關鍵詞: 部分相關系數舒爾遞推算法FPGA 并行處理技術

　　隨著語音技術應用的發展，越來越多的語音信號數字處理系統需要按照實時方式或在線方式工作，特別在嵌入式系統設計中，對系統的硬件環境要求更高。隨著語音處理算法的日益復雜，用普通處理器對語音信號進行實時處理，已顯得力不從心。本文將采用新一代現場可編程門陣列FLEX10K系列的FPGA芯片實現語音信號的LPC分析，并通過舒爾(Schur)遞推算法，提取語音信號處理中的重要參數――部分相關系數，即PARCOR系數。

1 LPC分析及舒爾遞推算法

1.1 LPC分析基本原理

　　線性預測分析(LPC)是對一給定的時域離散線性系統用輸出信號的過去值的線性組合來估計即將到來的輸出值。即某一時刻n的語音信號的估計值為:

　　按均方誤差最小準則，即LMS算法，可求得預測器最佳預測系數a_i應滿足下列方程組:

這組方程稱為LPC正則方程，其中R(l)稱為自關函數，它們是進行LPC分析的基礎。

1.2 舒爾遞推算法

將正則方程作適當變換，定義一個變量Q_l^(m)如下:

　其中r(l)=R(l)/R(0)為歸一化自關函數。

　　根據Q_l^(m)的性質和正交定理[1]可證明部分相關系數K^(m)與Q_l^(m)有下列關系:

　　由于部分相關系數K⁽¹⁾～K^(P)與最佳預測系數a₁^(P)～a_P^(P)間存在簡單對應關系，因而部分相關系數K^(m)被廣泛應用于語音識別、語音合成和低速語音編譯器中。