卓嘎++董志誠

摘 要： 藏語語音參數(shù)提取是藏語語音識別的關(guān)鍵技術(shù)之一，參數(shù)提取的精確度直接影響語音識別的效果。線性預(yù)測系數(shù)（LPC）是語音信號的重要頻域參數(shù)，是目前語音信號處理過程中比較重要的處理技術(shù)，廣泛應(yīng)用于語音壓縮、語音聲學(xué)建模、語音合成、語音識別等過程中。首先介紹了線性預(yù)測算法原理，然后提出了藏語語音LPC參數(shù)提取的方案，最后在Matlab平臺上實現(xiàn)了藏語語音LPC參數(shù)的提取和仿真分析，研究結(jié)果對完善藏語語音合成技術(shù)和提高藏語語音識別效率有一定的研究參考價值。

關(guān)鍵詞： 藏語語音； LPC； 參數(shù)提??； 語音信號

中圖分類號： TN912.3?34 文獻標識碼： A 文章編號： 1004?373X（2017）18?0020?03

Research on speech parameter extraction of LPC in Tibetan Lhasa language

ZHUO Ga， DONG Zhicheng

（School of Engineering， Tibet University， Lhasa 850000， China）

Abstract： Tibetan speech parameter extraction is the one of the key technologies of Tibetan speech recognition. The accuracy of parameter extraction directly affects the effect of speech recognition. Linear prediction coefficient （LPC）， as an important frequency domain parameter of speech signals， is currently an important processing technology in speech signal processing and widely used in the process of speech compression， speech acoustic modeling， speech synthesis， speech recognition and so on. In this paper， the principle of linear prediction algorithm is introduced. A scheme of LPC parameter extraction from Tibetan speech signals is proposed. LPC parameter extraction from Tibetan speech signals and simulation analysis are conducted on the Matlab platform. The results of the research provide some references for improving the Tibetan speech synthesis technology and the efficiency of speech recognition.

Keywords： Tibetan speech； LPC； parameter extraction； speech signal

語音識別技術(shù)是集信號處理技術(shù)、語言學(xué)、聲學(xué)等知識的一門綜合的、跨學(xué)科的技術(shù)。目前，由于大數(shù)據(jù)、深度學(xué)習(xí)、語音智能化研究的興起[1]，語音識別技術(shù)在國內(nèi)外得到很多專家學(xué)者的高度關(guān)注[2?4]。線性預(yù)測算法[5]（Linear Prediction）是語音識別的關(guān)鍵技術(shù)之一，這一術(shù)語是維納1947年首次提出的，此后，線性預(yù)測應(yīng)用于許多領(lǐng)域中。1967年，板倉等人最先將線性預(yù)測技術(shù)直接應(yīng)用到語音分析和合成中。隨著這一算法的深入研究和不斷完善，在語音的合成、分析、編碼和識別等方面得到了廣泛的應(yīng)用。

本文首先介紹了LPC線性預(yù)測算法原理，然后提出了藏語語音LPC參數(shù)提取的方案，最后在Matlab平臺上實現(xiàn)了藏語語音LPC參數(shù)的提取和仿真分析。

1 LPC線性預(yù)測算法原理

LPC線性預(yù)測原理：對于輸入的一段語音信號，首先用信號樣點間的相關(guān)性，獲得線性預(yù)測的參數(shù)值，然后將預(yù)測樣點的值與原始語音信號樣點的值相減，得到的誤差值用某種計算準則降到最低，從而逼近原始語音波形。已知原始語音信號樣點值為[s（n）]，預(yù)測語音信號樣點值[s（n）]的關(guān)系如下，[p]為原始樣點的個數(shù)，[ak]為加權(quán)系數(shù)即預(yù)測系數(shù)，那么預(yù)測樣值[s（n）]為[p]個原始樣點的加權(quán)之和：

[s（n）=k=1pak（n-k）]

從而可以得到預(yù)測誤差為：

[e（n）=s（n）-s（n）=s（n）-k=1pak（n-k）]

然后計算短時平均最小誤差：

[ε=E[e2（n）]=min]

為了使預(yù)測效果最佳，利用均方誤差最小算法，得到：

[?[e2（n）]?ak=0， 1≤k≤p]

