线性预测编码的改进方案.docVIP

§10 线性预测编码的改进方案 §10.1 参数分析的改进 线谱频率LSF(Line-Spectrum Frequency)，或者称为线谱对LSP(Line-Spectrum-Pair)是在数学上与LP系数和PARCOR系数完全等价的另一种表示方式。用LSP参数集在频域描述全极点滤波器H(Z)时，由于LSP有一些很有用的性质所以在量化编码方面，比LP参数或PARCOR系数更能引起人们的关注。 §10.1.1 LSP语音分析方法 对于给定阶数p，语音的线性预测编码分析形成一个全极点滤波器1/Ap(z) ，其中 (10.1.1) 参数通常即指预测器系数。与第j阶LPC分析相关的多项式满足如下递推关系： 其中 A0(z) = 1，kj称为部分相关系数，在声管模型的边界条件上它们也被称作反射系数。 式10.1.2中，对于j=p+1，我们有： 式10.1.3中，考虑两种极其自然的边界条件：和，这两个条件在声管模型中相应于声门的完全关闭和完全开放。此时，即可表示为： 预测器多项式10.1.4有两个非常有趣也非常重要的性质，（Ap+1(z)、Pp+1(z)和Qp+1(z)的根均位于单位圆上；（2）Pp+1(z)和Qp+1(z)的根沿着单位圆上随的增加而交替出现。Pp+1(z)和Qp+1(z)容易表达为如下形式： p为偶数： p为奇数： 其中： 系数即被定义为线谱频率。 §10.1.2 三项递推关系 采用如下三项递推式，Split-Levinson算法递归地计算预测多项式： 具体算法如下： 对于k=1,2,…，p,计算 其中：为语音信号的自相关系数。 初始条件为： 这样，预测器系数由下式决定， 反射系数由确定。 Split Levinson 算法的非对称部分与对称部分算法相似， 即递归地求解预测多项式： 运用三项递推关系： 初始条件： 预测器系数可由下式决定， 反射系数由决定。注意对于k=p+1，我们得到方程10.1.6和10.1.7描述的多项式，其根即为LSP。 §10.1.3 求解LSP 首先，进行变量代换： 则 此时，三项递推关系可表示如下： 初始条件: 式10.1.17变为： 初始条件： p为偶数： p为奇数： 运用式(10.1.19)和(10.1.20)的初始条件，公式可表示为如下的矩阵形式： p为偶数： 其中，为阶数是p/2的单位方阵， p为奇数： 其中： 作为结果，的零点实际上就是 或的特征值，的零点即为 和的特征值。注意到这些互异的零点位于开区间-2x2，10.1.16有： 因此线谱频率可立即由相应矩阵如式10.1.25(p为偶数)的特征值立即求得。 可以证明非对称三对角矩阵的特征值分别与对称三对角矩阵的特征值相同，即： 如此变换后对称三对角矩阵的特征值可由二分法迅速求得，从而得到相应的线谱频率。 §10.1.4 LSP参数的性质 (1)求取LSP参数及量化过程中，如果保持LSP参数的有序有界性质即： 则保证全极点滤波器H(Z)是稳定的。 (2) LSP具有误差相对独立的性质，即某个频率点上的LSP的偏差只对该频率附近的语音频谱产生影响，而对其它LSP频率上的语音频谱影响不大。这有利于LSP的量化及插值。 §10.1.5 LSP参数的标量量化 (1) 得到LSP参数的集合 根据需要对语音信号分帧，每帧语音数据首先进行去除无声帧、隔直流、帧间叠接等项处理，然后计算各帧的LSP参数，得到一个足够大的LSP参数构成的集合，利用它来得到每个LSP参数的最低频率、最高频率和概率分布函数。 检验参数的合理性 利用LSP参数取值范围及有序性的限制，检验求取的LSP参数是否准确合理，以保证系统稳定。 失真测度及量化方法 以误差的欧氏距离作为量化失真的度量。基于动态规则划算法进行非均匀的全局最佳量化。 量化器的设计 假定在LSP参数集中，每个参数的量阶数、概率密度函数、最低频率和最高频率是已知的，就可以逐个参数地求最佳量化频率。为了表达简洁，在