語(yǔ)音信號(hào)處理試驗(yàn)3LPC特征提取

1、華南理工大學(xué)語(yǔ)音信號(hào)處理實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)名稱：LPC特征提取姓名：學(xué)號(hào)：班級(jí)：10級(jí)電信5班日期：2013年5月24日1.實(shí)驗(yàn)?zāi)康?、熟練運(yùn)用MATLAB軟件進(jìn)行語(yǔ)音信號(hào)實(shí)驗(yàn)；2、熟悉短時(shí)分析原理、LPC的原理；3、學(xué)習(xí)運(yùn)用MATLAB編程進(jìn)行LPC的提??；4、學(xué)會(huì)利用短時(shí)分析原理提取LPC特征序列。2.實(shí)驗(yàn)原理1、LPC分析基本原理LPC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(lái)進(jìn)行預(yù)測(cè)，則稱為 P階線性預(yù)測(cè)。假設(shè)用過(guò)去P 個(gè)取樣值松U2),S(n-p”的加權(quán)之和來(lái)預(yù)測(cè)信號(hào)當(dāng)前取樣值S(n),則預(yù)

2、測(cè)信號(hào)SG)為：pS n 二、ak n -k(1)其中加權(quán)系數(shù)用ak表示，稱為預(yù)測(cè)系數(shù)，則預(yù)測(cè)誤差為pe n =sn -Sn =s n -% ak n -kkw(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:一 2；=E e n= min-jle n一 =0,(1 MkMp)Zk i,k )=E s n -i ,S n -k(5)最小的可表示成:(6)min =0,0 Jk 0,k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(guò)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L

3、PC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n =min事實(shí)上就是短時(shí)自相關(guān)函數(shù)，因而R k )=E|S n ,S n -k根據(jù)平穩(wěn)隨機(jī)信號(hào)的自相關(guān)性質(zhì)，可得 i,k )=R i -k ,i =1,2l| p; k =0,1|H p由(6)式，可得：pmin =R 0 iaM kk 1(10)(11)綜上所述，可以得到如下矩陣形式:R(0 )R(1

4、 ) lR(P-1 )R(1 )R(0) WR(P2)R P -1R P -2 R 0a2a3R1 )R(2)R(3)(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)段叩網(wǎng)川鳥1）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:1 N 1e n =min(13)可以看出，這里的數(shù)據(jù)段兩端不需要添加零取樣值

5、。在理論上，協(xié)方差法計(jì)N n學(xué)但在實(shí)際上當(dāng)每幀信號(hào)因而穩(wěn)定性一般是能夠)o算出來(lái)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, 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, 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)方差法所以,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 在語(yǔ)音信號(hào)處理中往往使用

6、高效的自相關(guān)法5、LPC由于頻率響應(yīng)H(ejw)反映聲道的頻率響應(yīng)和被分析信號(hào)的譜包絡(luò)，因此用log | H (ejw) |做反傅里葉變換求出的LPC倒譜系數(shù)p通過(guò)線性預(yù)測(cè)分析得到的合成濾波器的系統(tǒng)函數(shù)為H(z)=1/(1-2 az)，其i=4AA二二 AA沖激響應(yīng)為h(n)。h(n)的倒譜為h(n) , H(z)= h(n)z就是說(shuō)H (z)的逆變換n z4AAA： Ah(n)是存在的。設(shè) h(0)=0,將式H(z)= h(n)z”兩邊同時(shí)對(duì)z,求導(dǎo)，得n 4PI 1-二二 A二 Aia z1710gP二-h(n)z得到工 nh(n)zJH4 = Jj-p1J aizdN nmnmf aiz

7、i 1iWPr、：； A(1- aiz,) nh(n)zH*= iaz*令其左右兩邊z的各次幕前系數(shù)分別相 i =1ngn 1等，得到h(n)和ai間的遞推關(guān)系h(1) =a anJ. . ah(n)=an+ (1)aih(nk),1 M n W p1n,按其可直接從預(yù)測(cè)系數(shù) ai求得ApAh(n) = (1 -)ai h(n -1), n p y n倒譜h(n)。這個(gè)倒譜是根據(jù)線性預(yù)測(cè)模型得到的，又稱為 LPC倒譜。LPC倒譜由于利用線性預(yù)測(cè)中聲道系統(tǒng)函數(shù) H (z)的最小相位特性，因此避免了一般同態(tài)處理中求復(fù)對(duì)數(shù)的麻煩.實(shí)驗(yàn)數(shù)據(jù)及平臺(tái)本實(shí)驗(yàn)所采用的數(shù)據(jù)是語(yǔ)音文件 phrase.WAV ft

8、 monologue speech_female ,平 臺(tái)是 MATLAB。.實(shí)驗(yàn)過(guò)程(步驟)(1)、實(shí)驗(yàn)步驟1、輸入原始語(yǔ)音2、對(duì)樣本語(yǔ)音進(jìn)行加窗處理3、計(jì)算LPC系數(shù)4、建立語(yǔ)音正則方程5、輸出原始樣本語(yǔ)音、預(yù)測(cè)語(yǔ)音波形和預(yù)測(cè)誤差6、輸出LPC譜7、求出預(yù)測(cè)誤差的倒譜8、輸出原始語(yǔ)音和預(yù)測(cè)語(yǔ)音的語(yǔ)譜圖(2)實(shí)驗(yàn)流程輸入原始語(yǔ)加窗處理計(jì)算LPC系數(shù)建立語(yǔ)音正則方程-d輸出圖像圖1 LPC系數(shù)實(shí)驗(yàn)流程圖.實(shí)驗(yàn)結(jié)果及討論我們使用的原始語(yǔ)音為“monologue speech_female ；運(yùn)行程序，得到原始語(yǔ)音語(yǔ)譜圖和原始語(yǔ)音波形:2Q04006008001000原始語(yǔ)音語(yǔ)譜圖60o O 4

