一、获取代码方式
获取代码方式1：
完整代码已上传我的资源：【语音编码】基于matlab LPC编解码【含Matlab源码 554期】
获取代码方式2：
通过订阅紫极神光博客付费专栏，凭支付凭证，私信博主，可获得此代码。
备注：
订阅紫极神光博客付费专栏，可免费获得1份代码（有效期为订阅日起，三天内有效）；
二、LPC编码简介
利用线性预测可以改进编码中的量化器性能。因为预测误差e(n)的动态范围和平均能量均比输人信号x(n) 小， 如果对e(n) 进行量化和编码， 则量化bit数将减少。在接收端，只要使用与发送端相同的预测器，就可恢复原信号x(n)。基于这种原理的编码方式称为预测编码(Predictive Coding，PC) ； 当预测系数是自适应随语音信号变化时， 又称为自适应预
测编码(Adaptive PC，APC) 。图9-10为一个基本的APC系统。
语音数据流一般分为10~20ms相继的帧，而预测器系数(或其等效参数)则与预测误差一起传输。在接收端，用由预测器系数控制的逆滤波器再现语音。采用自适应技术后，预测器P(z)要自适应变化，以便与信号匹配。预测编码的优点之一是能够改善信噪比。
根据信号量化噪声比的定义有
正如在前面介绍的那样，语音信号中存在两种类型的相关性，即在样点之间的短时相关性和相邻基音周期之间的长时相关性。因为浊音信号具有准周期性，所以相邻周期的样本之间具有很大的相关性。因而在进行相邻样本之间的预测之后，预测误差序列仍然保持这种准周期性，为此，可以通过再次预测的方法来压缩比特率，即根据前面预测误差中的脉冲消除基音的周期性，这种预测称为基于基音周期的预测。相邻样本之间的预测利用了相邻的样本值，所以称为“短时预测”，它实际上是频谱包络的预测；而为了区别于短时预测，将基于基音周期的预测称为“长时预测”，它实际上是基于频谱细微结构的预测。
利用线性预测对语音进行这两种相关性的去相关处理后，得到的是预测余量信号。如果用预测余量信号作为激励信号源，输人长时预测滤波器，再将其输出作为短时预测滤波器的
输入，即可在输出端得到解码后的合成语音信号。
预测编码系统中，输出和输人语音之间存在误差，这种误差是由量化引起的，所以也被称为量化噪声。量化噪声的谱一般是平坦的。预测器预测系数是按均方误差最小准则来确定的，但均方误差最小并不等于人耳感觉到的噪声最小。由于听觉的掩蔽效应，对噪声主观上的感觉，还取决于噪声的频谱包络形状。通过对噪声频谱整形可使其变得不易被察觉，如果能使噪声谱随语音频谱的包络变化，则语音共振峰的频率成分就必然会掩盖量化噪声。
虽然采用了线性预测、自适应量化和噪声抑制等手段， 使APC系统稍微变得复杂， 但
是， 实验表明该系统在16kbit/s时可得到与7bit的对数PCM同等的语音质量(35dB信噪
比)。
三、部分源代码
clcclose allclear all[x,fs]=audioread('手放开.wav');
四、运行结果
五、matlab版本及参考文献
1 matlab版本
a
2 参考文献
[1]韩纪庆,张磊,郑铁然.语音信号处理（第3版）[M].清华大学出版社，.
[2]柳若边.深度学习:语音识别技术实践[M].清华大学出版社，.
