语音信号报告

《语音信号报告》由会员分享，可在线阅读，更多相关《语音信号报告（15页珍藏版）》请在金锄头文库上搜索。

1、江苏师范大学物电学院课程设计报告课 程 名 称： 语音信号处理 题 目： 语音信号的线性预测分析及应用 专 业 班 级： 14物41 学 生 姓 名： 刘梦娇 学 生 学 号： 140220018 日 期： 2016.12.20 指 导 教 师： 马勇 物电学院教务部印制1 绪论1.1语音信号LPC分析技术的基本概念线性预测这一术语是维纳1947年首次提出的，此后，线性预测应用于许多领域中。1967年，板仓等人最先将线性预测技术直接应用到语音分析和合成中。线性预测作为一种工具，几乎普遍地应用于语音信号处理的各个方面。这种方法是最有效和最流行的语音分析技术之一。在各种语音分析技术中，它是第一个真

2、正得到实际应用的技术。线性预测技术产生至今，语音处理又有许多突破，但这种技术目前仍然是唯一的最重要的分析技术基础。线性预测分析是最有效的语音分析技术之一，在语音编码、语音合成、语音识别和说话人识别等语音处理领域中得到了广泛的应用。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。采用线性预测分析不仅能够得到语音信号的预测波形，而且能够提供一个非常好的声道模型。此外，LPC分析还能够对共振峰、功率谱等语音参数进行精确估计，LPC分析得到的参数可以作为语音识别的重要参数之一。

3、1.2 线性预测的基本原理线性预测编码原理：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。线性预测分析又称LPC分析，对分析就是用过去P个取样值的加权之和来预测信号当前取样值，如果利用P个取样值来进行预测，则称为P阶线性预测。预测信号为： (2.2.1)，称为预测系数，由于语音信号性质变化缓慢，所以对于所分析的帧来说，预测系数是一组恒定的参数。预测误差为:(2.2.2)预测误差e(n)是信号s(n)通过如下系统的输出，A(z)称为LPC误差

4、滤波器.图1.2该方程可以求出预测误差滤波器的传输函数为将（2.2.2）改写成下列形式现在输入信号是，输出信号是，传输函数为这是一个全极点滤波器，称为LPC的语音合成模型。系统A（z）为LPC误差滤波器，设计预测误差滤波器就是求解预测系数，使得预测误差e(n)在某个预定的准则下最小，这个过程就是LPC分析。线性预测的基本问题就是由语音信号直接求出一组线性预数 ，这组预测误差滤波器就被看做语音产生模型中系统函数H（z）的参数，使得在一短段语音波形中均方预测误差最小。将 对各个系数求偏导，并令其结果为零，即（2.2.3）由式（2.2.2）可知（2.2.4）将式（2.2.4）代入（2.2.3）可得（

5、2.2.5）式（2.2.5）表明预测误差与信号的过去p的取样值是正交的，称为正交方程。将式（2.2.2）代入（2.2.5）得（2.2.6）令s(n)的自相关序列为 （2.2.7）由于自相关序列为偶对称，因此 （2.2.8）这表明式（2.2.8）与一般的自相关序列的定义是一样的。这样式（2.2.7）进一步表示为 （2.2.9）上式称为标准方程式，它表明只要语音信号是已知的，则p个预测系数 通过求解该方程即可得到。设 （2.2.10）上式矩阵形式为 或者 （2.2.11）通过求解上式即可求得p个线性预测系数 1.3 LPC和语音信号模型的关系如图2-1所示，为描述语音产生过程的离散时间信号模型。图

6、中，准周期性脉冲序列发生器产生浊音的激励源，浊音的基音频率由脉冲重复的周期决定；随机噪声发生器产生清音的激励源，模拟湍空气湍流；清浊音开关控制清音和浊音的产生；嘴唇的辐射特性可以用一个一阶极点数字滤波器来实现；增益控制来控制语音的强度。模型中所有参数（基音频率，随即噪声的方差，清浊音开关的位置，模型的参数）都是随着时间改变的。声门激励、声道调制和嘴唇辐射的合成贡献，可用如下数字时变滤波器表示上式既有极点又有零点。按其有理式的不同，有如下三种信号模型：（1）自回归滑动平均模型（ARMA模型）；（2）自回归信号模型（AR模型）；（3）滑动平均模型（MA模型）。 一般都用AR模型作为语音信号处理的常

7、用模型。此时H(z)写为式中，增益G以及数字滤波器系数都可以随时间而变化，p为预测器阶数。当p足够大时，上式几乎可以模拟所有语音信号的声道系统。采用简化模型的主要优点：可以用线性预测分析法对增益G和滤波器系数进行直接而高效的计算。在语音产生的数字模型中，语音抽样信号s(n)和激励信号之间的关系可用下列差分方程来表示：可见，如果语音信号准确服从上式的模型，则 ，所以预测误差滤波器A(z)是H（z）的逆滤波器，故有下式成立： 2 设计方案选择2.1自相关算法由于语音是一种短时平稳信号，因此只能利用一段语音来估计模型参数。将长的语音序列加窗，然后对加窗语音进行LPC分析，只要限定窗的长度就可以保证分

