基于线性预测编码的语音基音周期检测算法与实现(2)
事物发展都具有规律性,就连偶然的事件也不例外。预测学是根据规律来判断未来,人们可以
通过研究,收集一定的资料,研究出己知真实情况,分析出能代表或者说明未知的演变规律。这
种经过大量的数据处理加之主观判断所确定的预测规律称为预测模型。
预测的过程主要有四个层次:
(1)对于所需预测的对象的分析:正确地掌握该对象的情况,是正确预测的前提;
(2)相关预测模型的建立:表现为预测对象以及相关因素的运动、变化、依存和联系的关
系,模型建立与所采用的理论有关,不同的指导理论就有不同的预测模型;
(3)预测的应用:预测方法主要可以为分两种,一种为定性预测其最主要方法是特尔斐方
法；而另一种为定量预测，其最主要的方法又有两种，一种为回归分析法；另一种为时间序
列法。
(4)预测精度的分析:预测结果的误差大小与选择的预测方法有十分重要的关系,预测精度
的关键在于如何处理好预测的误差范围,使得预测规律更跟能符合实际。
线性预测（Linear Prediction,LP）这个专业术语首次是由文纳于 20世纪 40 年代提出
的。此后，线性预测被使用于许多领域。线性预测技术发展到今，已经使语音处理有了许多
突破和发展。
线性预测在估计基本语音的参数（如谱、共振峰、基音以及用低速率传输等）方面有着
重要的作用。其能较为准确地估算语音参数，用较少的参数的同时就可以正确地表现语音的
时频特性，而且可以通过比较简单的计算就可以比较快速地求出参数。 1.1.2. 课题研究的目的及意义
1.1.2.1. 研究目的
该课题要求学生熟悉线性预测编码算法，完成算法的仿真，熟悉各部分算法原理，评估
算法的性能。并针对语音文件，对算法进行优化。同时要求在现有DSP开发平台上，利用
DSP实现算法，完成验证以及性能评估。通过课题从理论仿真到DSP实践的锻炼，培养学
生在现有基础上探索新知的能力，加强理论联系实际能力，提高分析问题解决问题的能力，
树立科研工作务实创新的精神。
1.1.2.2. 研究意义
通过语音识别技术，可以实现利用语音信息进行身份鉴别，例如声纹支付，为用户开启
防盗门功能等。在互联网应用及通信领域，语音识别技术具有十分广泛的使用情景。例如人
机通话，机器应答，残疾人士的交流辅助，语音电子邮件等领域。在软件应用上，语音识别
技术同样可以提供更加人性化化的人机交互界面。当人们使用电话、手机时，对例如apple
的 siri 进行请求时，系统能够根据语音判断出用户所想表达的意思，从而提供更加更贴心，
个性化的服务。对LPC的进一步的研究和DSP的结合能使语音识别技术能更好的得到推广
和使用。这样人们的生活将各加便利。
1.2. 论文的结构安排
本论文主要研究了基于线性预测编码的语音基音周期检测算法与实现，全文分为4 章进
行论述。
第 1章为绪论部分，论述了基于线性预测编码的语音基音周期检测算法的研究背景、选
题意义及研究目的，并给出了论文的结构安排。
第 2章介绍了基于线性预测编码技术相关的语音信号处理基础知识，阐明了线性预测分
析的基本原理；详细的介绍了线性预测分析的两大基本方法——协方差法和自相关法的基本原理与核心算法，并进行比较给出了本文选择自相关法进行线性预测的理由和其优势所在；
上一篇：频率可重构微带天线的研究与设计