資源描述：
《語音信號(hào)處理實(shí)驗(yàn)三陳乾貴》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、哈爾濱理工大學(xué)實(shí)驗(yàn)報(bào)告課程名稱：數(shù)字語音信號(hào)處理學(xué)院：自動(dòng)化學(xué)院專業(yè)班級(jí)：電技12-3班學(xué)生姓名：陳乾貴學(xué)號(hào)：1212020302指導(dǎo)教師：馬靜實(shí)驗(yàn)三課程名稱數(shù)字語音信號(hào)處理時(shí)間2015．11.4實(shí)驗(yàn)名稱基于MATLAB的LPC分析地點(diǎn)B314姓名陳乾貴學(xué)號(hào)1212020302班級(jí)電技12-3同實(shí)驗(yàn)者樊曉晨學(xué)號(hào)1212020303班級(jí)電技12-3一、實(shí)驗(yàn)?zāi)康木€性預(yù)測(cè)分析是最有效的語音分析技術(shù)之一，在語音編碼、語音合成、語音識(shí)別和說話人識(shí)別等語音處理領(lǐng)域中得到了廣泛的應(yīng)用。語音線性預(yù)測(cè)的基本思想是：一個(gè)語音信號(hào)的抽樣值可以用過去若干個(gè)取
2、樣值的線性組合來逼近。通過使實(shí)際語音抽樣值與線性預(yù)測(cè)抽樣值的均方誤差達(dá)到最小，可以確定唯一的一組線性預(yù)測(cè)系數(shù)。采用線性預(yù)測(cè)分析不僅能夠得到語音信號(hào)的預(yù)測(cè)波形，而且能夠提供一個(gè)非常好的聲道模型。如果將語音模型看作激勵(lì)源通過一個(gè)線性時(shí)不變系統(tǒng)產(chǎn)生的輸出，那么可以利用LPC分析對(duì)聲道參數(shù)進(jìn)行估值，以少量低信息率的時(shí)變參數(shù)精確地描述語音波形及其頻譜的性質(zhì)。此外，LPC分析還能夠?qū)舱穹濉⒐β首V等語音參數(shù)進(jìn)行精確估計(jì)，LPC分析得到的參數(shù)可以作為語音識(shí)別的重要參數(shù)之一。由于語音是一種短時(shí)平穩(wěn)信號(hào)，因此只能利用一段語音來估計(jì)模型參數(shù)。此時(shí)有兩種方
3、案：一種是將長(zhǎng)的語音序列加窗，然后對(duì)加窗語音進(jìn)行LPC分析，只要限定窗的長(zhǎng)度就可以保證分析的短時(shí)性，這種方案稱為自相關(guān)法；另一種方案不對(duì)語音加窗，而是在計(jì)算均方預(yù)測(cè)誤差時(shí)限制其取和區(qū)間，這樣可以導(dǎo)出LPC分析的自協(xié)方差法。本實(shí)驗(yàn)要求掌握LPC原理，會(huì)利用已學(xué)的知識(shí)，編寫程序估計(jì)線性預(yù)測(cè)系數(shù)以及LPC的推演參數(shù)，并能利用所求的相關(guān)參數(shù)估計(jì)語音的端點(diǎn)、清濁音判斷、基因周期、共振峰等。二、實(shí)驗(yàn)原理1．LPC分析基本原理LPC分析為線性時(shí)不變因果穩(wěn)定系統(tǒng)V（z）建立一個(gè)全極點(diǎn)模型，并利用均方誤差準(zhǔn)則，對(duì)已知的語音信號(hào)s(n)進(jìn)行模型參數(shù)估計(jì)。
