基于LPC算法的语音信号采集与重构系统

资 源 简 介

本项目旨在实现基于线性预测编码（Linear Predictive Coding, LPC）技术的语音信号分析与合成重构。项目提供了完整的MATLAB实现方案，具体涵盖以下核心功能：首先实现语音信号的数字化采集，支持从麦克风实时录制或读取现有的WAV音频文件；其次，核心算法部分实现了LPC系数的精确计算，利用自相关法结合Levinson-Durbin递推算法求解预测系数，并详细探讨了预测阶数（Order）的选择对信号重建质量的影响机制；最后，系统根据计算出的LPC系数对语音信号进行重构，生成预测语音波形，并计算原始信号与重构信号之间的残差。程序不仅输出了重构后的语音，还绘制了详细的预测结果误差曲线和时域波形对比图，直观展示了LPC模型对语音信号谱包络的拟合效果，适用于语音压缩编码、语音合成及信号处理教学演示。

详 情 说 明

基于LPC算法的语音信号采集与重构系统

项目简介

本项目实现了一个基于MATLAB的语音信号线性预测编码（Linear Predictive Coding, LPC）分析与合成系统。该系统能够完成从语音信号采集、预处理、LPC特征参数提取、最佳预测阶数分析到信号重构的全过程。通过图形化展示，系统直观地反映了LPC算法对语音频谱包络的拟合能力以及预测阶数对重建质量的影响，适用于语音信号处理的教学演示与算法研究。

主要功能特性

• 多源信号获取：支持麦克风实时录音、WAV文件读取以及内部生成的合成测试信号。
• 标准化预处理：自动进行8kHz重采样、单声道转换、去直流及预加重处理。
• LPC核心算法：内置手写实现的Levinson-Durbin递推算法，不依赖额外工具箱函数直接求解预测系数。
• 智能阶数选择：通过计算预测误差能量与AIC（Akaike Information Criterion）准则，自动分析并推荐最佳LPC阶数。
• 信号重构：基于线性预测残差作为激励源，利用合成滤波器重构语音，并采用重叠相加法（Overlap-Add）恢复时域波形。
• 全方位可视化：提供原始/重构波形对比、LPC谱包络拟合图、阶数误差分析曲线以及残差信号自相关分析。

系统要求

• MATLAB R2016a 或更高版本
• Audio Toolbox（用于麦克风录制与音频文件读写）
• Signal Processing Toolbox（用于基础信号处理函数）

使用方法

1. 启动MATLAB，将工作目录切换至项目所在文件夹。
2. 运行 main 函数。
3. 根据命令行提示选择输入源：

* 输入 1：启动麦克风录制3秒语音。 * 输入 2：弹出文件选择窗口，选择本地WAV文件。 * 输入 3（或直接回车）：生成内置的合成元音测试信号。

1. 等待程序处理，处理完成后系统将自动播放重构后的语音，并弹出四个分析图表窗口。

详细实现逻辑与代码分析

本项目的主要逻辑流程严格遵循 main.m 文件的执行顺序，具体包含以下模块：

1. 信号获取与标准化

程序首先根据用户输入确定信号源。若选择麦克风，则以8kHz采样率、16位深度录制3秒；若选择文件，则读取后重采样至8kHz并转为单声道；若选择测试信号，则调用辅助函数生成含基频谐波的元音模拟信号。所有信号在进入后续处理前均通过除以最大绝对值进行归一化处理。

2. 预处理

为了补偿语音信号高频部分的衰减，使频谱更平坦以便于LPC分析，系统采用一阶高通滤波器（系数 $alpha=0.97$）对信号进行预加重。随后定义分帧参数，帧长设为25ms，帧移设为10ms。

3. 模型阶数选择分析

在全信号处理前，程序选取信号中间部分的稳定浊音帧进行阶数分析：

• 对该帧加汉明窗。
• 循环计算从1阶到20阶的LPC模型。
• 对于每个阶数，利用Levinson-Durbin算法得到预测误差能量。
• 计算简化版的AIC值（$AIC = ln(E_p) + 2p/N$）。
• 寻找AIC最小值的索引作为最佳预测阶数（设定最小下限为8阶），用于后续的全程分析。

4. LPC分析与重构（Analysis & Synthesis）

程序对预加重后的信号进行分帧处理，对每一帧执行以下操作：

1. 加窗：应用汉明窗减少频谱泄漏。
2. 自相关计算：计算当前帧的自相关序列。
3. 系数求解：调用自定义的 my_levinson 函数计算LPC预测系数 $A(z)$ 和增益。
4. 残差计算（编码）：使用预测系数构成的分析滤波器对当前帧进行滤波，提取预测残差（激励信号）。
5. 信号重构（解码）：使用全极点合成滤波器（$1/A(z)$），以计算出的残差为激励，重建语音帧。
6. 重叠相加：将重构帧按时间位置叠加到输出缓冲区中，并统计窗函数的叠加权重。

循环结束后，通过除以叠加的窗函数权重消除分帧带来的幅度调制影响，最后经过去加重滤波器恢复原始语音的频谱特性。

5. 结果可视化

系统绘制以下四组图表：

• 语音信号重构对比：展示原始波形、LPC重构波形以及两者之间的时域误差。
• LPC谱包络分析：选取典型帧，对比FFT计算的原始频谱与LPC全极点模型计算的平滑谱包络。
• LPC预测阶数分析：双轴图表展示预测误差能量随阶数增加的下降趋势，以及AIC准则值的变化曲线，标出系统选定的最佳阶数。
• 残差信号分析：展示全时域的残差信号波形及其自相关函数，后者呈现出明显的峰值，验证了残差中保留的基音周期信息。

关键算法实现细节

Levinson-Durbin 递推算法

代码中包含一个名为 my_levinson 的辅助函数，完全手动实现了Levinson-Durbin递归过程，其核心步骤如下：

1. 初始化0阶预测误差为 $R(0)$。
2. 进行 $p$ 次迭代，每次通过当前误差能量和相关向量计算反射系数 $k$。
3. 利用 $k$ 更新预测系数向量 $a$，公式为 $a_{new} = a_{old} + k cdot a_{flipped}^*$。
4. 更新预测误差能量 $E$，公式为 $E_{new} = E_{old} cdot (1 - |k|^2)$。

残差激励重构

本系统的重构策略采用了残差激励（Residual Excitation）。与简单的声码器使用白噪声或脉冲串作为激励不同，本系统在重构时直接使用了分析滤波器输出的残差信号。这意味着如果LPC阶数足够高且计算精度足够，重构信号将非常接近原始信号（波形保留），这主要用于验证LPC逆滤波和合成滤波的可逆性及算法实现的正确性。

测试信号生成

辅助函数 generate_test_signal 通过生成周期性的脉冲串（模拟声带震动，基频120Hz）来构建合成元音信号，用于在没有外部音频源时的系统功能测试。