论文部分内容阅读
采用预测神经元作为语音信号线性预测模型的一种实现形式，可将线性预测系数的求解问题转化为预测神经元的训练问题，并运用BP算法得到了神经元权值(即线性预测系数)的递推计算公式.考虑到语音信号能量的不确定性，提出了运用相对预测误差能量作为收敛判断的参数，并按清音和浊音两种情况讨论了收敛判据.由于利用预测神经元的迭代训练算法，理论上可以最大限度地挖掘语音样本中的相关性，因而可得到非常精确的线性预测系数.计算结果表明，运用预测神经元方法所得到的线性预测系数，精度明显高于传统的杜宾算法和格型算法.