11、语音信号参数化与线性预测技术详解

语音信号参数化与线性预测技术详解

1. 语音信号参数化概述

语音信号的参数化是将语音信号分解为不同组成部分的过程，这与人类语音产生系统有一定关联。后续将介绍多种语音编码技术，这些技术都与语音信号的参数化相关。

2. 线性预测

线性预测在语音通信技术中占据重要地位，至少从1971年起就被应用于语音编码。它基于人类肌肉系统产生语音的特性，由于肌肉运动速度有限，语音在约30ms内具有准平稳性。

在实际中，声门产生基音尖峰的时间通常短于30ms，因此需要先去除语音信号中的基音，得到能量较低的残差信号。准平稳性意味着以8kHz采样率采集的240个样本（对应30ms时长）可以用较少的一组值进行参数化，通常是8或10个线性预测系数。

线性预测系数是数字滤波器的生成多项式，当受到输入信号激励时，能重现原始样本的特征，虽然在时域上可能不完全相同，但频率响应与原始信号匹配。

线性预测编码（LPC）曾单独用于语音编码，如1975年开发的美国联邦标准1015 2.4 kbits/s算法，但音质较差，主要用于军事通信。在现代编码算法中，LPC通常会结合其他技术进行优化。

2.1 LPC滤波器

假设我们有描述约30ms语音残差向量发声特性的LPC系数，这些系数可用于两种滤波器：
- 合成滤波器 ：将发声特性添加到样本向量中。
- 分析滤波器 ：去除发声特性。

对于一个P阶线性预测滤波器，由P个系数a[0], a[1] … a[P - 1]表示，LPC合成滤波器是一个全极点无限脉冲响应（I