摘要线性预测编码作为一种基于全极点模型假定和均方预测误差最小准则下的波形逼近技术，是语音编码中的一种重要技术，运用这种编码方式通过对音频信号的时域和频域分析，线性预测编解码，滤波等处理，能够在尽量保持原音质的基础上合成出高质量的语音。
本文通过对波形编码，参量编码，混合编码，中低速率编码的介绍，重点研究了线性预测（LPC）的原理、Levinson-Durbin算法及MATLAB在处理语音信号时的应用。
最后以MATLAB为开发工具，编写了线性预测编码的程序，对语音信号进行了线性预测编码处理，并对阶数的选取做了比较分析。
关键词语音信号LPC 莱文森-杜宾算法MATLAB仿真AbstractLPC all-pole model as based on assumptions and the smallest mean squared prediction error criterion of waveform approximation technique，is an important speech coding techniques，By using this encoding audio signals in time domain and frequency domain analysis, linear prediction coding and decoding, filtering processing, able to keep the original sound quality on the basis of high-quality voice synthesis.In this paper，based on the introduction of the waveform coding，parametric coding, hybrid coding, low rate coding, focuses on the linear prediction (LPC) principle，Levinson-Durbin algorithm and MATLAB in the application of speech signal processing. Finally, with MATLAB as the development tool，write a linear predictive coding procedures，voice signal processing of linear predictive coding.,and the number of orders to do a comparative analysis.Keywords voice signal LPC Levinson - Durbin algorithm MATLAB simulation目录第1章绪论 (1)1.1 语音信号LPC分析技术的基本概念 (1)1.2 语音信号LPC分析技术的发展 (2)1.3 语音信号LPC分析技术的应用 (2)1.4 基本设计要求及设计思路 (3)第2章线性预测编码的基本原理 (4)2.1 语音信号的数字模型 (4)2.1.1 激励模型 (4)2.1.2 辐射模型 (5)2.1.3 声道模型 (5)2.2 线性预测的概念与原理 (6)2.2.1 线性预测分析的概念 (6)2.2.2 自相关法 (7)2.2.3 协方差法 (8)2.2.4 全极点声道模型 (8)2.3 解线性预测参数方程组的算法 (9)2.3.1 利用乔里斯基分解计算协方差法的方程组 (9)2.3.2 利用杜宾递推算法计算自相关法的方程组 (11)2.3.3 利用格型法求解线性预测系数 (12)2.4 各种算法的比较 (16)第3章编程实现LPC分析 (19)3.1 MATLAB的简介 (19)3.2 基于MATLAB的编程实现 (20)3.2.1 程序设计流程图 (21)3.2.2 主函数及其功能 (21)3.2.3 程序分析 (22)3.2.4 实验结果与分析 (24)3.3 基于C的编程实现 (24)结束语 (26)谢辞 .......................................................................................... 错误！未定义书签。
基于 MATLAB 的语音信号分析与处理的实验设计1．实验目的综合运用数字信号处理的理论知识进行频谱分析和滤波器设计，通过理论推导得出相应结论，再利用 MATLAB 作为编程工具进行计算机实现，从而加深对所学知识的理解，建立概念。
2．实验基本要求①学会 MATLAB 的使用，掌握 MATLAB 的程序设计方法。
②掌握在 Windows 环境下语音信号采集的方法。
③掌握数字信号处理的基本概念、基本理论和基本方法。
④掌握 MATLAB 设计 FIR 和 IIR 数字滤波器的方法。
⑤学会用 MATLAB 对信号进行分析和处理。
3．实验内容录制一段自己的语音信号，并对录制的信号进行采样；画出采样后语音信号的时域波形和频谱图；给定滤波器的性能指标，采用窗函数法或双线性变换设计滤波器，并画出滤波器的频率响应；然后用自己设计的滤波器对采集的语音信号进行滤波，画出滤波后信号的时域波形和频谱，并对滤波前后的信号进行对比，分析信号的变化；回放语音信号；最后，用MATLAB 设计一信号处理系统界面。
