唐晓进

（国营大众机械厂，山西太原 030024）

语音信号按Niquest采样频率采样后，得到数字化表示的语音信号。由于采样率一般在8kHz以上，经数字化后的语音信号，数据量很大，不便于有效、实时地分析处理，故需从中提取对语音识别有用的信息。特征提取就是完成这项工作，它对语音信号进行分析处理，去除无关紧要的冗余信息，获得影响语音识别的重要信息。在特征提取的众多方法中，由于倒谱特征所包含的信息比其它参数多，能较好地表征语音信号，本文选用LPC倒谱系数（LPCC）作为特征参数提取。

1 语音识别基本原理

语音识别本质上是一种模式识别的过程，其基本结构原理框图如图1所示，主要包括语音信号预处理、特征提取、特征建模、相似性度量和后处理等几个功能模块［1］。

图1 语音识别基本原理图

2 特征参数的选择

语音识别系统常用的特征参数有幅度、能量、过零率、线性预测系数（LPC）、LPC倒谱系数（LPCC）、线谱对参数（LSP）、短时频谱、共振峰频率、反映人耳听觉特征的Mel频率倒谱系数（MFCC）等。语音识别一般是语音特征参数模式的识别和比较，因此特征参数的选择以及提取，对于语音识别系统至关重要，是系统构建的基础［2］。

在语音识别问题中，选择语音特征参数的主要依据是:

（1）该特征能够充分正确地反映语音声道谱，以便识别模型中利用其特征。

（2）语音特征维数达到有效地压缩，将语音帧信号维数降低至特征参数的维数，使后继处理方便、快捷。

（3）特征参数的计算方法简便、高效，能在各种实时系统中实现。

3 线性预测倒谱系数（LPCC）的提取

依据语音信号产生的生理和数学模型可知，语音信号是音源激励分量与声道冲激响应、辐射模型三者相乘的产物。因此通过语音信号的倒谱分析可有效地分离激励成分和声道成分。

3.1 LPC倒谱系数（LPCC）

计算语音信号的倒谱使用根据AR模型对LPC参数进行递推，形成LPC倒谱的方法。线性预测分析方法是一种谱估计的方法，而且其声道模型系统函数H（z）反映了声道的频率响应和原始信号的谱包络，因此用lgH（z）做反Z变换即可求出其LPC倒谱系数（LPCC）［3］。

通过线性预测分析得到的声道模型为全极点模型，假设其系统函数为:

其中p为LPC线性预测器的阶数。设其冲激响应为h（n），则:

将式（1）代入并将其两边对z-1求偏导数，经变换后，可得到和ak之间的递推关系，从而由ak求出（n）:

需要求h（n）的复倒谱（n），根据复倒谱定义，有:

其中ak为LPC系数，而p为其阶数。

（n）将变得很小，实际上没有更大的作用，反而使得运算量增大。一般取8～32阶时就可以较好地表征声道特征。

3.2 LPCC特征提取的实现

本设计先对语音信号进行预加重处理，然后进行加窗、自相关分析，最后提取出LPC倒谱系数［4］，具体流程图如下:

图2 LPC倒谱系数提取过程

（1）预加重

用于消除辐射的影响和声门效应，进行高频提升，使信号的频谱变得平坦，保持在低频到高频的整个频带中，能用同样的信噪比求频谱，以便于频谱分析或声道参数分析。使用语句“for（j=1;j＜ Framelen;j++）pre_data［j］=original［j］-0.95*original［j-1］”对信号进行预加重处理，Framelen为定义的帧长。

（2）分帧

把语音信号分成帧长为N的短时语音帧序列。本设计中录音采样率为8kHz，N对应的时间为25ms。程序中用“#define Framelen 256”语句表示。

（3）加窗

对语音信号数字化、分帧处理后，就要进行加窗处理。语音信号分析中最常用的窗函数是矩形窗、海宁窗和汉明窗。因为汉明窗旁瓣最低，可以有效地克服泄漏现象，具有更平滑的低通特性，故本设计采用汉明窗来消除由分帧引起的信号边缘蜕变，汉明窗定义如下:

汉明窗

其中L为窗长。

使用函数 MultiHamming（float*pre_date，float*data），pre_date为预处理后的信号，data为加窗处理后的数据。

（4）自相关及LPC分析

加窗处理后的各帧信号之间的自相关计算为:

P为LPC分析的阶数。

信号经过LPC分析得到P阶的LPC系数。

根据Durbin递推算法求解LPC系数:

公式中，上标（i）表示第i次迭代，每次迭代都要重新更新 α1，α2…αi，直到i=p时，结束迭代，p为预测系数的阶数。

定义 AutoCorrelate（int n，float*s1，int m，float*a，int mark）函数来计算LPC系数（包括自相关系数），其中，n为帧长，m为阶数，s1为输入的信号数据，a即为LPC系数;定义 CepCoeffient（int m，int n，float*a，float*cepp）函数来计算LPC倒谱系数。

（5）LPC系数转换

由P阶的LPC系数转换得到Q阶的Cepstral系数。

倒谱定义为:

其中K为倒谱的阶数。

3.3 特征提取结果

对语音信号通过HMM（隐马尔可夫）识别网络进行LPCC特征参数提取，得出其分别在各个信噪比下的语音信号识别率，见表1。

因为低阶倒谱参数对整个频谱参数斜率很敏感，而高阶的倒谱参数对噪声很敏感，所以在实际计算时，要对倒谱进行加权，或称为倒谱提升。

其定义为:其中wm定义如下:

表1 语音信号识别率（识别网络:HMM（隐马尔可夫）神经网络）

4 结论

本设计针对特征参数提取的各种方法，选用LPCC进行特征提取。通过对语音信号进行预加重、分帧、加窗、自相关分析，而后提取出的LPC倒谱系数，对语音信号的分析处理，去除对语音识别无关紧要的冗余信息，获得影响语音识别的重要信息有重要作用。

［1］张刚，张雪英，马建芬.语音处理与编码［M］.北京:兵器工业出版社，2000.

［2］王让定，柴佩琪.语音倒谱特征的研究［J］.计算机工程，2003（8）:31-33.

［3］叶明，顾利民.LPC倒谱参数的说话人特征分析［J］.南京航空航天大学学报，1994，6（12）:797-804.

［4］赵力.语音信号处理［M］.北京:机械工业出版社，2003.

［5］易克初.语音信号处理［M］.北京:国防工业出版社，2000.