《PC特征提取语音信号处理实验报告.docVIP

华南理工大学 《语音信号处理》实验报告 实验名称：LPC特征提取 姓名：黄志杰 学号：201130301207 班级：11级电信2班 日期：2014年4 月30日 实验内容 （1）熟悉短时分析原理、LPC的原理； （2）学习运用MATLAB编程进行LPC的提取； （3）学会利用短时分析原理提取LPC特征序列。 2. 实验方法 LPC分析基本原理 LPC分析为线性时不变因果稳定系统V（z）建立一个全极点模型，并利用均方误差准则，对已知的语音信号s(n)进行模型参数估计。 如果利用P个取样值来进行预测，则称为P阶线性预测。假设用过去P个取样值的加权之和来预测信号当前取样值，则预测信号为： (1) 其中加权系数用表示，称为预测系数，则预测误差为: (2) 要使预测最佳，则要使短时平均预测误差最小有： (3) (4) 令 (5) 最小的可表示成： (6) 显然，误差越接近于零，线性预测的准确度在均方误差最小的意义上为最佳，由此可以计算出预测系数。 通过LPC分析，由若干帧语音可以得到若干组LPC参数，每组参数形成一个描绘该帧语音特征的矢量，即LPC特征矢量。由LPC特征矢量可以进一步得到很多种派生特征矢量，例如线性预测倒谱系数、线谱对特征、部分相关系数、对数面积比等等。不同的特征矢量具有不同的特点，它们在语音编码和识别领域有着不同的应用价值。 实验结果 LPC系数： ai = 1.0000 -1.3227 0.1655 -0.2090 0.6790 -0.7203 0.5626 -0.1349 0.4458 -0.5782 0.1478 通过计算LPC系数可以很好的利用线性预测中声道系统函数的最小相位特性来提取特征函数。 6. 实验总结 这次实验利用MATLAB对信号进行分析和处理，主要就是进行语音线性预测，语音线性预测的基本思想是：一个语音信号的抽样值可以用过去若干个取样值的线性组合来逼近。通过使实际语音抽样值与线性预测抽样值的均方误差达到最小，可以确定唯一的一组线性预测系数。通过这个实验，我对语音线性预测进行了探究和验证，巩固了课内所学的知识。