LPC系数的共振峰估计

此示例显示了如何使用线性预测编码（LPC）估算元音赋量频率。通过找到预测多项式的根来获得共振峰频率。

This example uses the speech samplemtlb.mat，这是信号处理工具箱™的一部分。演讲是低通过滤的。由于采样频率较低，因此该示例的语音样本不是最佳的。低采样频率限制了您可以适合数据的自回旋模型的顺序。尽管有这种限制，但该示例说明了使用LPC系数来确定元音实扣的技术。

加载语音信号。录音是一个女人说“Matlab®”。采样频率为7418 Hz。

加载MTLB

垫子文件包含语音波形，MTLB，以及采样频率，Fs。

使用频谱图函数以识别有声段以进行分析。

分段= 100;noverlap = 90;NFFT = 128;频谱图（MTLB，分段，Noverlap，nfft，fs，'yaxis'） 标题（“信号谱图”）

Extract the segment from 0.1 to 0.25 seconds for analysis. The extracted segment corresponds roughly to the first vowel, /ae/, in "MATLAB".

dt = 1/fs;i0 =圆形（0.1/dt）;iend =圆形（0.25/dt）;x = mtlb（i0：iend）;

在线性预测编码之前，将两个常见的预处理步骤应用于语音波形，是窗口和前强调（高通）过滤。

Window the speech segment using a Hamming window.

x1 = x。*hamming（长度（x））;

应用前重点过滤器。预先强调过滤器是高通通滤（AR（1））滤波器。

preemph = [1 0.63];x1 =滤波器（1，premph，x1）;

获得线性预测系数。要指定模型顺序，请使用一般规则，即订单是实式的预期数量加2​​的两倍。在频率范围[0，| fs |/2]中，您期望三个共振体。因此，将模型顺序设置为等于8的模型顺序LPC。

A = lpc(x1,8); rts = roots(A);

由于LPC系数是实现的，因此根部出现在复杂的共轭对中。仅保留一个符号的根部，并确定与根相对应的角度。

rts = rts（imag（rts）> = 0）;angz = atan2（imag（rts），real（rts））;

在RAD/样品中转换成角度的角频率，以赫兹的角度表示，并计算共振峰的带宽。

The bandwidths of the formants are represented by the distance of the prediction polynomial zeros from the unit circle.

[frqs，indices] = stort（angz。*（fs/（2*pi）））;bw = -1/2*（fs/（2*pi））*log（abs（rts（indices）））;

使用以下标准，即强义频率应大于90 Hz，带宽小于400 Hz来确定共振峰。

nn = 1;为了kk = 1：长度（FRQ）如果（FRQS（kk）> 90 && bw（kk）<400）formants（nn）= frqs（kk）;nn = nn+1;endend实力

实扣=1×3103×0.8697 2.0265 2.7380

前三个实力为869.70、2026.49和2737.95 Hz。

References

[1] Snell，Roy C.和Fausto Milinazzo。“从LPC分析数据中的共振体位置”。IEEE®交易有关语音和音频处理。卷。1，第2卷，1993年，第129-134页。

[2] Loizou, Philipos C. "COLEA: A MATLAB Software Tool for Speech Analysis."