語音信號線性預(yù)測分析仿真

1、摘 要作為最有效的語音分析技術(shù)之一，線性預(yù)測是一種基于全極點(diǎn)模型假定和均方預(yù)測誤差最小準(zhǔn)則下的波形逼近技術(shù)，通過對音頻信號的時(shí)域和頻域分析對聲道參數(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(chǔ)上合成出高質(zhì)量的語音。本文重點(diǎn)研究了線性預(yù)測（LPC）的原理、Levinson-Durbin算法，基于MATLAB進(jìn)行語音線性預(yù)測仿真，并對參數(shù)的選取做了比較分析。關(guān)鍵詞 語音信號 LPC Levinson-Durbin算法MATLAB仿真AbstractAs one of the most effective speech analysis techni

2、que, linear prediction is a kind of based on the pole model assumption and minimum mean square error criterion of wave approximation technique, based on the audio signal of time domain and frequency domain analysis of track parameters valuations, with a few low information rate of time-varying param

3、eters accurately describe the nature of the speech waveform and spectrum, to be able to try to keep the original sound quality on the basis of the synthesis of high quality speech. This paper mainly studies the linear prediction (LPC), Levinson - from the principle of the algorithm, based on MATLAB

4、speech linear prediction simulation, and the selection of parameters to do a comparative analysis. Keywords voice signal LPC Levinson - Durbin algorithm MATLAB simulation目 錄第1章 緒論11.1 語音信號LPC分析技術(shù)的基本概念1第2章 線性預(yù)測編碼的基本原理22.1 語音信號的產(chǎn)生22.2 線性預(yù)測的概念與原理22.2.1 線性預(yù)測分析的概念22.2.2 LPC和語音信號模型的關(guān)系42.3 解線性預(yù)測參數(shù)方程組的算法52.

5、3.1 Levinson-Durbin自相關(guān)解法52.3.2 利用格型法求解線性預(yù)測系數(shù)6第3章 simulink仿真的分析合成系統(tǒng)103.1 仿真內(nèi)容103.2 仿真系統(tǒng)模型103.3 仿真工作過程113.3.1 語音信號采樣113.3.2 預(yù)加重113.3.3 疊接窗分析133.3.4 漢明窗143.3.5 自相關(guān)算法143.3.6 數(shù)字濾波器163.4 仿真結(jié)果分析18參考文獻(xiàn)18第1章 緒論1.1 語音信號LPC分析技術(shù)的基本概念語音是人們交流思想和進(jìn)行社會活動的最基本手段, 我們要對語音信號進(jìn)行測定并將其轉(zhuǎn)變?yōu)榱硪环N形式, 以提高我們的通信能力。線性預(yù)測(Linear Predict

6、ion)這一術(shù)語是維納1947年首次提出的，此后，線性預(yù)測應(yīng)用于許多領(lǐng)域中。1967年，板倉等人最先將線性預(yù)測技術(shù)直接應(yīng)用到語音分析和合成中。線性預(yù)測作為一種工具，幾乎普遍地應(yīng)用于語音信號處理的各個(gè)方面。這種方法是最有效和最流行的語音分析技術(shù)之一。在各種語音分析技術(shù)中，它是第一個(gè)真正得到實(shí)際應(yīng)用的技術(shù)。線性預(yù)測技術(shù)產(chǎn)生至今，語音處理又有許多突破，但這種技術(shù)目前仍然是唯一的最重要的分析技術(shù)基礎(chǔ)。在估計(jì)基本的語音參數(shù)(例如基音、共振蜂、譜、聲道面積函數(shù)，以及用低速率傳輸或儲存語音等)方面，線性預(yù)測是一種主要的技術(shù)。其重要性在于它能夠極為精確地估計(jì)語音參數(shù)，用極少的參數(shù)有效而又正確地表現(xiàn)語音波形及其

