 33 輸入語音信號 參數(shù)設定 參數(shù)分析：采樣周期為 1/8000,每幀采樣點為 80，并分幀處理。 預加重 圖 34 預加重 模型 12 圖 35 預加重參數(shù)設定 參數(shù) 分析： 傳遞函數(shù)類型：全極點，即全零點 FIR數(shù)字濾波器。這類濾波器對于無限長脈沖響應最終趨于 0，由于無限長脈沖 響應濾波器中存在反饋電路， 因此 對于脈沖輸入信號的響應是無限延續(xù)的。有限 脈沖 響應濾波器的優(yōu)點： FIR 有線性相位，不會導致信號的包絡失真，各個頻率成分傳輸速度同樣 快 ，同步到達輸入端。而 IIR 濾波器則可能導致包絡失真，部分頻率成分傳輸速度快就會 先 到達接收端，速度慢色頻率成分則會后到達接收端，在輸出端疊加，造成失真。并且 FIR 濾波器是穩(wěn)定的，在 Z域轉(zhuǎn)換后的所有極點都在單位圓內(nèi)。 濾波器結(jié)構： 直接型無反饋。分 子系數(shù)： [1,] 起始值： ]10[0 在語音信號的 A/D 轉(zhuǎn)換過程中，為了防止頻譜混疊，通常在對模擬語音信號取樣之前先進行低通濾波器，但濾波的同時也降低了高頻趨于信號的能量，這對線性預測分析是相當不利的。由于高頻區(qū)域能量的降低可能會影響到自相關矩陣的正確性，導致自相關矩陣病態(tài)甚至可逆，因而通常在計算 LPC 系數(shù)之前利用只有一個零點的濾波器對語音進行處理，預加重的目的就是增強語音的高頻分辨率。使信號的頻譜變得平坦，保持在低頻到高頻的整個頻帶中，能用同樣的信噪比求頻譜，以 便于頻譜分子或聲道參數(shù)分析。通俗的說，預加重就是設計濾波器，常采用的是傳遞函數(shù)為 H（ z） =1u/z 的一階 FIR 高通濾波器來實現(xiàn)預加重。預加重系數(shù)取接近于 1 的值，常取 ~1。設 n 時刻的語音采樣信號 x(n)，經(jīng)過預加重處理后的結(jié)果為 y(n)=x(n)ux(n1)，這里取 u=。 13 疊階窗分析 圖 36 疊接窗 模型 如圖 31 所示，通過預加重處理后，接下來進行加窗分幀處理。語音信號是一種隨時間變化的信號，主要分為濁音和清音兩大類。濁音的基 音 周期、清音周期信號幅度和聲道參數(shù)等都隨時間而緩 慢變化。由于發(fā)聲器官的慣性運動，可以認為在一小段時間里（一般為10~30ms）語音信號近似不變，即語音信號具有短時平穩(wěn)性。這樣，可以把語音信號分為一些短幀（稱為分析幀）逐幀進行處理。正是因為逐幀分析，所以在幀與幀之間，即波形相接的地方不夠平滑，在聽覺上會有嚴重的失真，所以我們要 建立 淡入淡出的概念，通過交疊分段的方法，使幀和幀之間平滑過渡，使其保持連續(xù)性。語音信號的分幀是采用可移動的有限長度窗口進行加權的方法實現(xiàn)的。一般每秒 33~100 幀，視情況而定。前一幀和后一幀的交疊部分稱為幀移，幀移與幀長的比值一般取為 0~1/2。 雙擊該圖標將出現(xiàn)圖 37： 圖 37 疊接窗參數(shù)設定 參數(shù)分析：由上圖可知，幀長： 160bit。 幀移動： 80bit； 幀移與幀長的比值為 1/2，即一幀 160 個樣點，緩沖 80 個樣點。 漢明窗 14 圖 38 漢明窗 模型 如圖 38 所示，語音信號的分幀是采用可移動的有限長度窗口進行加權的方法來實現(xiàn)的。常用的窗有兩種，一種是矩形窗，一種是漢明窗，在這里我們用的是漢明窗。 下圖是漢明窗的參數(shù)設定： 圖 39 漢明窗參數(shù)設定 參數(shù)分析：由圖可知采用漢明窗口輸入，采用對稱采樣。 自相關算法 圖 310 自相關和 萊文森 杜賓 算法模型 由前面的討論可知，清音和濁音的發(fā)生機理不同，因此在波形上也存在著較大差異。濁音的時間波形呈現(xiàn)出一定的周期性，波形之間相似性較好；清音的時間波形呈現(xiàn)出隨機噪聲的特性，雜亂無章，樣點間的相似性較差。這樣，可以用自相關函數(shù)測定語音的相似特性，之后運用萊文森 杜賓算法進行快速簡便的運算，計算出預測系數(shù)。 