时域特征--线性预测系数(LPC)以及LPCC

欲知更多，请关注公众号：音频探险记

LPC

线性预测系数的基本思想：由于语音样点之间存在着相关性，那么当前点/未来点可以用过去的p个样本点进行预测，即
其中就是要求的LPC，P表示预测阶数。
好处：可以得到声道模型及其模型参数的方法，广泛用于语音识别以及语音合成中。

import librosa
import python_speech_features
import soundfile as sf
import numpy as np
def lpc(y, order):
    dtype = y.dtype.type
    ar_coeffs = np.zeros(order + 1, dtype=dtype)
    ar_coeffs[0] = dtype(1) # 1.0
    ar_coeffs_prev = np.zeros(order + 1, dtype=dtype)
    ar_coeffs_prev[0] = dtype(1)
    # 前向和后向的预测误差
    fwd_pred_error = y[1:]
    bwd_pred_error = y[:-1]
    den = np.dot(fwd_pred_error, fwd_pred_error) + np.dot(bwd_pred_error, bwd_pred_error)
    for i in range(order):
        if den <= 0:
            raise FloatingPoint