7、頻譜的性質(zhì)，而且可以用比較簡單的計(jì)算和比較快的速度求得參數(shù)。線性預(yù)測分析是最有效的語音分析技術(shù)之一，在語音編碼、語音合成、語音識別和說話人識別等語音處理領(lǐng)域中得到了廣泛的應(yīng)用。語音線性預(yù)測的基本思想是：一個(gè)語音信號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)際語音抽樣值與線性預(yù)測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)測系數(shù)。采用線性預(yù)測分析不僅能夠得到語音信號的預(yù)測波形，而且能夠提供一個(gè)非常好的聲道模型。如果將語音模型看作激勵源通過一個(gè)線性時(shí)不變系統(tǒng)產(chǎn)生的輸出，那么可以利用LPC分析對聲道參數(shù)進(jìn)行估值，以少量低信息率的時(shí)變參數(shù)精確地描述語音波形及其頻譜的性質(zhì)。此外，LP

8、C分析還能夠?qū)舱穹?、功率譜等語音參數(shù)進(jìn)行精確估計(jì)，LPC分析得到的參數(shù)可以作為語音識別的重要參數(shù)之一。第2章 線性預(yù)測的基本原理2.1 語音的產(chǎn)生為了用數(shù)字信號處理的方法對語音信號進(jìn)行處理，首先要建立語音信號產(chǎn)生的數(shù)字模型，因此，我們必須在對人的發(fā)聲器官和機(jī)理上進(jìn)行研究的基礎(chǔ)上，才能建立精確的模型?？諝庥煞尾颗湃牒聿浚?jīng)過聲帶進(jìn)入聲道，最后由嘴輻射出聲波，這就形成了語音。在聲門以左，稱為“聲門子系統(tǒng)”，它負(fù)責(zé)產(chǎn)生激勵振動；右邊是“聲道系統(tǒng)”和“輻射系統(tǒng)”。當(dāng)發(fā)出不同的語音，激勵和聲道的情況是不同的，它們對應(yīng)的模型也不同。空氣經(jīng)過聲帶時(shí)，如果聲帶是緊繃的，則聲帶將周期性地開啟和閉合。聲帶啟開時(shí)

9、，空氣流從聲門噴出，形成一個(gè)脈沖，聲帶閉合時(shí)相應(yīng)于脈沖序列的間隙期。因此，這種情況下在聲門處產(chǎn)生一個(gè)準(zhǔn)周期脈沖的空氣流。該空氣流經(jīng)過聲道流入聲道后從嘴唇輻射出來，從而產(chǎn)生濁音。如果聲帶是完全舒展的，則空氣流將不受影響的通過聲門并進(jìn)入聲道。這時(shí)，如果聲道有某部位收縮成一個(gè)狹窄的通道，則空氣流到達(dá)此處時(shí)將被迫高速沖過此收縮區(qū)，并在附近形成湍流，這種空氣湍流激勵聲道后便形成清音或摩擦音。這時(shí)，如果聲道有部位完全閉合，則當(dāng)空氣流到達(dá)時(shí)將在此處形成空氣壓力，一旦閉合處突然開啟便會讓空氣壓力快速釋放，激勵聲道后便會形成爆破音。語音信號是一種典型的非平穩(wěn)信號。但是由于語音的形成過程與發(fā)音器官的運(yùn)動密切相關(guān)，

10、這種物理運(yùn)動比起聲音振動速度來講要緩慢得多，因此語音信號常常可假定為短時(shí)平穩(wěn)的，即在1020ms這樣的時(shí)間段內(nèi)，其頻譜特性和某些物理特征參量可以近似看做不變。這樣，我們就可以采用平穩(wěn)過程的分析處理方法。一般是用一個(gè)長度有限的窗序列截取語音信號進(jìn)行分析，并讓這個(gè)窗滑動以便分析任一時(shí)刻附近的信號。2.2 線性預(yù)測的概念與原理2.2.1 線性預(yù)測分析的概念線性預(yù)測編碼原理：利用過去的樣值對新樣值進(jìn)行預(yù)測，然后將樣值的實(shí)際值與其預(yù)測值相減得到一個(gè)誤差信號，顯然誤差信號的動態(tài)范圍遠(yuǎn)小于原始語音信號的動態(tài)范圍，對誤差信號進(jìn)行量化編碼，可大大減少量化所需的比特?cái)?shù)，使編碼速率降低。線性預(yù)測分析又稱LPC分析，

