AR模型LPC系数的DSP提取与Lattice结构的Verilog实现.pdfVIP

AR 模型LPC 系数的DSP 提取与Lattice 结构的 Verilog 实现 王靖琰 中国科学院上海应用物理研究所，上海 (201800) E-mail：wjycas@ 摘 要：本文讨论了AR 模型及线性预测的原理，在浮点型DSP TMS320C6713B 上实现了 语音信号线性预测系数(LPC)的提取，并利用 LPC 系数用 Verilog 语言实现了 AR 模型的 Lattice 结构。 关键词：AR 模型，线性预测系数，Lattice 结构，TMS320C6713B ，Verilog 1．引言 [1] 参数模型法是现代谱估计的主要内容，经常采用的模型有3种 ： (1) 自回归(AR)模型是一种全极点模型。 (2) 移动平均(MA)模型是一个全零点模型。 (3) 自回归-平均移动(ARMA)模型是一个零极点模型。 其中AR模型是实际处理中被最广泛采用的模型，其求解方程正则方程是一组线性方程， 与其相关的线性预测分析也是信号处理中普遍采用的核心技术。根据数字信号处理的知识， 一个p阶的AR模型总是等效于一个p阶的线性预测器，由一个AR模型的输出可以求得唯一的 预测系数，即线性预测系数。这种线性预测系数最早用于语音编码，因此也称为LPC(linear prediction coding) 。除了编码，LPC还广泛用于信号谱估计，语音识别等领域。 通过线性预测分析求得LPC之后，AR模型的系数也唯一地确定下来，AR模型的实现就 成为下一个问题。模型的实现有直接实现、级联实现与并联实现等方法，1973年由Gay和 Markel提出的Lattice结构（又称格形结构）以其电路结构规则易于实现的优点被广泛用于集 [1] 成电路设计 。 本文以语音信号为例，在DSP上实现了语音信号的LPC提取，然后利用MATLAB程序将 模型的系数转换为Lattice结构的参数，在Quartus II 6.0平台上用Verilog语言实现了模型的 Lattice结构。 2 ．AR模型与线性预测分析基本原理 根据参数模型功率谱估计的思想，可以将语音信号看成是一个白噪声激励一个 AR 模型 而产生的输出，如何根据此输出信号估计 AR 模型的参数是我们下面详细讨论的关键问题。 2.1 AR 模型与线性预测器 参数模型法进行谱估计的思路如下为假设信号 x(n)为一个白噪声序列 u(n)激励一个线 [1] 性系统 H(Z) 的输出，如图 1 所示 。 u(n) 1 x(n) H ( z ) A ( z ) 图 1 AR 参数模型 当H(z)为全极点系统时，此模型便是一个 AR 模型，其表达式为： -1- 1 H (z ) (1) A z p