4、如果利用P個(gè)取樣值來進(jìn)行預(yù)測(cè)，則稱為P階線性預(yù)測(cè)。假P個(gè)取樣值的加權(quán)之和來預(yù)測(cè)信號(hào)當(dāng)前取樣值S（n），則預(yù)測(cè)信號(hào)Sn為：線性預(yù)測(cè)系數(shù)：線性預(yù)測(cè)誤差e(n)：信號(hào)s(n)與其線性預(yù)測(cè)值之差。e(n)表示式為：線性預(yù)測(cè)的基本問題就是由語音信號(hào)直接求出一組線性預(yù)測(cè)系數(shù)，使得在一短段語音波形中均方預(yù)測(cè)誤差最小。將對(duì)各個(gè)系數(shù)求偏導(dǎo)，并令其結(jié)果為零，即顯然，誤差越接近于零，線性預(yù)測(cè)的準(zhǔn)確度在均方誤差最小的意義上為最佳，由此可以計(jì)算出預(yù)測(cè)系數(shù)。?通過LPC分析，由若干幀語音可以得到若干組LPC參數(shù)，每組參數(shù)形成一個(gè)描繪該幀語音特征的矢量，即LPC特
5、征矢量。由LPC特征矢量可以進(jìn)一步得到很多種派生特征矢量，例如線性預(yù)測(cè)倒譜系數(shù)、線譜對(duì)特征、部分相關(guān)系數(shù)、對(duì)數(shù)面積比等等。不同的特征矢量具有不同的特點(diǎn)，它們?cè)谡Z音編碼和識(shí)別領(lǐng)域有著不同的應(yīng)用價(jià)值。2．自相關(guān)法在最佳線性預(yù)測(cè)中，若用下式定義的時(shí)間平均最小均方準(zhǔn)則代替(3)式的集合平均最小均方準(zhǔn)則，即令值得注意的是，自相關(guān)法在計(jì)算預(yù)測(cè)誤差時(shí)，數(shù)據(jù)段的兩端都需要加P個(gè)零取樣值，因而可造成譜估計(jì)失真。特別是在短數(shù)據(jù)段的情況下，這一現(xiàn)實(shí)更為嚴(yán)重。另外，當(dāng)預(yù)測(cè)系數(shù)量化時(shí)，有可能造成實(shí)際系統(tǒng)的不穩(wěn)定。自相關(guān)解法主要有杜賓算法、格型算法和舒爾算法等幾
6、種高效遞推算法。三、實(shí)驗(yàn)內(nèi)容：(1)利用matlab讀取一段語音文件，采樣頻率為11000Hz，取第30幀進(jìn)行觀察，線性預(yù)測(cè)階數(shù)為12(2)繪制圖3.1所示的原始語音幀的波形，預(yù)測(cè)語音幀波形和它們之間預(yù)測(cè)誤差的波形。(3)繪制圖3.2為原始語音幀和預(yù)測(cè)語音幀的短時(shí)譜和LPC譜的波形。(4)改變線性誤差的階數(shù)來觀察語音幀的短時(shí)譜和LP譜的變化情況，繪制圖3.3并分析。(5)繪制圖3.4——原始語音和預(yù)測(cè)誤差的倒譜波形，從中計(jì)算出原始語音的基音周期。(6)繪制圖3.5——原始語音的語譜圖和預(yù)測(cè)語音的語譜圖，通過比較發(fā)現(xiàn)，判斷預(yù)測(cè)語音的預(yù)測(cè)
7、效果。四、實(shí)驗(yàn)結(jié)果：實(shí)驗(yàn)窗口：運(yùn)行結(jié)果：原始語音和預(yù)測(cè)后語音及誤差：2、原始語音和預(yù)測(cè)誤差倒譜：3、沒有去除高頻分量：運(yùn)行程序:musicSource=wavread('卡農(nóng)capo4.wav');musicSource=musicSource*[1;1];music_source=musicSource';N=256;Hamm=hamming(N);frame=input('???üè???òa′|àíμ???μ?????￡?');origin=music_source(((frame-1)*(N/2)+1):((frame-1)*
8、(N/2)+N));Frame=origin.*Hamm';[s1,f1,t1]=specgram(music_source,N,N/2,N);[Xs1,Ys1]=size(s1);fori=1:Xs1FTframe1(
