语音信号处理——基于线性预测下的语音信号合成

滨江学院课程论文题目基于线性预测下的语音信号合成学生姓名杨鑫学号20142305047系别电子系专业电子信息工程指导教师周晓彦二Ｏ一七年六月六日基于线性预测分析的语音合成的研究杨鑫南京信息工程大学滨江学院，江苏南京210044摘要：语音合成是实现人机语言通信的关键技术，而线性预测(LPC)是语音信号处理中最有效的分析方法。而最佳线性预测设计的核心是LPC系数的计算。本文阐述了线性预测的基本原理,对提取LPC系数中的自相关解法中的莱文逊—杜宾递推算法做出了具体验算，并且给出相关MATLAB的实现以及其仿真结果，然后采用线性预测参数法合成语音。关键词：线性预测；莱文逊—杜宾递推算法；语音合成；MATLAB目录1绪论..............................................................................................................................................11.1引言...................................................................................................................................11.2国内外研究现状...............................................................................................................11.3研究的内容.......................................................................................................................22线性预测分析的基本原理...........................................................................................................22.1语音信号的预处理............................................................................................................32.2基本原理............................................................................................................................32.3LPC和语音信号模型的关系............................................................................................42.4线性预测方程组的建立...................................................................................................52.5线性预测方程组解法.......................................................................................................72.6LPC方程自相关解法的MATLAB实现............................................................................143线性预测参数合成法合成语音.................................................................................................153.1语音合成的基本原理.....................................................................................................153.2参数合成方法.................................................................................................................163.3线性预测合成法.............................................................................................................164总结............................................................................................................................................17参考文献.........................................................................................................................................17致谢................................................................................................................................................17附录................................................................................................................................................1811绪论1.1引言语音合成是人机语声通信的一个很重要组成部分，语音合成技术赋予机器“人工的嘴巴”的功能，解决让机器像人一样说话的问题。让机器像人一样说话，建立可以仿照人的语言过程的模型，设想在机器中首先形成一个要讲的话语，它大多以表示信息的字符代码的形式存在，然后按照复杂的语音规则，将信息的字符代码形式转换成由基本发音单元组成的序列，同时检查话语的上下文，决定声调、重音、必要的停顿等韵律特性，以及陈述、命令、疑问等语气，最后给出相应的符号代码表示。这样组成的字符代码序列相当于一种“言语码”。从“言语码”出发，按照发音规则生成一组随机变化的字符代码序列，去控制语音合成器发出声音，犹如人脑中的神经命令，以电脉冲形式向发声器官发出指令，使舌、唇、声带、肺等部分的肌肉相互协调动作发出声音一样，这样一个完整的过程就是语音合成的含义。语音合成的研究已有很年的历史，就目前的研究结果而言，从技术方式讲可分为波形合成法，参数合成法和规则合成法。线性预测（LinearPrediction）这一术语是维纳1947年首次提出的，此后线性预测技术就应用到很多领域中。1967年，日本学者板仓（Itakura）等人最先将线性预测运用到语音分析和合成之中[1]。线性预测是语音信号处理中最核心的技术之一，普遍地应用于语音信号处理的各个方面。这种方法是最有效，最流行的语音分析技术之一。在估计基本的语音参数（如共振峰、谱、声道面积函数），以及用低速率传输或储存语音等方面，线性预测是一种主要的技术。它能够极其精确地估计语音参数，用很少的参数有效的，正确地表现语音波形及其频谱性质，而且技术效率很高，在应用上也灵活方便。线性预测分析包括的基本概念是，一个语音的抽样能够由之前的若干个语音的抽样的线性组合来逼近。使实际语音抽样和线性预测抽样之间差的平方和（在一个有限间隔内）达到最小值，即使最小均方误差的逼近，可以确定唯一的一组预测系数。这里的预测系数就是指线性组合中所用的加权系数[2]。将线性预测的分析方法应用于语音信号处理，不但利用了其预测功能，而且提供了一个非常好的声道模型。这样的声道模型对理论的研究和实际的应用都是极其有用的。因此线性预测的基本原理和语音信号数字模型密切相关。声道模型的优良性能决定了线性预测是语音编码中特别适合的编码，线性预测的预测系数也是语音识别中非常重要的信息来源。LPC技术运用于语音编码时，利用模型参数可以有效地降低传输码率；应用于语音识别时，将LPC参数形成模板存储，可以提高识别率和大大减少计算时间。1.2国内外研究现状就语音合成技术而言，最早的合成器是1835年由W.vonKempelen发明，经Weston改进的机械式会讲话的机器。该机器完全模仿人的发音生理过程，分别用风箱、特别设计的哨2子和软管来模拟肺部的空气动力、模拟口腔。而最早的电子式语音合成器是1939年HomerDudley发明的声码器[3]，它不是简单地模拟人的发生机理，而是通过电子线路来实现基于语音产生的源——滤波器理论[4]。线性预测合成方法是目前比较简单和实用的一种语音合成方法，因为其低数据率、低复杂度，低成本，收到特别的重视。20世纪60年代后期后期发展起来的线性预测编码（LPC）语音分析方法可以有效地估计基本的语音参数，如基音、共振峰、谱、声道面积函数等，可以对语音的基本模型给出精确地估计，而且计算速度很快。自20世纪80年代末期至今，语音合成技术有了新的发展，特别是1990年提出的基音同步叠加（PSOLA）方法[5]，使基于时域波形拼接方法合成的语音的音色和自然度有了很大的提高。20世纪90年代初，基于PSOLA技术的法语、德语、英语、日语等语种的文语转换系统都已经研制成功。这些系统的自然度比以前基于LPC方法或共振峰合成器的文语合成系统的自然度要高很多，并且基于PSOLA方法的合成器结构简单，便于实现，有很大的商业前景。我国的语音合成研究是从20世纪80年代开始的，中科院声学研究所、中科院自动化所、社科院语音所较早地开展了这方面的工作。早期的工作主要是参数合成，尤其是共振峰的合成及线性预测合成。20世纪90年代初开始，真实语音的波形拼接技术最早由清华大学应用到汉语中来，合成的语音清晰度明显好于参数合成。之后声学所将可以调节韵律参数的波形合成技术PSOLA引入汉语合成，并提出了一套韵律控制方法，使合成语音的质量有突破性的提高。当前的汉语语音合成系统中，很多单位也在开展基于HMM参数语音合成方法的研究，如清华大学、中国科技大学、微软亚洲研究院、IBM中国研究中心、摩托罗拉中国研究中心等，尤其是中国科技大学及大讯飞公司近年来在若干次国际语音评测中取得了突出的成绩，其研发的语音合成系统已广为使用[6]。1.3研究的内容本文主要研究一下几个方面。第一节线性预测分析的基本原理。阐述如何将语音信号进行预处理和线性预测的基本原理，主要讲述了LPC和语音信号模型的关系，讨论了如何将语音产生的数字模型向自回归信号模型的转换，如何将解非线性方程组的问题转换为解线性方程组的问题。第二节LPC方程的建立与其解法。根据线性预测分析的原理，列出关于LPC系数的方程组，并采用自相关解法中的莱文逊—杜宾递推算法进行具体的验算求出线性预测系数。第三节LPC方程的自相关解法的MATLAB的实现。根据莱文逊—杜宾递推算法的数学原理，利用MATLAB进行仿真，并且进行简要阐述。第四节线性预测参数合成法合成语音。介绍语音合成的概念和线性预测参数合成法的基本原理。第五节总结。总结线性预