令：

[?（i，k）=E[s（n-i），s（n-k）]]

得到最小的[ε]為：

[εmin=?（0，0）-k=1pak?（0，k）]

從而可以看出，誤差越接近于零，那么計算出的線性預(yù)測系數(shù)越逼近原始語音信號的樣點。

在實際應(yīng)用中，可以用線性預(yù)測算法建立線性時不變因果穩(wěn)定的全極點聲道模型[6]，并進行語音合成，其數(shù)學(xué)公式如下，將時域誤差[e（n）]進行[z]變化，得到[p]階的誤差濾波器的系統(tǒng)函數(shù)：endprint

[H（z）=1+i=1paiz-i]

如果將輸入語音的濁音或清音作為系統(tǒng)的激勵信號[7]，經(jīng)過該系統(tǒng)函數(shù)，再進行逆濾波可以得到原始的語音信號[s（n）]。[ai=（i=1，2，…，p）]是[p]階線性預(yù)測系數(shù)，即該模型的參數(shù)模型的系統(tǒng)函數(shù)為：

[H（z）=1A（z）+11+i=1paiz-i]

常用的平均最小方差算法有自相關(guān)法和協(xié)方差法。用自相關(guān)法計算線性預(yù)測系數(shù)時，需要在數(shù)據(jù)段兩端補充零，從而造成一定的失真。協(xié)方差算法中，數(shù)據(jù)段兩端不需要添加零取樣值，因此其優(yōu)點是在取合適的采樣點數(shù)和階數(shù)時獲取的參數(shù)比自相關(guān)法精確。但是，在語音處理過程中，只要取足夠的樣點數(shù)值，也能得到比較精確的參數(shù)值。因此，高效的自相關(guān)算法在語音信號處理過程中應(yīng)用比較廣泛。自相關(guān)解法主要有杜賓算法、格型算法和舒爾算法等幾種高效遞推算法。

2 藏語拉薩語LPC參數(shù)提取方法

藏語拉薩語LPC參數(shù)提取流程圖如圖1所示，具體提取步驟如下：

（1） 語音的錄制和采集。Matlab自帶的函數(shù)wavread可以讀取語音信號并進行采樣，同時可以獲取采樣頻率?；蛘呃脀avrecord自己錄制一段語音，再進行讀取。

（2） 語音編輯處理。對采集的語音數(shù)據(jù)進行前期的編輯、去噪、分割處理。

（3） 預(yù)加重處理。通過一個一階有限激勵響應(yīng)高通濾波器[8]，使信號的頻譜變得平坦，降低有限字長效應(yīng)的干擾。

（4） 分幀和加窗。語音信號被看作是一種典型的非平穩(wěn)信號，但由于語音的形成過程是與發(fā)音器官的運動密切相關(guān)的，這種物理運動比起聲音振動速度緩慢得多。因此可以假定語音信號為短時平穩(wěn)的，即在10～20 ms這樣的時間段內(nèi)，其頻譜特征和某些物理特征參量可近似地看作是不變的。這樣，就可以采用平穩(wěn)過程的分析處理方法來處理。將每個短時的語音稱為一個分析幀，一般幀長取10～30 ms。在此采用一個長度有限的窗函數(shù)來截取語音信號形成分析幀。通常會采用矩形窗和漢明窗[9]。

（5） LPC參數(shù)提取和數(shù)據(jù)分析。通過Matlab編程仿真提取已采集的語音數(shù)據(jù)的頻譜、線性預(yù)測系數(shù)和共振峰參數(shù)[10]。分析藏語語音的原始幀、預(yù)測幀和誤差幀的頻譜圖、譜包絡(luò)結(jié)構(gòu)和共振峰。

