如何在计算共振峰频率特征时确定线性预测系数 (LPC) 中的滤波器阶数？

Question

我是信号处理的新手，并试图计算不同 .wav 文件的共振峰频率特征。

为了计算共振峰频率，我需要三个参数值：

• 线性预测系数 (LPC)

• 根

• 角度

我正在尝试在 python 中使用 librosa.core.lpc 计算线性预测系数（ LPC ）。它需要两个参数：

librosa.core.lpc(y, order)

我有 Y 但我不知道如何计算顺序，我有很多 .wav 文件，我必须设置顺序才能从所有文件中提取特征。如何确定所有wav文件计算LPC的顺序？

接下来的两件事根和角度可以像这样轻松计算：

 rts = numpy.roots(A)

 rts = [r for r in rts if numpy.imag(r) >= 0]

angz = numpy.arctan2(numpy.imag(rts), numpy.real(rts))

# Get frequencies.

Fs = spf.getframerate()

frqs = sorted(angz * (Fs / (2 * math.pi)))

先感谢您！

Answer 1

应该使用的 LPC 顺序背后没有精确的科学，但有两条经验法则：一个期望找到的共振峰数量的两倍，再加上两个。稳态元音共振峰分析中的系统误差中提供的解释：每个共振峰对应于一个阻尼正弦曲线，可以由一对具有正确频率和阻尼的根捕获（其中一个根是其他）。两个额外的系数“以防万一”以吸收信号中的任何剩余能量以 kHz 为单位的采样频率。如果Fs=16000ie 16kHz，将 order 设置为 16。第一种方法似乎更流行一些，例如在Mathworks 页面上进行了描述。优化注意事项与问题无关，但我忍不住对代码提出了两个小调整，以使其更加麻木：import numpy as npimport librosaA = librosa.core.lpc(y, 12)rts = np.roots(A)rts = rts[np.imag(rts) >= 0]angz = np.arctan2(np.imag(rts), np.real(rts))frqs = angz * fs / (2 *  np.pi)frqs.sort()