11、對分析就是用過去P個(gè)取樣值的加權(quán)之和來預(yù)測信號當(dāng)前取樣值，如果利用P個(gè)取樣值來進(jìn)行預(yù)測，則稱為P階線性預(yù)測。預(yù)測信號為： (2.2.1)，稱為預(yù)測系數(shù)，由于語音信號性質(zhì)變化緩慢，所以對于所分析的幀來說，預(yù)測系數(shù)是一組恒定的參數(shù)。預(yù)測誤差為:(2.2.2)預(yù)測誤差e(n)是信號s(n)通過如下系統(tǒng)的輸出，A(z)稱為LPC誤差濾波器.圖2.2該方程可以求出預(yù)測誤差濾波器的傳輸函數(shù)為將（2.2.2）改寫成下列形式現(xiàn)在輸入信號是，輸出信號是，傳輸函數(shù)為這是一個(gè)全極點(diǎn)濾波器，稱為LPC的語音合成模型。系統(tǒng)A（z）為LPC誤差濾波器，設(shè)計(jì)預(yù)測誤差濾波器就是求解預(yù)測系數(shù)，使得預(yù)測誤差e(n)在某個(gè)預(yù)定的準(zhǔn)

12、則下最小，這個(gè)過程就是LPC分析。線性預(yù)測的基本問題就是由語音信號直接求出一組線性預(yù)數(shù) ，這組預(yù)測誤差濾波器就被看做語音產(chǎn)生模型中系統(tǒng)函數(shù)H（z）的參數(shù)，使得在一短段語音波形中均方預(yù)測誤差最小。將 對各個(gè)系數(shù)求偏導(dǎo)，并令其結(jié)果為零，即（2.2.3）由式（2.2.2）可知（2.2.4）將式（2.2.4）代入（2.2.3）可得（2.2.5）式（2.2.5）表明預(yù)測誤差與信號的過去p的取樣值是正交的，稱為正交方程。將式（2.2.2）代入（2.2.5）得（2.2.6）令s(n)的自相關(guān)序列為 （2.2.7）由于自相關(guān)序列為偶對稱，因此 （2.2.8）這表明式（2.2.8）與一般的自相關(guān)序列的定義是一樣

13、的。這樣式（2.2.7）進(jìn)一步表示為 （2.2.9）上式稱為標(biāo)準(zhǔn)方程式，它表明只要語音信號是已知的，則p個(gè)預(yù)測系數(shù) 通過求解該方程即可得到。設(shè) （2.2.10）上式矩陣形式為 或者 （2.2.11）通過求解上式即可求得p個(gè)線性預(yù)測系數(shù) 2.2.2 LPC和語音信號模型的關(guān)系如圖1所示，為描述語音產(chǎn)生過程的離散時(shí)間信號模型。圖中，準(zhǔn)周期性脈沖序列發(fā)生器產(chǎn)生濁音的激勵源，濁音的基音頻率由脈沖重復(fù)的周期決定；隨機(jī)噪聲發(fā)生器產(chǎn)生清音的激勵源，模擬湍空氣湍流；清濁音開關(guān)控制清音和濁音的產(chǎn)生；嘴唇的輻射特性可以用一個(gè)一階極點(diǎn)數(shù)字濾波器來實(shí)現(xiàn)；增益控制來控制語音的強(qiáng)度。模型中所有參數(shù)（基音頻率，隨即噪聲的方

