母音のARモデルに使用する入力は何ですか？

母音の2秒の発音を録音しました。信号の最初の0.12秒程度を以下に示します。

これで、この信号を圧縮するための自己回帰（AR）8次モデルを構築しました。（実際には、160個のサンプルまたは一度に0.02秒をモデル化しているだけです。）arMatlabのSystem Identification Toolboxの関数は、「最適な」スペクトルフィットのパラメーターを推定できます。

私の問題は、モデルフィルターへの確率的入力を選択することです。ホワイトノイズより良いものがあると思います。周期性（0.02秒あたり14周期）は、同じ周期のインパルス列が適切だと思います。

もしそうなら、どのように振幅を選択し、どのように周期性を見つけますか？ACFとPSDの推定はかなりうるさいです。私は正しい軌道に乗っていますか？

ピッチ推定器は、音声の周期性を見つけるために一般的に使用されます。一般的なピッチ推定器には、ケプストラム/ケプストラム分析、高調波積スペクトル、およびYAAPTなどの複合アルゴリズムが含まれます。

あなたの最善の策は、このペーパーで説明されている「YIN」ピッチ検出器であると思います：http : //audition.ens.fr/adc/pdf/2002_JASA_YIN.pdf。それはかなりシンプルで、非常によく機能します。彼らはそれを段階的に提示するか、以前のアイデアを改善し、最初の数ステップを実装するだけで十分です。

実際に使用されているほとんどのピッチ検出器は、自己相関に関連しています。ほとんどのピッチ検出アルゴリズムの最大の問題は、オクターブエラーの問題です。これは、低いピッチまたは高いピッチを検出することです。自己相関関数にノイズが多いと言うのは興味深いことです。整数の倍数にピークがあり、基本周波数の約数にノイズがたくさんあるはずです。うまくいけば、基本周波数に対応するピッチラグが最大値になりますが、多くの場合、サブオクターブになります（信号が完全に周期的ではないため）、またはより高いオクターブになります（強いフォルマントが原因で、ハーモニクスは本当に大音量です）。可能な限り最も低いピッチ周期の約2倍のウィンドウサイズをお勧めします。

その信号はまた、非常に低い周波数成分を持っているように見えます-スピーチは通常そのように上下に振れません。たとえば、50 dB程度の24 dB / octハイパスフィルターで処理することをお勧めします。