LPC特征提取 语音信号处理实验报告

华南理工大学《语音信号处理》实验报告

实验名称：LPC特征提取

姓名：***

学号：************

班级：11级电信2班

日期：2014年4 月30日

1. 实验内容

（1）熟悉短时分析原理、LPC 的原理；

（2）学习运用MATLAB 编程进行LPC 的提取；

（3）学会利用短时分析原理提取LPC 特征序列。

2. 实验方法

LPC 分析基本原理

LPC 分析为线性时不变因果稳定系统V （z ）建立一个全极点模型，并利用均方误差准则，对已知的语音信号s(n)进行模型参数估计。

如果利用P 个取样值来进行预测，则称为P 阶线性预测。假设用过去P 个取样值

()()(){}1,2,

S n S n S n p ---的加权之和来预测信号当前取样值()S n ，则预测信号()S n ∧为：

()()

1p k k S n a n k ∧

==-∑ (1) 其中加权系数用k a 表示，称为预测系数，则预测误差为:

()()()()()

1p k k e n s n S n s n a n k ∧==-=--∑ (2)

要使预测最佳，则要使短时平均预测误差最小有：

()2min E e n ε⎡⎤==⎣⎦ (3) ()20,(1)k e n k p a ⎡⎤∂⎣⎦

=≤≤∂ (4) 令

()()(),,i k E s n i S n k φ=--⎡⎤⎣⎦ (5) 最小的ε可表示成：

()()

min 10,00,p k k a k εφφ==-∑ (6)

显然，误差越接近于零，线性预测的准确度在均方误差最小的意义上为最佳，由此可以计算出预测系数。

通过LPC 分析，由若干帧语音可以得到若干组LPC 参数，每组参数形成一个

描绘该帧语音特征的矢量，即LPC特征矢量。由LPC特征矢量可以进一步得到很多种派生特征矢量，例如线性预测倒谱系数、线谱对特征、部分相关系数、对数面积比等等。不同的特征矢量具有不同的特点，它们在语音编码和识别领域有着不同的应用价值。

3.实验结果

LPC系数：

ai =

1.0000 -1.3227 0.1655 -0.2090 0.6790 -0.7203 0.5626 -0.1349 0.4458 -0.5782 0.1478

通过计算LPC系数可以很好的利用线性预测中声道系统函数的最小相位特性

来提取特征函数。

6. 实验总结

这次实验利用MATLAB对信号进行分析和处理，主要就是进行语音线性预测，

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。通过这个实验，我对语音线性预测进行

了探究和验证，巩固了课内所学的知识。