LPC分析剖析.ppt

Why LPC ? Good model for speech signal Lead to a reasonable source-vocal tract separation Is a analytically tractable model Work well in speech recognition, speech coding LPC--History 1947年，线性预测这一术语由维纳首次提出，此后，线性预测应用于许多领域中 1967年，板仓（Itakura）等人最先将线性预测技术直接应用到语音分析和合成中 LPC的应用 用作语音识别的特征参数 用作语音编码 进行共振峰的谱包络估计 进行语音合成（TTS） 与LPC相关的语音编码算法 MPLPC Multi-pulse LPC RPE-LPC Regular pulse excited LPC CELP Code excited linear prediction MELP Mix excited LP VSELP Vector sum excited LP QCELP Qualcomm CELP ACELP Algebraic CELP 3. LPC Model: Domain LPC阶数确定 LPC processor for speech 1.Preemphasis LPC processor for speech LPC 求解 Criterion: Minimize the mean-squared prediction error 激励增益G的确定 最优预测下的预测误差 自相关法使用了窗函数来对语音信号进行人为的截断, 导致分辨率降低,并且数据越短,分辨率越低,因而自相关法误差较大,计算结果精度差.并且在实际应用中系统的稳定性得不到保证. 协方差法由于不采用窗口函数,精度高于自相关法和格型法,但它的稳定性同样得不到保证并且计算量较大. 因此在语音信号处理中，自相关法比协方差法用得多。 格型法无需加窗,也不需计算自相关矩阵.其计算结果精度很高,对系统的稳定性也有保证.但该方法运算量很大，大致为自相关法或协方差法的4倍以上. 改进算法“协方差格型法”将计算量恢复到自相关法的水平上. 因此格型法是一种很有生命力的线性预测算法。 LPC求解-线性方程组求解-方法比较 → 原始语音 采样点个数：7064 一 分帧 帧长：30ms（480个采样点） 帧移：15ms（240个采样点） 分帧结果：480×28帧 二 对每一帧提取12阶LPC 提取结果：12×28帧 提取LPC-Matlab 普通话发音“三” 时长：441 ms 采样率：16k Hz 降维 语音波形 LPC系数 5.LPC特征案例 在本次实验中分别对’h’ ‘u’ ‘t’ ‘ao’ 这四个提取LPC特征 采样率为16000Hz,单声道. 帧长为32ms,帧移为16ms 使用自相关法求解LPC特征 5.LPC特征提取--h LPC系数为: [-0.8202 -0.4106 0.0765 -0.4185 0.3262 0.2405 0.2874 0.1080 -0.4481 0.3147 -0.1685 -0.0854] h的波形 5.LPC特征提取--u LPC系数为: [-2.0420 1.4623 -0.4832 -0.3253 0.5238 -0.0108 - 0.0508 0.0054 -0.1332 0.1888 -0.1692 0.0549] u的波形 5.LPC特征提取--t LPC系数为:[-1.0772 0.5986 -0.2074 -0.1201 -0.2620 0.1746 0.1952 -0.3134 0.1175 0.1708 -0.2086 -0.0512] t的波形 5.LPC特征提取--ao LPC系数为: [-2.0912 1.9318 -1.3574 0.7663 -0.2111 -0.1302 0.4606 -0.3900 0.2447 -0.2715 0.1442 -0.0027] ao的波形 MELP 九十年代后期成为美国2.4Kbps的新标准. VSELP 美日数字蜂窝系统采用 QCELP CDM2000采用 ACELP 4.8Kbps 主要应用于数字集群通信系统 语音信号的线性预测分析 贺前华 目录 为什么要进行特征提取 线性预测分析的基本思想 线性预测分析的信号模型 线性预测系数求解 线性预测方程组的求解方法及比较 自相关