8、析的短时性，这种方案称为自相关法。 )()()()( )()()()(11min2=-=-=piipiipinsneEansneEinsansneEneEE根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。称这一最小方均误差为正向预测误差功率，即 （2.3.1）由式（2.2.5）正交方程知上式第二项为0。再将式（2.2.2）代入可得以上两式组合起来得称为尤勒-沃尔克方程。方程的系数矩阵为托普利兹矩阵 可见，为了解得线性预测系数，必须首先计算出自相关序列R(k) ，为了简化计算，可根据语音信号的短时平稳特性将语音信号分帧，这样自相关序列R(k)可

9、用下式估计 （2.3.2）如果将预测误差功率Ep理解为预测误差的能量，则上式中的系数对线性预测方程的求解没有影响，因此可以忽略。利用对称托普利兹矩阵的性质，自相关法求解可用莱文逊-杜宾递推算法求解。该方法是目前广泛采用的一种方法。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。自相关法递推过程如下 )(iii-ka=联立上面5式可对i=1、2、p进行递推求解，其最终解为 （2.3.3）3 仿真分析操作3.1仿真系统模型通过在MATLAB 命令栏中输入dsplpc，打开语音信号线性预测分析仿真模型：显示仿真模型如下图：图3-1 仿真系统框图图3-1

10、是线性预测语音信号的分析合成系统，本仿真图由两大部分构成，分别是语音信号的分析合成部分。由上图可知对于因信号进行采样，采样频率为8KHz的语音信号“MATLAB”，首先进行预加重，提升语音信号的高频部分，提高信噪比，然后通过叠阶窗分析将语音信号的频谱图连接起来，达到淡入淡出的效果，防止语音信号在连接点的跳变，避免刺耳的噪声。而后通过汉明窗对语音信号频谱进行截取，分析一段语音信号。进行自相关函数的计算，得到LPC方程组，通过莱文森杜宾算法计算出预测系数。预测系数作为逆滤波系数，并将残差信号送到声道滤波器中进行滤波，合成的语音信号进行去加重，便得到与原始信号相似的语音波形。3.2 仿真工作过程3.

11、2.1语音信号采样图3-2 输入语音信号模型双击出现如下对话框，输入一个8kHZ的语音信号“speech1”。图3-3 输入语音信号参数设定参数分析：采样周期为1/8000,每帧采样点为80，并分帧处理。3.2.2预加重图3-4 预加重模型图3-5 预加重参数设定参数分析：传递函数类型：全极点，即全零点FIR数字滤波器。滤波器结构：直接型无反馈。分子系数：1,0.95 起始值：预加重就是设计滤波器，常采用的是传递函数为H（z）=1-u/z的一阶FIR高通滤波器来实现预加重。预加重系数取接近于1的值，常取0.91。设n时刻的语音采样信号x(n)，经过预加重处理后的结果为y(n)=x(n)-ux(

12、n-1)，这里取u=0.98。3.2.3叠阶窗分析图3-6 叠接窗模型通过预加重处理后，接下来进行加窗分帧处理。双击该图标将出现图2-7。图2-7 叠接窗参数设定参数分析：由上图可知，帧长：160bit; 帧移动：80bit； 帧移与帧长的比值为1/2，即一帧160个样点，缓冲80个样点。3.2.4汉明窗图3-8 汉明窗模型下图是汉明窗的参数设定：图3-9 汉明窗参数设定参数分析：由图可知采用汉明窗口输入，采用对称采样。3.2.5自相关算法图3-10 自相关和莱文森-杜宾算法模型用自相关函数测定语音的相似特性，之后运用莱文森-杜宾算法进行快速简便的运算，计算出预测系数。在这个过程中可用前n-1

13、个值来预测第n个值，用来取消冗余，实际与现实有误差，来计算误差。计算得出的值作为预测系数进行傅里叶等计算得到LPC的频谱。而通过莱文森算法得出的预测系数作为滤波器系数，使预测语音信号和原始信号进行相减滤波得出残差，这里即为预测系数。图3-11为LPC频谱。图3-11 LPC频谱图图3-11为莱文森-杜宾算法计算得出的预测系数经添零后作傅里叶变换，再求其倒数得到的LPC频谱。可以清晰地看到第一共振峰，第二共振峰以及第三共振峰。 4总结通过此次的课程设计，我对语音信号处理这门课有了更加深入的了解。从原先的不太了解到现在慢慢地接触，收获了很多。这次的课设题目是语音的线性预测分析及应用，我用了自相关算法进行仿真，录入了一个自己的语音，完成了这次试验。由于平时上课的不太用心，在仿真过程中遇到了一些困难，但后来通过网络和咨询同学得到了解决。在实验中运用MATLAB 软件，使我发现了这个软件奇妙的地方，当看到出图时，立马感受到了收获成果的喜悦，让我对语音技术有了更多的兴趣。