9、2 交與 bSJLL01200Time圖2原始語(yǔ)音語(yǔ)譜圖和原始語(yǔ)音波形在這里我們選取線性預(yù)測(cè)階數(shù)為15,下圖是實(shí)驗(yàn)的結(jié)果，圖3上半部分中 藍(lán)色的線是原始語(yǔ)音幀波形，紅色的線是預(yù)測(cè)語(yǔ)音幀的波形；下半部分為預(yù)測(cè)誤 差；圖4為原始語(yǔ)音幀和預(yù)測(cè)語(yǔ)音幀的短時(shí)譜和 LPC譜的波形:X10原始語(yǔ)音和預(yù)測(cè)語(yǔ)音,波形圖31000 做 =-1000nn矩時(shí)譜1一E4 r : . I._L .rrv5 f, 1 一七 4 ;二VaPvitrvZUU C10050 做 log M 0-5。)10203040506070頻率/dB LPC譜：cInLrrn一)10203040506。70頻率/dB圖4短時(shí)譜和LPC譜-

10、6111111*TTTa - 1 - 1 .11iii原始語(yǔ)音帕倒譜0-250250CD0100150200語(yǔ)音幀預(yù)測(cè)誤差倒諳300-611111T ! 尸 Frq *&M .H_-riil1iii050250mw0100150200語(yǔ)音幀300圖5原始語(yǔ)音和預(yù)測(cè)誤差的倒譜波形0200，原始語(yǔ)音語(yǔ)i普?qǐng)D400600 BOD 10001200Time預(yù)測(cè)語(yǔ)音語(yǔ)譜圖圖6原始語(yǔ)音語(yǔ)譜圖和預(yù)測(cè)語(yǔ)音語(yǔ)譜圖LPC系數(shù):ai =Columns 1 through 81.0000-0.5313-0.1624-0.2005-0.07260.14810.0192-0.1592Columns 9 through 1

11、6-0.12480.18570.06360.0848-0.1475-0.05620.0129-0.0196通過(guò)計(jì)算LPC系數(shù)可以很好的利用先行預(yù)測(cè)中聲道系統(tǒng)函數(shù)的最小相位特 性來(lái)提取特征函數(shù).實(shí)驗(yàn)總結(jié)這次實(shí)驗(yàn)利用MATLAB對(duì)信號(hào)進(jìn)行分析和處理，主要就是進(jìn)行語(yǔ)音線性預(yù) 測(cè)，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(guò)去若干個(gè)取樣 值的線性組合來(lái)逼近。通過(guò)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)。通過(guò)這個(gè)實(shí)驗(yàn)，我對(duì)語(yǔ)音線性預(yù)測(cè)進(jìn) 行了探究和驗(yàn)證，鞏固了課內(nèi)所學(xué)的知識(shí)。.實(shí)驗(yàn)代碼I = wavread(E:yuuyinmonologue spe

12、ech_female.wav);%讀入原始語(yǔ)音%subplot(3,1,1),plot(I);title(原始語(yǔ)音波形)%對(duì)指定幀位置進(jìn)行加窗處理Q = I;N = 256; % 窗長(zhǎng)Hamm = hamming(N); % 力口窗frame = 60;%需要處理的幀位置M = Q(frame - 1) * (N / 2) + 1):(frame - 1) * (N / 2) + N);Frame = M .* Hamm;% 加窗后的語(yǔ)音幀B,F,T = specgram(I,N,N/2,N);m,n = size(B);for i = 1:mFTframe1(i) = B(i,frame);

13、endP =input(請(qǐng)輸入預(yù)測(cè)器階數(shù)=);ai = lpc(Frame,P); % 計(jì)算 Ipc 系數(shù)LP = filter(0 -ai(2:end),1,Frame); %建立語(yǔ)音幀的正則方程FFTlp = fft(LP);E = Frame - LP; % 預(yù)測(cè)誤差subplot(2,1,1),plot(1:N,Frame,1:N,LP,-r);grid;title(原始語(yǔ)音和預(yù)測(cè)語(yǔ)音波形)subplot(2,1,2),plot(E);grid;title(預(yù)測(cè)誤差);pausefLength(1 : 2 * N) = M,zeros(1,N);Xm = fft(fLength,2 *

14、 N);X = Xm .* conj(Xm);Y = fft(X , 2 * N);Rk = Y(1 : N);PART = sum(ai(2 : P + 1) .* Rk(1 : P);G = sqrt(sum(Frame.A2) - PART);A = (FTframel - FFTlp(1 : length(F) ./ FTframel ;subplot(2,1,1),plot(F,20*log(abs(FTframe1),F,(20*log(abs(1./A),-r);grid;xlabel(頻率/dB);ylabel(幅度)；title(短時(shí)譜);subplot(2,1,2),plot(F,(20*log(abs(G ./ A);grid;xlabel(頻率/dB);ylabel(幅度)；title(LPC 譜)；pause%求出預(yù)測(cè)誤差的倒譜pitch = fftshift(rceps(E);M_pitch = fftshift(rceps(Frame);subplot(2,1,1),plot(M_pitch);grid;xlabel(語(yǔ)音幀);ylabel(/dB);title(原始語(yǔ)音幀倒譜);subplot(2,1,2),plot(p