LPC特征提取

实验目的 

1、熟练运用MATLAB软件进行语音信号实验； 

2、熟悉短时分析原理、LPC的原理； 

3、学习运用MATLAB编程进行LPC的提取； 

4、学会利用短时分析原理提取LPC特征序列。 

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。

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。

2 、自相关法 
在最佳线性预测中，若用下式定义的时间平均最小均方准则代替(3)式的集合平均最小均方准则，即令

事实上就是短时自相关函数，因而 

另外，当预测系数量化时，有可能造成实际系统的不稳定。 自相关解法主要有杜宾算法、格型算法和舒尔算法等几种高效递推算法。

3、 协方差法 
如果在最佳线性预测中，用下式定义的时间平均最小均方准则代替(3)式的集合平均最小均方准则，则可得到类似的方程：

可以看出，这