基于MATLAB的语音信号线性预测编码LPC分析与合成源码

资 源 简 介

本项目实现了一套完整的语音信号线性预测编码（LPC）处理系统，旨在通过MATLAB平台深入演示语音信号压缩与合成的基本原理。项目采用模块化设计，主要功能链路包括：1. 信号预处理：对输入的WAV语音文件进行预加重（Pre-emphasis）以提升高频分量，随后进行分帧（Framing）和加汉明窗（Hamming Window）处理，以满足语音信号的短时平稳性假设；2. LPC特征提取：利用自相关法计算每帧信号的自相关函数，并应用核心的Levinson-Durbin递归算法高效求解线性预测系数（LPC Coefficients）、反射系数以及预测误差功率，从而精确模拟人类声道的滤波特性；3. 残差计算与激励源生成：根据预测系数计算预测残差信号，既可作为无损的激励源，也可通过简化模型（如脉冲序列或白噪声）模拟声门激励；4. 语音合成：利用求得的LPC系数构建全极点合成滤波器，对激励信号进行滤波以重建语音波形，并进行去加重（De-emphasis）和重叠相加（OLA）恢复连续语音。该代码库无需依赖复杂的第三方工具箱，所有函数封装在独立的工作目录中，用户下载后即可直接运行主脚本进行仿真，非常适合用于语音编码教学、低比特率语音传输模拟以及相关的算法研究。

详 情 说 明

基于MATLAB的语音信号线性预测编码(LPC)分析与合成系统

项目介绍

这是一个基于MATLAB开发的语音信号处理仿真项目，主要演示了线性预测编码（Linear Predictive Coding, LPC）这一经典语音压缩与合成算法的核心原理。该系统不单纯依赖现成的音频文件，而是内置了信号生成模块，能够模拟产生带有谐波结构的元音信号。

通过该项目，用户可以直观地观察到语音信号从产生、预处理、特征提取（LPC系数计算）、残差获取、再到合成重建的完整信号链路。代码采用模块化编写，并在最后提供了丰富的可视化图表，用于对比分析原始信号与合成信号的时域波形及频谱特性，非常适合用于语音信号处理的教学演示及算法研究。

主要功能特性

• 模拟信号生成：内置合成器，通过基频及其谐波叠加、包络调制和噪声注入，模拟生成类似元音/a/的语音信号，无需外部音频文件即可运行。
• 完整的LPC链路：涵盖了预加重、分帧加窗、自相关计算、Levinson-Durbin递归求解、残差计算、全极点滤波合成、去加重等标准流程。
• 自定义算法实现：核心的Levinson-Durbin算法为手动实现，未调用黑盒函数，便于学习递归求解LPC系数的数学细节。
• 重叠相加（OLA）重建：在合成阶段实现了加窗后的重叠相加及权重归一化处理，保证了帧间过渡的平滑性。
• 多维度可视化：提供时域波形对比、预测残差展示、频谱包络分析以及LPC系数随时间演变的系数图。

系统要求

• MATLAB R2016a 或更高版本
• 无需特殊工具箱（代码尽量使用了基础函数，但建议安装Signal Processing Toolbox以获得最佳兼容性）

使用方法

1. 下载本项目代码。
2. 在MATLAB中打开脚本所在的文件夹。
3. 直接运行 main 函数。
4. 程序运行结束后，将自动弹出包含四个子图的分析窗口，并在当前目录下生成 orig_signal.wav（原始模拟信号）和 synth_lpc.wav（LPC合成信号）。

功能详解与实现逻辑

本项目的主程序 main 严格按照语音处理的流水线进行设计，具体步骤如下：

1. 信号生成与模拟

程序首先设置采样率（8kHz）和时长参数，通过叠加20次谐波（基频120Hz）并添加幅度包络和微量白噪声，生成一个模拟人类发音的元音信号。这确保了包含清晰的共振峰结构，便于LPC算法捕捉。

2. 预处理 (Pre-processing)

为了补偿语音信号随频率增加而衰减的特性，系统利用一阶高通滤波器（系数为0.97）对原始信号进行预加重。此步骤有助于提升高频分辨率，使LPC分析更加准确。

3. 分帧与加窗 (Framing & Windowing)

为了满足语音信号“短时平稳”的假设，系统将连续信号切割为长度为30ms、帧移为15ms的短帧。每一帧均乘以汉明窗（Hamming Window），以减少由于帧边缘截断产生的频谱泄漏。

4. LPC分析与特征提取

这是系统的核心部分，对每一帧信号执行以下操作：

• 自相关计算：计算加窗信号的自相关函数。
• Levinson-Durbin算法：利用子函数 my_levinson_durbin，基于自相关数据递归求解10阶线性预测系数（LPC Coefficients）、反射系数以及预测误差功率。该算法高效地解出了Yule-Walker方程。
• 残差计算：使用计算出的LPC系数构建逆滤波器（全零点滤波器），对当前帧进行滤波，得到预测残差（Prediction Residual）。在本项目中，残差被保留用作“完美激励源”，以实现高质量的波形重建。

5. 语音合成 (Synthesis)

利用源-滤波器模型（Source-Filter Model）进行语音重建：

• 激励源：使用上一步计算得到的残差信号。
• 合成滤波：利用LPC系数构建全极点滤波器（IIR），模拟声道的共振特性。将激励源输入该滤波器，得到合成后的语音帧。
• 二次加窗：为了配合后续的重叠相加步骤，对合成帧再次施加汉明窗。

6. 重叠相加 (Overlap-Add)

系统初始化一个全零的重建信号数组和权重数组。将处理好的合成帧按照帧移位置累加到重建数组中，同时累加窗口权重。最后，将重建信号除以权重数组，消除因窗口重叠导致的幅度调制，恢复连续的语音波形。

7. 后处理 (Post-processing)

对重建后的信号进行去加重处理（预加重的逆过程），恢复语音信号原本的频谱倾斜度，并进行幅度归一化，最终输出合成音频。

8. 结果可视化

程序最后绘制一个综合图表，包含以下内容：

• 时域波形对比：展示原始信号与LPC合成信号的波形，验证重建的准确性。
• 预测残差信号：展示去除声道相关性后的激励信号，近似于白噪声或脉冲序列。
• 频谱包络分析：选取中间一帧，对比原始信号的FFT频谱与LPC全极点模型的频率响应，展示LPC如何拟合频谱包络。
• LPC系数演变图：以图像形式展示所有帧的LPC系数变化情况，反映声道形状随时间的演变（由于模拟的是稳态元音，系数变化较小）。