ARMA模型在语音信号线性预测分析中的应用
需积分: 18 145 浏览量
2016-12-03
21:10:33
上传
评论
收藏 568KB DOC 举报
ARMA 模型在语音信号线性预测分析中的应用
摘要：语音信号是一种典型的非平稳随机信号，对语音做分帧处理后可以将其看作准平稳
随机信号，从而使用处理平稳随机信号的方法进行处理。由于语音信号的产生可以用一个
有理函数式来表达，因此可以用 ARMA 模型来对语音信号进行建模分析。本文介绍了用于
随机时间序列的 ARMA 模型，线性预测分析的原理及方法，分析了 ARMA 模型中的 AR 模型
在语音线性预测分析中的应用，阐述了在线性预测分析中 AR 模型参数求解的具体方法以及
影响因素。
关键词：ARMA 模型，AR 模型，线性预测分析，语音信号，随机信号，随机时间序列
引言
语音信号是一种随机信号，其特性及表征本质特征的参数均是随时间而变化的，是一
种非平稳随机过程，所以语音信号的数学模型中的参数应该是随时间而变化的。虽然语音
信号具有时变特性，但是它的特性随时间变化是很缓慢的在一个短时间范围内（一般为
10~30ms），其特性基本保持不变，即短时平稳性。所以可以做出一些合理的假设，将语
音信号分为一些相继的短段进行处理，在这些短段内认为语音信号特性是不随时间变化的
平稳随机过程，然后应用平稳随机过程的方法来处理语音信号。将语音信号分为一帧一帧
来分析其特征参数（帧长取为 10~30ms），这样对于整体的语音信号而言，分析出的是由
每一帧特征参数组成的特征参数随机时间序列。因为语音信号是一种随机过程，所以在语
音信号处理的很多方面可以应用随机模型分析法对语音信号进行处理分析。 ARMA 模型是
常用的拟合随机时间序列的模型，语音信号的线性预测分析（LPC）就是 ARMA 模型在语音
信号处理中的一种具体应用。下文首先阐述 ARMA 模型，然后介绍它在语音信号线性预测
分析中的应用方法。
1. ARMA 模型
ARMA 模型全称自回归滑动平均模型(Auto Regressive Moving Average Model)，是研究平
稳随机过程有理谱的典型方法，适用于很大一类实际问题。 ARMA 模型频谱分辨率高，已
成为随机信号和现代谱分析中的一种重要的参数模型。ARMA 模型由博克斯(Box)和詹金斯
(Jenkins)创立，也称 B-J 方法，其基本思想是：某些时间序列是依赖于时间的一组时间变量，
构成该时序的单个序列值虽然具有不确定性，但整个序列的变化确有一定的规律性，可以
用相应的数学模型近似描述。通过对该数学模型的分析和研究，能够更本质地认识时间序
列的结构和特征，达到最小均方误差意义下的最优预测。
剩余12页未读，继续阅读
资源评论
u014780546
- 粉丝: 2
- 资源: 5
