LPC-10

 

LPC-10阶预测编码

利用前n个(10阶则为10个)信号值，来预测当前信号值，将声道抽象成一个全极点的传递函数

P(z)=1/{(Ap*Power(Z,-p)+(A(p-1)*Power(Z,-(p-1))) + .... + A0*Power(Z,-1)}; 其中Ap为1;

系统输出为Y[n] = ApY[n-p] + Ap-1Y[n-(p-1)] + .... + A0Y[n] + GX[n];

而预测值容易求出 _Y[n] = ApY[n-p] + Ap-1Y[n-(p-1)] + .... + A0Y[n] ;

平方差值和  e = 两值相减，取平方，当e为最小值时，即最佳预测，对Ai(i=0~p)分别求偏导

就可以得到一个线性方程组，利用莱文森德宾递推，即可求出Ai(i=0~p)。

将得到的LPC线程预测系数转换成LSF，这一步没有很好的算法，因为LSF的解一定在单位圆

上，实际处理中(如G723算法)采取沿着单位圆搜索每个过零值。

LSF不会直接被打进rtp包，而是会被映射到一个被量化的码本。这里有一个VQ转换过程，实际

rtp传输的是LSF在码本中的索引，接收端根据索引，从码本里找出对应的码字，合成语音（这里

还涉及清浊音判断，如果是浊音还必需要搜索出基音周期，利它们去激励P(z)，最终实现语音解码）。

 

为什么建立码本？

人类语言发声时，声道会固定为几种形状，如元音(a e i o u)各个辅音(b p 等),线性预测得出的LPC

参数有着相对固定的取值组合，利用索引可以进一步地增加有效传输率。

但是又不能将LPC系数直接进行量化，因为量化时必然引入误差，而LPC系数对误差较为敏感，于是

人们采用LSF进行量化(LSF系数对误差不敏感)。

 

VQ训练，以及量化