14、差，清濁音開關(guān)的位置，模型的參數(shù)）都是隨著時(shí)間改變的。聲門激勵、聲道調(diào)制和嘴唇輻射的合成貢獻(xiàn)，可用如下數(shù)字時(shí)變?yōu)V波器表示上式既有極點(diǎn)又有零點(diǎn)。按其有理式的不同，有如下三種信號模型：（1）自回歸滑動平均模型（ARMA模型）；（2）自回歸信號模型（AR模型）；（3）滑動平均模型（MA模型）。 一般都用AR模型作為語音信號處理的常用模型。此時(shí)H(z)寫為式中，增益G以及數(shù)字濾波器系數(shù)都可以隨時(shí)間而變化，p為預(yù)測器階數(shù)。當(dāng)p足夠大時(shí)，上式幾乎可以模擬所有語音信號的聲道系統(tǒng)。采用簡化模型的主要優(yōu)點(diǎn)：可以用線性預(yù)測分析法對增益G和濾波器系數(shù)進(jìn)行直接而高效的計(jì)算。在語音產(chǎn)生的數(shù)字模型中，語音抽樣信號s(n)

15、和激勵信號之間的關(guān)系可用下列差分方程來表示：可見，如果語音信號準(zhǔn)確服從上式的模型，則 ，所以預(yù)測誤差濾波器A(z)是H（z）的逆濾波器，故有下式成立： 2.3 線性預(yù)測的概念與原理2.3.1 Levinson-Durbin自相關(guān)解法由于語音是一種短時(shí)平穩(wěn)信號，因此只能利用一段語音來估計(jì)模型參數(shù)。將長的語音序列加窗，然后對加窗語音進(jìn)行LPC分析，只要限定窗的長度就可以保證分析的短時(shí)性，這種方案稱為自相關(guān)法。 )()()()( )()()()(11min2åå=-=þýüîíìúûù

16、34;ëé-=piipiipinsneEansneEinsansneEneEE根據(jù)線性預(yù)測分析的原理可知，求解p個(gè)線性預(yù)測系數(shù)的依據(jù)，是預(yù)測誤差濾波器的輸出方均值或輸出功率最小。稱這一最小方均誤差為正向預(yù)測誤差功率，即 （2.3.1）由式（2.2.5）正交方程知上式第二項(xiàng)為0。再將式（2.2.2）代入可得以上兩式組合起來得稱為尤勒-沃爾克（Yule-Walker）方程。方程的系數(shù)矩陣為托普利茲（Toeplitz）矩陣 可見，為了解得線性預(yù)測系數(shù)，必須首先計(jì)算出自相關(guān)序列R(k) ，為了簡化計(jì)算，可根據(jù)語音信號的短時(shí)平穩(wěn)特性將語音信號分幀，這樣自相關(guān)序列R(k)可用下式估計(jì)

17、（2.3.2）如果將預(yù)測誤差功率Ep理解為預(yù)測誤差的能量，則上式中的系數(shù)對線性預(yù)測方程的求解沒有影響，因此可以忽略。利用對稱托普利茲(Toeplitz)矩陣的性質(zhì)，自相關(guān)法求解可用Levinson-Durbin（萊文遜-杜賓）遞推算法求解。 該方法是目前廣泛采用的一種方法。利用Levinson-Durbin算法遞推時(shí)，從最低階預(yù)測器開始，由低階到高階進(jìn)行逐階遞推計(jì)算。自相關(guān)法遞推過程如下 )(iii-ka=聯(lián)立上面5式可對i=1、2、p進(jìn)行遞推求解，其最終解為 （2.3.3）2.3.2 利用格型法求解線性預(yù)測系數(shù)在Levinson-Durbin遞推算法中，如果計(jì)算出第i階的線性預(yù)測系數(shù)為(，j