4、采集系统说明：MATLAB函数；麦克风输入方式MATLAB中提供了强大的数据采集工具箱(DAQ-Data Acquisition Toolbox),可满足控制声卡进行数据采集的要求：%记录声音 wavrecord(n,fs,ch,dtype)%发送向量信号 waveplay(y,fs)%读取wave文件 wavread(file)%写wave文件 wavwrite(file),文件的后缀名为.wav%sound(y,fs) %向扬声器送出音频信号滤波函数说明：采用Kaiser Window FIR：Sampling Frequency: 8192Type:LowpassFc:956.6Beta:5。
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：10级电信5班日期：2013年5 月24日1. 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。
2. 实验原理1、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：()()1pk 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:()()()()()1pk 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：()2minE e n ε⎡⎤==⎣⎦ (3)()20,(1)ke 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,pk 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。
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()1201minN p n e n Nε+-===∑(7)事实上就是短时自相关函数，因而()(),R i k i k φ-=(8)()()(),R k E S n S n k =-⎡⎤⎣⎦（9）根据平稳随机信号的自相关性质，可得()(),,1,2;0,1i k R i k i p k pφ=-== (10)由(6)式，可得：()()min 10pk k R a R k ε==-∑ (11)综上所述，可以得到如下矩阵形式：()()()()()()()()()011102120R R R P R R R P R P R P R -⎛⎫⎪- ⎪⎪⎪⎪-- ⎪ ⎪⎝⎭(12)值得注意的是，自相关法在计算预测误差时，数据段()()(){}0,1,1S S S n -的两端都需要加P 个零取样值，因而可造成谱估计失真。
数字语音信号处理实验指导书前言语音信号处理是研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴的学科，是目前发展最为迅速的信息科学研究领域的核心技术之一。
通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息形式。
同时，语言也是人与机器之间进行通信的重要工具，它是一种理想的人机通信方式，因而可为信息处理系统建立良好的人机交互环境，进一步推动计算机和其他智能机器的应用，提高社会的信息化程度。
语音信号处理是一门新兴的学科，同时又是综合性的多学科领域和涉及面很广的交叉学科。
虽然从事这一领域研究的人员主要来自信号与信息处理及计算机应用等学科，但是它与语音学、语言学、声学、认知科学、生理学、心理学等许多学科也有非常密切的联系。
20世纪60年代中期形成的一系列数字信号处理的理论和算法，如数字滤波器、快速傅立叶变换（FFT）等是语音信号数字处理的理论和技术基础。
随着信息科学技术的飞速发展，语音信号处理取得了重大的进展：进入70年代之后，提出了用于语音信号的信息压缩和特征提取的线性预测技术（LPC），并已成为语音信号处理最强有力的工具，广泛应用于语音信号的分析、合成及各个应用领域，以及用于输入语音与参考样本之间时间匹配的动态规划方法；80年代初一种新的基于聚类分析的高效数据压缩技术—矢量量化（VQ）应用于语音信号处理中；而用隐马尔可夫模型（HMM）描述语音信号过程的产生是80年代语音信号处理技术的重大发展，目前HMM已构成了现代语音识别研究的重要基石。
近年来人工神经网络(ANN)的研究取得了迅速发展，语音信号处理的各项课题是促进其发展的重要动力之一，同时，它的许多成果也体现在有关语音信号处理的各项技术之中。
为了深入理解语音信号数字处理的基础理论、算法原理、研究方法和难点，根据数字语音信号处理教学大纲，结合课程建设的需求，我们编写了本实验参考书。
本本参考书针对教学大纲规定的四个研究设计型实验，每个实验给出了参考程序，目的是起一个抛砖引玉的作用，学生在学习过程中，可以针对某一个实验进行延伸的创新学习，比如说，语音端点的检测、语音共振峰提取、基于HMM或DTW的有限词汇或大词汇的特定人、非特定人的语音识别、识别率的提高（如何提高有噪环境下的识别率）、以及编码问题等，同时在学习中还可深入思考如何将有关的方法在嵌入式系统或DSP 下的实现问题等。
