基于倒谱法和LPC法的共振峰估计.doc

《基于倒谱法和LPC法的共振峰估计.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于倒谱法和LPC法的共振峰估计摘要:共振峰是表征语音信号特征的两个基本语音参数之一。本文研究了语音信号分析技术中用ＬＰＣ基本原理、倒谱方法实现共振峰的提取。通过MATLAB软件实现对同一语音信号的共振峰分析，【关键词】共振峰、LPC、倒谱、MATLABAbstractFormantofthespeechisoneofbasicparametersofthevoice.ThepaperpresentstheLPCandcestrummethodsofvoiceformantanalysis.Th

2、espeechtoolboxinMATLABisusedtosmilingtheprocessionofvoicesignal.ThroughtheLinearPredictionanalysisofanyspeechsignal,formantsandthepredictioncoefficient、theresponseoffrequencydomainandpole-zeroplotareachieved.thentheresultsofLPCareusedtothespeechsynth

3、eses,realizingtheemersionoftherelevantspeech.Keywords:Formant、LPC、Cepstrum、MATLAB（一）引言人们讲话时发出的声音叫语音，它是一种声音，具有称为声学特征的物理特性。然而它又是一种特殊的声音，是人们进行信息交流的声音，是组成语言的声音。因此，语音（Speech）是声音（Acoustic）和语言（Language）的组合体。语音是人类相互之间进行交流时最常用、最方便、最有效和最重要的信息载体，语音信号是人们构成思想疏通和感

4、情交流的最主要的途径。在高度信息化的今天，用现代手段研究语音处理技术，使人们能更加有效地产生、传输、存储、获取和应用语音信息，这对于促进社会的发展具有十分重要的意义[9]。语音线性预测的基本思想是：主要信号的取样值，可以用它过去的若干个取样值的加权和（线性组合）来表示：加权系数的确定原则是使预测误差的均方值最小（遵循最小均方准则）。预测误差的定义为真实取样值与预测值之差。语音信号分析是语音信号处理的前提和基础，只有分析出可表示语音信号本质的参数，才有可能利用这些参数进行高效的语音通信、语音合成和

5、语音识别等处理。而且，语音合成的音质好坏，语音识别率的高低，也都取决于语音信号分析的准确性和精确性。因此语音信号分析在语音信号处理应用中具有举足轻重的地位。（二）共振峰的概念及其基本原理（1）共振峰的概念共振峰是反映声道谐振特性的重要特征，它代表了发音信息的最直接来源，而且人在语音感知中利用了共振峰信息。所以共振峰是语音信号处理中非常重要的特征参数，已经广泛的应用于语音识别的主要特征和语音编码传输的基本信息。共振峰信息包含在频率包络之中，共振峰参数提取的关键是估计自然语音频谱包络，一般认为谱包络

6、中最大值就是共振峰。共振峰参数包括共振峰频率，频带宽度和幅值，共振峰信息包含在频率包络之中，并认为谱包络中最大值就是共振峰，利用语音频谱傅里叶变换相应的低频部分进行逆变换，就可以得到语音频谱的包络曲线。依据频谱包络线各峰值能量的大小确定出第一到第四共振峰。（2）提取共振峰的方法1基于线性预测（LPC）的共振峰提取方法。一种有效的频谱包络估计方法是从线性预测分析角度推导出声道滤波器，根据这个声道滤波器找出共振峰。虽然线性预测法也有一定的缺点，如其频谱林灵敏度于人耳不想匹配。但对于许多应用来说，它仍

7、然是一种行之有效的方法。线性预测共振峰通常有两种途径可供选择：一种途径是利用一种标准的寻找复根的程序计算预测误差滤波器的根，称为求根法；另一种途径是找出由预测其导出的频谱包络中的局部极大值，称为选峰法。2倒谱法。声道响应的倒谱衰减很快，在[-2525]之外的值非常少，因此可以构造一个相应的倒谱滤波器，将声道的倒谱分离，对分离出来的倒谱做相应的反变换，就可以得到声道函数的对数谱，对此做进一步的处理即可求得所需的各个共振峰（三）提取共振峰的实现（1）基于线性预测（LPC）在语音信号的LPC模型中，语

8、音信号LPC的程序[y,fs,nbits]=Wavread('E:sunweisq.wav');x=y(25000:26023);N=1024;w=hamming(N);z=x.*w';[ag]=LPC(z,32);z1=fft(a);plot(z1);LPC法估计的共振峰1（2）基于倒谱法[y,fs,nbits]=Wavread('E:sunweisq.wav');x=y(25000:26023);N=1024;w=hamming(N);z=x.*w';z1=fft(z);z2=log