15 在這個過程中即可用前 n1 個值來預測第 n 個值，用來取消冗余，實際與現(xiàn)實有誤差，來計算誤差。計算得出的值作為預測系數(shù)進行傅里葉等計算得到 LPC 的頻譜 。而通過萊文森算法得出的預測系數(shù)作為濾波器系數(shù)，使預測語音信號和原始信號進行相減濾波得出殘差，這里 即為預測系數(shù)。 圖 311為 LPC 頻譜。如圖 312為通過格形算法算出的反射系數(shù)樣點波形圖。 圖 311 LPC 頻譜圖 圖 312 反射系數(shù)樣點波形 圖 311為萊文森 杜賓算法計算得出的預測系數(shù)經(jīng)添零后作傅里葉變換，再求其倒數(shù)得到的 LPC 頻譜，圖 312為格形算法計算得出的反射系數(shù)樣點波形圖。通過杜賓算法算出的預測系數(shù)與通過格形算法算出的預測系數(shù)其實沒有本質(zhì)的區(qū)別，只是相比較而言，格形算法較為 16 簡潔， 更易于保證語音合成器的穩(wěn)定性。此外，格形結(jié)構對于算法中的有限字長帶來的誤差比較不敏感，因此特別適宜于只能采取定點的硬件系統(tǒng)來實現(xiàn)，基于以上原因，大部分用語音合成器的系統(tǒng)都采用格形結(jié)構。 通過圖 311 也可以清晰地看到第一共振峰，第二共振峰以及第三共振峰。在語音科學及語音學中，共振峰描述的是人類聲道中的共振情形。常用的測量方法是由頻譜分析或聲譜圖中，尋找頻譜中的峰值。但假如如說話者，用比較高的基頻發(fā)出元音，例如小孩或女性的聲音，則頻譜上看起來比較像是寬帶狀，比較無法看出明顯的峰值。 數(shù)字濾波器 從 仿真框圖中可以看到，分析濾波器有兩個輸入端，經(jīng)格形運算后的預測系數(shù)作為分析濾波器的系數(shù)，并對預加重后的原始語音信號濾波，輸出殘渣。這個過程其實就是取新樣本的實際數(shù)值，和預測值進行比較，得到差值后，僅把預測值與現(xiàn)實樣值之差（預測誤差）進行傳輸。接下來在接收端通過一個合成濾波器，將經(jīng)格形算法得出的預測系數(shù)作為合成濾波器的預測系數(shù)，對殘差進行濾波，得到新的語音信號，最后經(jīng)加重濾波器，便可恢復與原信號近似的波形。 圖 313 為分析濾波器的參數(shù)設定圖。 圖 313 分析濾波器參數(shù)設定 由圖 313 可知，分析濾波器 采用 FIR數(shù)字濾波器。 17 圖 314 LPC 誤差濾波器參數(shù)設定 由圖 314 可知，合成濾波器采用的是 IIR 型數(shù)字濾波器。 圖 315 零時刻殘差時域波形圖 18 圖 316 中間時刻殘差時域波形 如圖 315,316 所示為 LPC 誤差濾波器輸出的殘差系數(shù)在不同時刻的時域波形圖。 由圖 315 和圖 316 可以知道，由于我們輸入的語音信號為 matlab，最開始頻譜沒有明顯波動，當將時間軸調(diào)到中間的部分，可以看到頻譜變化十分明顯，很像噪聲的頻譜，那是因為發(fā)出 t這樣的清音，類似于噪聲，導致頻譜變化幅度非常明顯 。 仿真結(jié)果分析 實驗結(jié)果通過雙擊 Original Signal 模塊來聽原始語音，與雙擊 Processed Signal 模塊，采用 LPC 法合成的語音信號來聽量化的語音，發(fā)現(xiàn)兩者聽起來 幾乎 沒有差別。 參考文獻 [1] 易克初，田斌，付強 . 語音信號處理 [M]. 國防工業(yè)出版社， 2020， 6. 95~106 [2] 張雪英 . 數(shù)字語音處理 [M]. 電子工業(yè)出版社， 2020,~100 [3] 薛定宇，陳陽泉 . 基于 MATLAB/Simulink 的系統(tǒng)仿真技術與應用， 2020,2. [4] 李賀冰 . Simulink 通信仿真教程 [M]. 國防工業(yè)出版社， 2020,5. 27~35 [5] 楊行峻，遲惠生，等 . 語音信號數(shù)字處理 [M].北京：電子工業(yè)出版社， 1995,~63