18、l，2，i)，利用這些系數(shù)可以計(jì)算第i階逆濾波器（或稱為預(yù)測誤差濾波器）的系統(tǒng)函數(shù)為 （2.3.4）這個(gè)濾波器的輸人信號是s(n)，輸出信號為預(yù)測誤差，它們之間的關(guān)系為 （2.3.5）經(jīng)過推導(dǎo)，可知第i階線性預(yù)測逆濾波器輸出可分解為兩個(gè)部分，第一部分足(i1)階濾波器的輸出；第二部分是與(i1)階有關(guān)的輸出信號，經(jīng)過單位移序和加權(quán)后的信號。下面討論這兩部分信號的物理意義。將這兩部分信號定義為正向預(yù)測誤差信號和反向預(yù)測誤差信號 （2.3.6） （2.3.7）式（2.3.6）中的即是通常的線性預(yù)測誤差，它是用i個(gè)過去的樣本值：s(n1)、s(n2)、.、s(n-i)來預(yù)測s(n)時(shí)的誤差；而式（2

19、.3.7）中的可看成是用時(shí)間上延遲時(shí)刻的樣本值s(n-i+1)，s(n-i+2)，s(n)預(yù)測s(n-i)樣本的誤差，所以整個(gè)誤差稱為反向預(yù)測誤差。這個(gè)預(yù)測過程稱為反向預(yù)測過程。在建立了正向預(yù)測和反向預(yù)測的概念后就可以推出線性預(yù)測分析用的格型濾波器結(jié)構(gòu)。根據(jù)式（2.3.6）和（2.3.7），當(dāng)i=0時(shí)，有 （2.3.8）而i=p時(shí) （2.3.9）這里是P價(jià)線性預(yù)測逆濾波器所輸出的預(yù)測誤差信號，如果改用符號表示正向預(yù)測誤差，則可寫成如下遞推形式 （2.3.10）圖2-2這個(gè)濾波器輸入為s(n)，輸出為正向預(yù)測誤差，亦即預(yù)測誤差e(n)。另一方面，在圖22所示語音信號模型化的框圖中，模型即合成波器

20、的H（z）亦可采用格型結(jié)構(gòu)。如果將模型中的增益因子G考慮到輸入信號中，則該濾波器輸入是Gu(n)，輸出是合成的語音s(n)。通過線性預(yù)測分析求得的A（z）是H（z）的逆濾波器，Gu(n)則由e(n)來逼近，因此合成濾波器H(z)的結(jié)構(gòu)形式應(yīng)該滿足輸入e(n)時(shí)輸出語音信號s(n)。將式(2.3.10)進(jìn)行整理，可得 （2.3.11）圖2-3反射系數(shù)是語音處理中至關(guān)重要的參數(shù)，它的計(jì)算是一個(gè)重要問題。在自相關(guān)法和協(xié)方差法中，用預(yù)測誤差最小為條件求出線性預(yù)測系數(shù)。格型法的特點(diǎn)之一是能夠在格型的每一級進(jìn)行合適的本級反射系數(shù)計(jì)算。顯然，格型法的結(jié)構(gòu)與前面討論的自相關(guān)法和協(xié)方差法的結(jié)構(gòu)之間存在若干差異。

21、格型濾波器的優(yōu)點(diǎn)為：反射系數(shù)可被直接用于計(jì)算預(yù)測系數(shù)，格型濾波器的級數(shù)等于預(yù)測系數(shù)的個(gè)數(shù)。格型濾波器的穩(wěn)定性可由其反射系數(shù)的值來判定?？梢宰C明，格型濾波器穩(wěn)定的充要條件是：<1。下面，我們進(jìn)行格型法的求解式（2.3.6）的Z變換可以表示為 （2.3.12）將代入到（2.3.4）式，可以從遞推求解，式可得 （2.3.13）取（2.3.7）式的Z變換得 （2.3.14）利用（2.3.14）式球得（2.3.45）式的Z反變換形式為 （2.3.15）同理可推得 （2.3.16）伯格（Burg）提出了一種算法，它是基于使正反向預(yù)測誤差的平方和為最小，可以表示為 （2.3.17）將（2.3.15）式

