西工大LPC线性预测编码实验报告.docVIP

LPC 线性预测编码 16 邹维韬 一、 LPC基本原理 基本原理： 线性预测编码就是利用过去的样值对新样值进行预测， 然后将样值的实 际值与其预测值相减得到一个误差信号， 显然误差信号的动态范围远小于原始语音信号 的动态范围， 对误差信号进行量化编码， 可大大减少量化所需的比特数， 使编码速率降 低。 设语音信号的样值序列为 s(n),n=1,2, ,n，其中语音信号的当前取样值，即第 n 时 刻的取样值 s(n)。而 p 阶线性预测， 是根据信号过去 p 个取样值的加权和来预测信号当 前取样值 s(n)，此时的预测器称为 ? p 阶预测器。设 s(n) 为 s(n)的预测值，则有 p ? ai s(n i) (1) s(n) i 1 式中， a1,a2, ,ap，称为线性预测系数，式 (1)称为线性预测器，预测器的阶数为 p p ai z i 阶。 p 阶线性预测器的传递函数为 P(z) i 1 (2) 信号 s(n)与其线性预测值 ? e(n)表示。则 e(n)为 s(n)之差称为线性预测误差，用 p ( ) ( ) ? ) ( ) ( ) (3) e n s n s n s n ai s n i i 1 可见，预测误差 e(n)是信号 s(n)通过具有如下传递函数的系统输出 p A(n) 1 ai z i (4) i 1 图一 LPC误差滤波器 如图一所示。 称系统 A(z)为 LPC误差滤波器， 设计预测误差滤波器  A (z)就是求解预 测系数  a1,a2, ,ap，使得预测器的误差  e(n)在某个预定的准则下最小， 这个过程称为  LPC 分析。 Levinson-Durbin 算法递推求解自相关法求解式 据线性预测分析的原理可知， 求解 p 个线性预测系数的依据， 是预测误差滤波器的 输出方均值或输出功率最小。可称这一最小方均误差为正向预测误差功率 Ep，即 E[e2(n)]min p p E(p) E{e(n)[s(n) asi(n i)]} E[e(n)s(n)] aEi[e(n)s(n i )] (17) i 1 i 1 已知上式的第二项为 0。再将式（ 3）代入上式可得 p p Ep E[e(n)s(n)] E[ s( n) s(n)] ai E[ s(n) s(n i )] R(0) ai R(i) i 1 i 1 （18） 将式（ 18）与式（ 12）组合起来可得 R(0) R(1) L R( p) 1 Ep R(1) R(0) L R( p 1) a1 0 R(2) R(1) L R( p 2) a2 0 （ 19） M M M M M R( p) R( p 1) L R(0) ap 0 式（ 19）方程的系数矩阵是对称的，且沿着任一与主对角线平行的斜对角线上的 所有元素相等， 系数矩阵大小为 p× p,这样的矩阵称为 Toeplitz(特普利茨 )矩阵。式（ 19） 称为 Yule-Walker 方程，其中 R(p)为根据式（ 9）确定的待分析语音信号 s(n)的自相关序 列。可见，为了解得线性预测系数，必须先计算出 R（ k），然后解式（ 19）即可。 经典的线性预测求解方法之自相关法，该方法假定语音信号序列 s(n)在间隔 0≤ n ≤ N-1 以外为 0；用窗函数从语音序列中截取出选定的序列部分，截取出的序列记为 s(0),s(1), ,s(N-1)。 用对称 Toeplitz 矩阵的性质， 自相关法求解式 ( 19)可用 Levinson-Durbin( 莱文森 一杜宾 )递推算法求解。 算法的计算复杂度为 O（ p2），利用 Levinson-Durbin 算法递推时， 从最低阶预测器开始，由低阶到高阶进行逐阶递推计算。其递推过程如下： i 1 ki [ r (i) a(ji 1) r (i j )] E( i 1) ,1 i p （ 20） j 1 E(0) r (0) （ 21） Ei (1 ki2 )E(i 1) （ 22） ai(i ) ki （ 23） a(ji ) a(ji 1) ki ai(i j1) ,1 j i 1 （ 24） 由式（ 20）到式（ 24）可对 i=1,2, ,p 进行递推求解，其最终解为 a j a(j p) ,1 j p 在上面的一组式子中， i 表示预测器阶数， 如 a(j i ) 表示 i 预测器的第 j 个预测 系数。对 p 阶预测器，在上述求解预测器系数的过程中，阶数低于 p 的各阶预测器系 数也同时得到。 二、 LPC的代码实现 Levinsons method %初始化矩阵 R=zeros(1,order+1); pc=zer