最小平方逆滤波计法.docxVIP

语音信号的短时分析技术 对语音信号采用分段（或称分帧处理），称为短时分析。 短时能量分析 短时平均能量 窗口形状的选择 窗口的长度 主要用途： 区分清音段和浊音段 短时平均幅度 短时过零分析 短时相关分析 短时频谱分析 语音产生的数字模型 语音采样值 准周期脉冲 序列发生器 基音周期 增益控制 随机噪声 发 生 器  时变线性 系 统 时变参数 浊音 清音 2 声门特征 基频 短时平均能量 语音速率 声道特征 Mel倒谱系数（MFCC、差分MFCC） 线性预测倒谱系数（LPCC、差分LPCC） 组合成同一帧的倒谱特征 声门特征与声道特征组合，将声门特征组合到同一帧的倒谱特征。 组合特征 语音信号的特征提取与组合 （文本相关的说话人识别） 线性预测分析就是根据已知信号s(n)对各参数 和增益A进行估计。在这里 为线性预测系数。 线性预测（简写为LPC）分析的基本原理是将被分析的信号用一个模型来表示，即将信号看作是一个模型（即系统）的输出,用模型参数来描述信号。 H(z) x(n) s(n) 信号s(n)的模型化 语音信号的线性预测分析     最小平方逆滤波设计法   4 5           6 Z反变换             或有平方误差   最小   根据 7       有 和     8         即 9       则     由此得到 10     可求出   写出矩阵形式   11   数字滤波器的时域设计   12 1、h(n)求法   13   14   或           15     将该式表示成矩阵形式 =   由矩阵给出的线性方程组可以求得滤波器的   2、已求得h(n)的情况下，构造系统函数H(z) 16 IIR滤波器的一般表达式： 现在的任务是，已知 ,求出系数 和 (r=0,1…M，k=0,1…N), 使该系统逼近已知 ，因此 与 的关系必须满足     或满足 17   上式成立的条件是等式两段相同的 前的系数必须相等。       以及     此式可求得构成 中的所有M个 值     此式可求得构成 中的N-M个 值     因此，上式中 18 由前述分析可以看出：当输入序列x(n)的长度为M,输出序列y(n)为N时，相应的系统函数为： 其中的参数 由下式求得：   参数 由下式求得：   而参数h(n) 由前面的(1)的讨论求得（即已知x(n)和y(n)，求h(n) ）：       19 3、系统函数H(z)的矩阵逼近技术 选择IIR滤波器系统函数H(z)中递归分母式的阶次等于非递归分子多项式阶次M时，有：     把逼近已知h(n)的前2M个采样点，并把上式中相同 的系数方程写成矩阵形式: 展开为： 20   在计算系统参数时，上面的矩阵可分为两个部分，即： 21   （A） （B） 这样可由 （A）式求出M个非递归参数 ，然后再由（B）式求出M个非递归参数 ,从而完成 IIR 滤波器系统函数 的设计。