22、和（2.3.16）式代入（2.3.17）式，可得 （2.3.18）令 （2.3.19）可求出為 （2.3.20）上式說明，將正向與反向預(yù)測誤差聯(lián)系起來了，它表示正向與反向預(yù)測誤差的相關(guān)度，故稱參數(shù)為部分相關(guān)系數(shù)（PARCOR系數(shù)）。的取值范圍為 （2.3.21）格型算法的步驟可以歸納如下：（1） 確定初始值：（2） 由（2.3.20）式可以求得（3） 由（2.3.15）式和（2.3.16）式計(jì)算正向和反向預(yù)測誤差：（4） 設(shè)i=2。（5） 由（2.3.20）式求ki（6） 決定,（j=1,2，i-1），（7） 同（3）。（8） 設(shè)i=i+1。（9） 若ip，重復(fù)（5）（6）（7），否則（10）

23、。（10） 結(jié)束。由于格型算法不需要計(jì)算自相關(guān)函數(shù)，可以直接從語音取樣中求得預(yù)測系數(shù)，因而避免了語音端點(diǎn)處具有比較大的相關(guān)函數(shù)誤差的缺點(diǎn)。第3章 simulink仿真的分析合成系統(tǒng)3.1 仿真內(nèi)容對音頻信號進(jìn)行分析，實(shí)現(xiàn)對語音采樣、線性編碼，使語音在傳輸時(shí)失真最小。3.2 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(yù)測分析仿真模型：顯示仿真模型如下圖：圖3-1 仿真系統(tǒng)框圖圖3-1是線性預(yù)測語音信號的分析合成系統(tǒng)，本仿真圖由兩大部分構(gòu)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(jìn)行采樣，采樣頻率為8KHz的語音信號“MATLAB”，首先進(jìn)行預(yù)加重，提升

24、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(dá)到淡入淡出的效果，防止語音信號在連接點(diǎn)的跳變，避免刺耳的噪聲。而后通過漢明窗對語音信號頻譜進(jìn)行截取，分析一段語音信號。進(jìn)行自相關(guān)函數(shù)的計(jì)算，得到LPC方程組，通過萊文森杜賓算法計(jì)算出預(yù)測系數(shù)。預(yù)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(jìn)行濾波，合成的語音信號進(jìn)行去加重，便得到與原始信號相似的語音波形。3.3 仿真工作過程3.3.1語音信號采樣圖3-2 輸入語音信號模型雙擊出現(xiàn)如下對話框，輸入一個(gè)8kHZ的語音信號“matlab”。圖3-3 輸入語音信號參數(shù)設(shè)定參數(shù)分析：采樣周期為1/8000,每幀采樣點(diǎn)為

25、80，并分幀處理。3.3.2預(yù)加重圖3-4 預(yù)加重模型圖3-5 預(yù)加重參數(shù)設(shè)定參數(shù)分析：傳遞函數(shù)類型：全極點(diǎn)，即全零點(diǎn)FIR數(shù)字濾波器。這類濾波器對于無限長脈沖響應(yīng)最終趨于0，由于無限長脈沖響應(yīng)濾波器中存在反饋電路，因此對于脈沖輸入信號的響應(yīng)是無限延續(xù)的。有限脈沖響應(yīng)濾波器的優(yōu)點(diǎn)：FIR有線性相位，不會導(dǎo)致信號的包絡(luò)失真，各個(gè)頻率成分傳輸速度同樣快，同步到達(dá)輸入端。而IIR濾波器則可能導(dǎo)致包絡(luò)失真，部分頻率成分傳輸速度快就會先到達(dá)接收端，速度慢色頻率成分則會后到達(dá)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(diǎn)都在單位圓內(nèi)。濾波器結(jié)構(gòu)：直接型無反饋。分子系數(shù)：1

