python - 在计算共振峰频率特征时如何确定线性预测系数(LPC)中的滤波器阶数？

Question

我是信号处理的新手，正在尝试为不同的.wav文件计算共振峰频率特征。

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

Angular

我正在尝试在python中使用librosa.core.lpc计算线性预测系数(LPC)。它带有两个参数:

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，我必须设置顺序以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 Angular 可以很容易地像这样计算:

 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

LPC的顺序背后没有确切的科学依据，尽管有两个经验法则:

一个期望找到的共振峰数量加两倍，再加上两个。 Systematic errors in the formant analysis of steady-state vowels中提供的解释:每个共振峰对应于一个阻尼正弦曲线，可以用一对具有正确频率和阻尼的根来捕获(一个根是另一个的复共轭)。有两个额外的系数“以防万一”以吸收信号

中的剩余能量

采样频率(kHz)。如果Fs=16000即16kHz，则将order设置为16。

第一种方法似乎更受欢迎，并且例如在US专利No.4,235,235中描述。在 Mathworks page上。

关于优化的注意事项

与这个问题无关，但我无法抗拒对代码进行两次小的调整，以使其变得更加 NumPy :

import numpy as np
import librosa

A = 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()