析等.但是Matlab自身并不提供用于语音信号处理的工具箱,也有一些研究结构针对语音信号特点参数的计算开发出第三方的Mat-lab工具箱,如伦敦帝国学院电子工程系开发的Voicebox工具箱[5]、纽约的哥伦比亚大学开发的Rastamat工具箱[6]以及德克萨斯大学开发的Colea工具箱等[7].2语音信号处理实验仿真语音信号处理实验仿真针对在语音信号处理教学与实践中比较重要的线性预测编码(LPC,LinearPredictiveCoding)、滤波器组技术以及感知线性预测(PLP,PerceptualLinearPrediction)特征,使用Matlab软件进行仿真分析.2.1线性预测编码LPC给出了语音信号的基本模型,尤其对准稳态浊音部分有很好的描述.LPC的全极点模型反映了声道的频率响应和原始信号的谱包络.LPC是一种谱估计的方法,认为一个语音的采样能用过去若干个语音采样的线性组合来逼进.通过使线性预测得到的采样在最小均方误差意义上逼近实际语音采样,可以求取一组唯一的预测系数,即线性组合中所使用的加权系数.s[n]=∑pk=1ak·s[n-k]+e[n].(1)而对于P阶线性预测,有S(z)E(z)=11-∑pk=1ak·z-k=1A(z).(2)LPC分析中,如果阶数低于正确阶数,则该信号是欠建模的,此时估计误差很大,信号的相邻谱峰会重叠甚至重叠为一个.若阶数大于正确阶数,则该信号是过建模的,导致病态矩阵方程和伪峰出现.在实验中,使用Matlab编写程序对语音进行不同阶次的LPC分析,得到所使用的正确阶数.图1中是阶数p为8,16,24,32时对应的语音LPC频谱.图1语音的LPC频谱(p=8,16,24,32)2.2滤波器组分析MFCC系数广泛应用于语音识别领域,在计算过程中,为了反映区别特征在各个频段的特征,使用类似于耳蜗作用的Mel频率滤波器组.滤波器组由混迭的三角窗构成,将滤波器频带内的能量进行叠加作为输出.设计实验使学生编写程序生成Mel频率滤波器组,并分析其中各滤波器的特性.图2中的滤波器组包括22个滤波器,图3是滤波器组中各滤波器的参数.图2三角滤波器组·69·2011年第1期牡丹江师范学院学报(自然科学版)No.1,2011(总第74期)JournalofMudanjiangNormalUniversityTotalNo74010-10-19资金项目:安徽省教育厅重点资助项目(20100508);淮北师范大学青年科研项目(700286)Matlab在语音信号处理实验教学中的应用王孟杰,庞昂博,杨一军(淮北师范大学物理与电子信息学院,安徽淮北235000)摘要:开发一种将Matlab仿真应用于语音信号处理中的教学方法,通过编写程序上机实验帮助学生理解语音信号处理的基本原理和方法,介绍在语音信号处理中应用比较广泛的线性预测编码、Mel滤波器组和感知线性预测的仿真实现,以图形化的方式使学生对于抽象的结果有直观的认识.关键词:语音信号处理;线性预测编码;滤波器组;感知线性预测[中图分类号]G642[文献标志码]A[文章编号]1003-6180(2011)01-0068-02语音信号处理是一门发展十分迅速、应用非常广泛的前沿交叉学科,同时也是一个跨学科的综合性应用研究领域,研究涉及到一系列前沿课题.语音信号处理以语音为研究对象,涉及心理学、生理学、语言学、人工智能和模式识别等多项研究领域,主要内容包括语音的识别与合成、语音编码以及说话人的识别等.“语音信号处理”是信息学科高年级本科生和研究生的一门重要课程,目的是使学生了解语音信号处理学科的原理、方法、应用及目前的学科发展趋势与方向,介绍智能信息处理技术,现代信号处理技术及其他一些前沿和新兴技术在语音信号处理中的应用,以及最新的研究成果与进展[1-2].本研究把Matlab仿真应用于语音信号处理的实验教学中,通过编写程序上机实验帮助学生理解语音信号处理的基本原理和方法.1Matlab软件与语音信号处理课程语音信号处理课程的先修课程有信号与系统、数字信号处理、概率论与数理统计、Matlab等,主要介绍语音信号处理的基础理论和基本算法,要求有比较好的数学基础.其后续课程主要有人工网络、模式识别与人工智能等.由于课时较少,大部分学生学习起来比较困难.为了帮助学生深入直观地理解课程的基本理论,对于课程的核心部分采用Matlab仿真实验辅助课堂理论教学.Matlab是一款由MathWorks公司出品的数学软件,常用于算法开发、数据可视化、数据分析以及数值计算和交互式环境.具有众多的附加工具箱(Toolbox)适合不同领域的应用[...