26、,0.95 起始值：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(jìn)行低通濾波器，但濾波的同時(shí)也降低了高頻趨于信號的能量，這對線性預(yù)測分析是相當(dāng)不利的。由于高頻區(qū)域能量的降低可能會影響到自相關(guān)矩陣的正確性，導(dǎo)致自相關(guān)矩陣病態(tài)甚至可逆，因而通常在計(jì)算LPC系數(shù)之前利用只有一個(gè)零點(diǎn)的濾波器對語音進(jìn)行處理，預(yù)加重的目的就是增強(qiáng)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(gè)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(yù)加重就是設(shè)計(jì)濾波器，常采用的是傳遞函數(shù)為H（z）=1-u/z的一階FIR高通濾波器來實(shí)現(xiàn)預(yù)加重。預(yù)加重系數(shù)取接

27、近于1的值，常取0.91。設(shè)n時(shí)刻的語音采樣信號x(n)，經(jīng)過預(yù)加重處理后的結(jié)果為y(n)=x(n)-ux(n-1)，這里取u=0.98。3.3.3疊階窗分析圖3-6 疊接窗模型如圖3-1所示，通過預(yù)加重處理后，接下來進(jìn)行加窗分幀處理。語音信號是一種隨時(shí)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(shí)間而緩慢變化。由于發(fā)聲器官的慣性運(yùn)動，可以認(rèn)為在一小段時(shí)間里（一般為1030ms）語音信號近似不變，即語音信號具有短時(shí)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(jìn)行處理。正是因?yàn)橹饚治?，所以在幀與幀之間，即波形相接的地方不夠平滑，在聽覺上

28、會有嚴(yán)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(jìn)行加權(quán)的方法實(shí)現(xiàn)的。一般每秒33100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01/2。 雙擊該圖標(biāo)將出現(xiàn)圖3-7：圖3-7 疊接窗參數(shù)設(shè)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(gè)樣點(diǎn)，緩沖80個(gè)樣點(diǎn)。3.3.4漢明窗圖3-8 漢明窗模型如圖3-8所示，語音信號的分幀是采用可移動的有限長度窗口進(jìn)行加權(quán)的方法來實(shí)現(xiàn)的。常用的窗有兩種，一種是矩形窗，一種是

29、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(shè)定：圖3-9 漢明窗參數(shù)設(shè)定參數(shù)分析：由圖可知采用漢明窗口輸入，采用對稱采樣。3.3.5自相關(guān)算法圖3-10 自相關(guān)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(jī)理不同，因此在波形上也存在著較大差異。濁音的時(shí)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(shí)間波形呈現(xiàn)出隨機(jī)噪聲的特性，雜亂無章，樣點(diǎn)間的相似性較差。這樣，可以用自相關(guān)函數(shù)測定語音的相似特性，之后運(yùn)用萊文森-杜賓算法進(jìn)行快速簡便的運(yùn)算，計(jì)算出預(yù)測系數(shù)。在這個(gè)過程中即可用前n-1個(gè)值來預(yù)測第n個(gè)值，用來取消冗余，實(shí)際與現(xiàn)實(shí)有誤差，來計(jì)算誤差。計(jì)算得出的值作為預(yù)測系數(shù)

30、進(jìn)行傅里葉等計(jì)算得到LPC的頻譜。而通過萊文森算法得出的預(yù)測系數(shù)作為濾波器系數(shù)，使預(yù)測語音信號和原始信號進(jìn)行相減濾波得出殘差，這里 即為預(yù)測系數(shù)。圖3-11為LPC頻譜。如圖3-12為通過格形算法算出的反射系數(shù)樣點(diǎn)波形圖。圖3-11 LPC頻譜圖圖3-12 反射系數(shù)樣點(diǎn)波形圖3-11為萊文森-杜賓算法計(jì)算得出的預(yù)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3-12為格形算法計(jì)算得出的反射系數(shù)樣點(diǎn)波形圖。通過杜賓算法算出的預(yù)測系數(shù)與通過格形算法算出的預(yù)測系數(shù)其實(shí)沒有本質(zhì)的區(qū)別，只是相比較而言，格形算法較為簡潔，更易于保證語音合成器的穩(wěn)定性。此外，格形結(jié)構(gòu)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(diǎn)的硬件系統(tǒng)來實(shí)現(xiàn)，基于