法线性预测分析应用(重点)LPC谱估计和LPC复倒谱.ppt

法线性预测分析应用(重点)LPC谱估计和LPC复倒谱.ppt

ID:52347204

大小:1.48 MB

页数:55页

时间:2020-04-04

法线性预测分析应用(重点)LPC谱估计和LPC复倒谱.ppt_第1页
法线性预测分析应用(重点)LPC谱估计和LPC复倒谱.ppt_第2页
法线性预测分析应用(重点)LPC谱估计和LPC复倒谱.ppt_第3页
法线性预测分析应用(重点)LPC谱估计和LPC复倒谱.ppt_第4页
法线性预测分析应用(重点)LPC谱估计和LPC复倒谱.ppt_第5页
资源描述:

《法线性预测分析应用(重点)LPC谱估计和LPC复倒谱.ppt》由会员上传分享,免费在线阅读,更多相关内容在PPT专区-天天文库

1、主要内容概述线性预测分析的基本原理(重点)线性预测分析的解法线性预测分析应用(重点)---LPC谱估计和LPC复倒谱第六章线性预测分析6.1概述线性预测(LinearPrediction)是1947年维纳首次提出,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,是最有效和最流行的语音分析技术之一.在估计基本语音参数(例如基音、共振峰、谱、声道面积函数,以及低速率传输或存储语音等)方面是一种主要的技术。用很少的参数来正确表示语音信号的波形和频谱的性质广泛应用于语音编

2、码、语音存储、语音合成、语音识别中语音信号数学模型:语音信号可以看成准周期脉冲或白噪声激励一个线性时不变系统所产生的输出。H(z)u(n)s(n)信号s(n)的模型化s(n)为模型的输出。当s(n)为确定信号时,u(n)采用单位冲激序列;当s(n)为随机信号,u(n)是为白噪声序列6.2线性预测分析的基本原理模型系统函数H(z)语音信号产生:线性预测分析就是根据已知信号s(n)对各参数和增益G进行估计。在这里为线性预测系数这里采用的是全极点模型又称“AR模型”,各系数和增益G为模型参数。这样信号就可以用有限数目的参数构成的信号模型来表示。线

3、性预测模型采用全极点模型的原因:全极点模型容易计算,对全极点模型做参数估计是对线性方程组的求解过程,而含有有限零点则是解非线性方程。如果不考虑鼻音和摩擦音,那么语音的声道传递函数就是一个全极点模型。对于声道函数既有零点又有极点的,可以用全极点模型来近似表示极零点模型。如果分母多项式收敛足够快,只取少数几项。6.3语音信号的线性预测分析冲激串发生器随机噪声发生器基音周期时变数字滤波器浊音/清音开关声道参数Gs(n)u(n)1.语音信号模型注:语音产生模型里,辐射、声道以及声门激励的全部效应简化为一个时变数字滤波器等效。系统函数其中p为预测阶数

4、,G为声道滤波器增益。由此有上述语音抽样s(n)和激励信号u(n)之间的差分关系式线性预测原理:当前语音信号s(n),可以用过去p个语音信号s(n-i)和语音激励信号u(n)的增益之和来表示。模型参数有:浊音/清音判决、浊音语音的基音周期、增益常数G及数字滤波器参数这些参数随时间缓慢变化。(1)求解滤波器系数和增益常数G的过程称为语音信号的线性预测分析。(2)鉴于语音信号的时变特性,预测系数的估计必须在一段语音信号中进行-即分帧进行。(3)对于鼻音和摩擦音,要求声道传递函数函数既要有极点也要有零点,即采用零极点模型。说明:6.4线性预测方程

5、组的建立模型的建立是由信号来估计模型的参数的过程。实际上,用一个有限数目参数的模型表示信号不可能完全精确,总会存在误差,况且信号还是时变的,因此求解线性预测系数的过程是一个逼近过程。模型采用直接逼近的方法求解非常困难,所以实际中采用“逆滤波法”。一、线性预测器P(z)s(n)线性预测器输出表示输入的预测值设n时刻之前的P个样值s(n-1)、s(n-2)、…..、s(n-P)已知,则可由它们的线性组合预测当前时刻的样值线性预测误差:信号真实值与预测值之间的误差。注:由于,因此是的逆,故称为逆滤波器,也叫“预测误差滤波器”。可见,线性预测误差可

6、看作为是下列滤波器的输出A(z)s(n)e(n)是一个随机序列,可以用其均方值衡量线性预测的质量。线性预测的基本问题是语音信号直接决定一组预测系数,以使在某个准则下最小。通常采用最小均方误差准则。二、线性预测方程时间平均代替集平均1.线性预测的基本问题线性预测的过程就是找到一组预测系数,使最小。越接近于零,线性预测的准确度在均方误差最小的意义上为最佳。对于特定的语音序列,取决于线性预测阶数p和线性预测系数。如果能够找到特定的p和使得达到最小,则这组称为最佳预测系数。分析一:如果模型阶数不确定,则可以观察随的变化规律,当时,随着的增大总能使减

7、小,当时,再增大也不可能使下降,这样我们就可以确定模型的阶数。分析二:实际语音并不是完全符合理想的全极点模型,只能用全极点模型来逼近实际的模型。在这种情况下,随着的增大,总能使减小,但当增加到一定程度以后,再增大也只能使有微弱下降。一般P=8~12就可以描述大多数语音信号模型。P值选的过大,可以稍微改善逼近效果,但计算量大大增加,并受有限字长的影响使得参数估计效果变差。分析三:上面我们介绍了预测阶数的选择,在选定了预测阶数的情况下,我们现在介绍最佳预测阶数和G求法。四.线性预测方程的推导定义短时预测均方误差:在最小均方误差意义下,应满足:由

8、P个方程组成的含有P个未知数的方程组,求解就可得到各预测器的系数。则有得线性预测的标准方程组:上式为一个线性方程组,为P阶正定方程组,其中由输入语音序列决定。则将求归结为求线性联

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。