语音信号处理第3章.pptVIP

倒谱法 图3-31所示为倒谱法求取语音频谱包络的原理。实验表明，倒谱法因为其频谱曲线的波动比较小，所以估计共振峰参数的效果是较好的，但其运算量太大。 LPC法 从线性预测导出的声道滤波器是频谱包络估计器的最新形式，线性预测提供了一个优良的声道模型(条件是语音不含噪声)。尽管线性预测法的频率灵敏度和人耳不相匹配，但它仍是最廉价、最优良的行之有效的方法。 用线性预测可对语音信号进行解卷：即把激励分量归入预测残差中，得到声道响应的全极模型H(z)的分量，从而就得到这个分量的ai参数。另外，也可以采用抛物线内插技术，解决频率分辨率较低的情况下的共振峰频率值的求取，它的原理如图3-22所示。 LPC法 这一章讨论了语音信号数字处理的一些基本问题和最重要或常用的若干处理方法，这些内容对语音信号数字处理的任何一个研究领域都是必需的，基中贯穿全书的是语音信号产生模型和语音信号的短时分析技术。 思考题 1.在语音信号参数分析前为什么要进行预处理，有哪些预处理过程？ 2.对语音信号进行处理时为什么要进行分帧？分帧的常用方法是什么？ 3.短时能量（短时平均幅度）和短时过零率的定义。这两种时域参数的用途。窗口的长度和形状对它们有什么影响？常用的有哪几种窗口？ 4.请叙述同态信号处理的基本原理（分解和特征系统）。倒谱的求法及语音信号两个分量的倒谱性质。有哪几种避开相位卷绕方法，请叙述它们的工作原理。 5.什么是复倒谱？什么是倒谱？已知复倒谱怎样求倒谱？已知倒谱怎样求复倒谱，有什么条件限制？ 6.什么叫基音和声调，它们对汉语语音处理有何重要意义？常用的基因周期检测方法有哪些？叙述它们的工作原理和框图。 7.为什么共振峰检测有重要意义？常用的共振峰检测方法有哪些？叙述它们的工作原理。 线性预测方程组的求解 完整的递推过程为： if ip go to (1) LPC谱估计和LPC复倒谱 1.LPC谱估计 当求出一组预测器系数后，就可以得到语音产生模型的频率响应，即： 因此在共振峰频率上其频率响应特性会出现峰值。所以线性预测分析法又可以看做是一种短时谱估计法。其频率响应H(ejω)即称为LPC谱。 LPC谱估计和LPC复倒谱 1.LPC谱估计 LPC谱估计具有一个特点：在信号能量较大的区域即接近谱的峰值处，LPC谱和信号谱很接近；而在信号能量较低的区域即接近谱的谷底处，则相差比较大。这个特点对于呈现谐波结构的浊音语音谱来说，就是在谐波成分处LPC谱匹配信号谱的效果要远比谐波之间好得多。LPC谱估计的这一特点实际上来自均方误差最小准则。 从以上讨论我们知道如果p选得很大，可以使|H(ejω)|精确地匹配于|S(ejω)|，而且极零模型也可以用全极点模型来代替，但却增加了计算量和存储量，且p增加到一定程度以后，预测平方误差的改善就很不明显了，因此在语音信号处理中，p一般选在8～14之间。 LPC谱估计和LPC复倒谱 2．LPC复倒谱 LPC系数是线性预测分析的基本参数，可以把这些系数变换为其他参数，以得到语音的其他替代表示方法。LPC系数可以表示整个LPC系统冲激响应的复倒谱。 按上式求得的复倒谱h^(n)称之为LPC复倒谱。 LPC复倒谱由于利用了线性预测中声道系统函数H(z)的最小相位特性，避免了相位卷绕问题；且LPC复倒谱的运算量小，它仅是用FFT求复倒谱时运算量的一半；又因为当p→∞时，语音信号的短时复频谱S(ejω)满足|S(ejω)|= |H(ejω)|，因而可以认为h^(n)包含了语音信号频谱包络信息，即可近似把h^(n)当作s(n)的短时复倒谱s^(n)，来分别估计出语音短时谱包络和声门激励参数。在实时语音识别中也经常采用LPC复倒谱作为特征矢量。 对以上所介绍的进行总结可知，为了估计语音信号的短时谱包络，有三种方法：①由LPC系数直接估计语音信号的谱包络；②由LPC倒谱估计谱包络；③求得复倒谱s^(n)，再用低时窗取出短时谱包络信息，这种方法称之为FFT倒谱。 LPC谱估计和LPC复倒谱 3．LPC美尔倒谱系数(LPCCMCC) 由式(3-115)求得复倒谱h^(n)后，由c(n)=1/2[h^(n)+h^(-n)]即可求出倒谱c(n)。但是，这个倒谱c(n)是实际频率尺度的倒谱系数(称为LPC倒谱系数：LPCC)。根据人的听觉特性可以把上述的倒谱系数进一步按符合人的听觉特性的美尔(MEL)尺度进行非线性变换，从而求出如下所示的LPC美尔倒谱系数(LPCMCC)。 线谱对(LSP)分析 线谱对分析也是一种线性预测分析方法，只是它求解的模型参数是“线谱对”(Line Spectrum Pair，简称为LSP)，它是频域参数，因而和语音信号谱包络的峰有着更紧密的联系；同