摘要：Formant feature extraction is investigated in the paper. Extraction of formant features is based on calculating frequency positions of spectral peaks. The spectrum has been calculated from parameters of linear prediction model. Reliability of formant feature extraction depends on the method used for linear prediction model parameter estimation. The autocorrelation method previously used for linear prediction model parameter estimation was not reliable enough for formant feature extraction. Therefore we were looking for more reliable method of linear prediction model parameter estimation. The previously used autocorrelation method was compared with covariance,Burg,Marple methods and the modified Split Levinson algorithm. It was concluded,that autocorrelation,covariance,Burg and Marple methods are similar from the point of view of formant feature extraction. The modified Split Levinson algorithm provides the best formant feature estimates.
其他摘要：Straipsnyje nagrinėjami formantinių požymių išskyrimo metodai. Formantinių požymių išskyrimas remiasi spektro pikų radimu apskaičiuotame iš tiesinės prognozės modelio parametrųų spektre. Formantini ų požymių išskyrimo patikimumas priklauso nuo tiesinės prognozės modelio parametrų vertinimo metodo. Anksčiau tiesinės prognozės modelio parametrų vertinimui naudojome autokoreliacinį metodą,kuris neužtikrindavo patikimo formantinių požymių išskyrimo. Todėl,siekiant padidinti formantini ų požymių išskyrimo patikimumų,ieškoma geresnio tiesinės prognozės modelio parametrų vertinimo metodo. Autokoreliacinis tiesinės prognozės modelio parametrų vertinimo metodas lyginamas su kovariaciniu,Burg,Marple metodais ir modifikuotu Split Levinson algoritmu. Tyrimais nustatyta,kad pagal formančių trajektorijų išskyrimą kovariacinis,Burg,Marple tiesinės prognozės modelio parametrų vertinimo metodai iš esmės nesiskiria nuo autokoreliacinio,o modifikuotu Split Levinson algoritmu gauname daug patikimesnius formančių trajektorijų įverčius.