3 Matlab藏語語音LPC參數(shù)提取仿真和分析

在Matlab環(huán)境下，完成測試語音藏語（站立的意思）的LPC參數(shù)提取的仿真實驗。如圖2所示。

實驗中，原始藏語語音為圖2所示的第一個波形，采樣頻率為8 000 Hz，取第10幀，進行LPC參數(shù)提取，分別觀察了提取幀的時域、頻域的LPC原始幀、提取幀、誤差幀的波形和12階LPC包絡(luò)圖。圖2（a）是原始時域波形圖，在進行LPC參數(shù)提取之前，為了保證數(shù)據(jù)的有效性，先用手工方法將原始語音信號進行處理，只提取有效語音段[1 500 5 000]，然后再進行參數(shù)提取。圖2（b）是對該語音的第10幀原始幀和預(yù)測幀的對比波形圖，從波形上可以看出基本重合，說明LPC算法能夠很好地預(yù)測原始語音信息。圖2（c）是該語音第10幀原始幀和預(yù)測幀誤差波形圖，為了得到最佳的預(yù)測效果，采用均方誤差最小的算法[11?12]使原始幀和預(yù)測幀的誤差接近于零。圖3是測試語音第10幀原始幀、預(yù)測幀、誤差幀的頻域波形。在頻域上也具有很好的吻合性。

圖4 是測試語音的不同階數(shù)LPC譜包絡(luò)，從圖4可以看出明顯的共振峰，階數(shù)取8時的參數(shù)提取效果最佳，前三個為其共振峰。雖然階數(shù)越高提取的線性預(yù)測系數(shù)越多，但并不意味著提取的效果越好。在語音信號處理過程中，階數(shù)一般取8～14之間。表1是三種階數(shù)提取的線性預(yù)測系數(shù)。

4 結(jié) 語

LPC算法是目前語音識別過程中重要的語音參數(shù)提取技術(shù)之一，通過提取輸入語音的線性預(yù)測系數(shù)可以獲得共振峰的參數(shù)信息，從而進行得藏語語音的聲學(xué)分析，并在此基礎(chǔ)上可以提取其他相關(guān)的重要參數(shù)，如：LPC倒譜系數(shù)、共振峰、基音等特征參數(shù)。

表1 三種階數(shù)提取的線性預(yù)測系數(shù)

LPC算法存在靈敏度和人耳不匹配的問題，但是，在無噪聲環(huán)境下，線性預(yù)測系數(shù)算法是建立良好聲道模型的有效方法之一。LPC算法可以用于區(qū)分藏語語音的清音和濁音，提取共振峰、基音等頻率參數(shù)。因此，在藏語語音合成、識別過程中具有重要作用。

注：本文通訊作者為董志誠。

參考文獻

[1] 詹新明，黃南山，楊燦.語音識別技術(shù)研究進展[J].現(xiàn)代計算機，2008（9）：43?45.

[2] 陳碩.深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)在語音識別中的應(yīng)用研究[D].廣州：華南理工大學(xué)，2013.

[3] AREL I， ROSE D C， KARNOWSKI T P. Deep machine learning ： A new frontier in artificial intelligence research[J]. IEEE computational intelligence magazine， 2010， 5（4）： 13?18.

[4] 禹琳琳.語音識別技術(shù)及應(yīng)用綜述[J].現(xiàn)代電子技術(shù)，2013，36（13）：43?45.

[5] 張雪英.數(shù)字語音處理及Matlab仿真[M].2版.北京：電子工業(yè)出版社，2016.

[6] 李冠宇，孟猛.藏語拉薩話大詞表連續(xù)語音識別聲學(xué)模型研究[J].計算機工程，2012（5）：189?191.

[7] 王文娟.基于壓縮感知理論的語音特性分析和研究[D].南京：南京郵電大學(xué)，2013.

[8] 周玲.基于Matlab的語音信號數(shù)字濾波處理[J].安慶師范學(xué)院學(xué)報（自然科學(xué)版），2011（3）：46?49.

[9] 卓嘎，邊巴旺堆.基于Matlab的藏語語音基音檢測算法研究[J].現(xiàn)代電子技術(shù)，2015，38（10）：20?22.

[10] 陳小瑩，艾金勇.藏語拉薩話元音共振峰聲學(xué)分析[J].西藏民族大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2016（3）：110?115.

[11] 張明，劉祥樓，姜崢嶸.基于LPC的語音信號預(yù)測仿真分析[J].光學(xué)儀器，2015（1）：71?74.

[12] YANG J. Combining speech enhancement and cepstral mean normalization for LPC cepstral coefficients [J]. Key engineering materials， 2011 （474/476）： 349?354.