论文开题报告：共振峰估计

题目：共振峰估计

要求：
通过毕业设计，融会贯通本科阶段所学习的理论知识，培养科研能力和分析、解决问题的能力；通过毕业设计和毕业论文的撰写，拓宽知识面，掌握资料检索、分析、系统设计、理论计算、实验验证、数据分析、资料整理的能力。
一、共振峰的概念
共振峰是反映声道谐振特性的重要特征，它代表了发音信息的最直接的来源，而且人在语音感知中利用了共振峰信息。所以共振峰是语音信号处理中非常重要的特征参数，已经广泛地用作语音识别的主要特征和语音编码传输的基本信息。共振峰信息包含在频率包络之中，因此共振峰参数提取的关键是估计自然语音频谱包络，一般认为谱包络中的最大值就是共振峰。与基因检测类似，共振峰估计也是表面上看起来很容易，而实际上又受很多问题困扰。这些问题包括：
（1）虚假峰值。在正常情况下，频谱包络中的极大值完全是又共振峰引起的。但在线性预测分析方法出现之前的频谱包络估计器中，出现虚假峰值是相当普遍的现象。甚至在采用线性
……（新文秘网https://www.wm114.cn省略663字，正式会员可完整阅读）……　
频谱包络中的局部极大值，称为选峰法。
（2）倒谱法。声道响应的倒谱衰减很快，在[-25,25]之外的值相当小，因此可以构造一个相应的倒谱滤波器，将声道的倒谱分离，对分离出来的倒谱做相应的反变换，就可以得到声道函数的对数谱，对此做进一步处理即可求得所需的各个共振峰。

三、提取共振峰的实现
（1）基于线性预测（LPC）
在语音信号的LPC模型中，语音信号样本s(n)可由如下差分方程表示：
式中，u(n)为激励函数，G是增益，{ak；k =1，2，……P}是LPC系数。相应的数字滤波器传递函数H(z)为

上式还可表示为P个极点的级联形式：

式中， 是H(z)在Z平面上第k个极点：若H(z)是稳定的，其所有极点都在z平面的单位圆内。则第k个共振峰的频率和带宽分别为
和 ，T为语音信号采样周期。语音信号的共振峰能由数字激光器传递函数H(z)进行估计，最直接的方式是对H(z)进行多项式求根，由所求的根来判断共振峰或谱形状极点。然而，该方法难以快速而有效地找到根值。另一有效的获取共振峰的途径是语音信号LPC谱的谱峰检测的方法进行估计共振峰，该方法需要解决共振峰台并的问题。McCandless试图采用在z平面单位圆内重复计算H(z)的方式来分离合并的共振峰，另一个有效的方法是采用对数LPC谱的二阶导数进行估计共振峰，取得较好效果。
（2）倒谱法
语音信号不是加性信号，而是卷积信号。为了能用线性系统对其进行处理，可以先采用卷积同态系统处理。经过卷积同态系统后输出的伪时序序列称为原序列的“复倒频谱”。它的定义式可以表示为：

倒谱或称“倒频谱”的定义为：

它和复倒谱的主要区别是对序列对数幅度谱的傅立叶逆变换，它是复倒谱中的偶对称分量。它们都将卷积运算，变为伪时域中的加法运算，使得信号可以运用满足叠加性的线性系统进行处理。复倒谱涉及复对数运算，而倒谱只进行实数的对数运算，较复倒谱的运算量大大减少。
如果 和 分别是 和 的倒谱，*(n)= * ,那么*(n)的倒谱c(n)= + 。
（2）倒谱法
选择最普遍的极零模式来描述声道相应*(n),其z变换的形式为：

经过傅立叶变换，取对数和逆傅立叶变换后可以得到其复倒谱：

对于倒谱可以只考虑它的幅度特性，可以看出，它是一个衰减序列，且衰减的速度比1/|n|快。因而它比原信号*(n)更集中于原点附近，或者说它更具有短时性。


四、提取共振峰的实现方法的应用
（1）基于线性预测（LPC）的应用技术现状
肺部气流冲击声带．通过声道的响应，形成语音。不同的声道形状产生不同的声道响应，导致不同的语音。就声道的数学模型，主要有两种观点：
(一)把声道看作由多个不同截面积的声管串联而成，即声管模型；
(二)把声道看作谐振腔，共振峰就是该腔体的谐振频率，即共振峰模型。
因人耳听觉的柯替氏器官就是按频率感受而排列其位置的，因而，实践证明共振峰模型方法是非常有效的。共振峰是描述语音信号特征的重要参数，所以，准确有效的共振峰提取算法对语音信号的分析、台成、编码有重要意义。线性预测编码(LPC)是进行语音信号分析、语音信号编码最有效的技术之一 其重要性在 ……（未完，全文共3687字，当前仅显示1862字，请阅读下面提示信息。收藏《论文开题报告：共振峰估计》）