Линейное предиктивное кодирование (ЛПК, , LPC) — это метод, применяемый преимущественно в и для представления огибающей спектра цифрового речевого сигнала в сжатом виде используя данные линейной .

ЛПК является наиболее распространённым методом и синтеза речи. Это мощная техника анализа речи и эффективный метод кодирования высококачественной речи при низком битрейте.

Обзор В основе ЛПК лежит предположение, что речевой сигнал генерируется своего рода вибратором на конце трубки (для звонких звуков), с периодически добавляемыми шипящими и взрывными звуками (для глухих звуков, таких как свистящие и взрывные согласные). Хотя эта может показаться упрощённой, она на самом деле довольно точно отражает реальный процесс производства речи. (пространство между голосовыми связками) создаёт вибрацию, которая характеризуется своей интенсивностью (громкостью) и частотой (высотой тона). Речевой тракт (горло и рот) образует трубку, которая характеризуется своими резонансами. Эти резонансы порождают форманты, или усиленные частотные полосы в производимом звуке. Шипение и взрывы генерируются действием языка, губ и горла во время произнесения свистящих и взрывных согласных.

ЛПК анализирует речевой сигнал путём выделения формант, удаляя их влияние из сигнала и оценивая интенсивность и частоту оставшегося звука. Процесс удаления формант называется обратной фильтрацией, а остаточный сигнал после вычитания отфильтрованной модели — остатком.

Числовые характеристики интенсивности и частоты звука, формант и остаточного сигнала могут быть сохранены или переданы. ЛПК синтезирует звуковой сигнал в обратном порядке — параметры звука и остаток используются для создания исходного сигнала, а форманты используются для создания фильтра (представляющего речевой тракт), и исходный сигнал пропускается через этот фильтр, в результате чего получается речь.

Поскольку речевые сигналы изменяются во времени, этот процесс выполняется на коротких фрагментах речевого сигнала, называемых кадрами. Обычно 30–50 кадров в секунду обеспечивают разборчивую речь при хорошем сжатии.

Ранняя история

Линейное предсказание (оценка сигналов) берёт свое начало как минимум в 1940-х годах, когда Норберт Винер разработал математическую теорию для расчёта оптимальных фильтров и предикторов для обнаружения сигналов, скрытых в шуме. Вскоре после того, как Клод Шеннон создал общую теорию кодирования, над предиктивным кодированием работали , Бернард Оливер и Генри К. Харрисон. В 1955 году опубликовал две статьи о предиктивном кодировании сигналов.

Линейные предикторы применили к анализу речи независимо из Нагойского университета и Сюдзо Сайто из Nippon Telegraph and Telephone в 1966 году, а в 1967 году они были применены , Манфредом Шрёдером и Джоном Бургом. Итакура и Сайто описали статистический подход, основанный на оценке максимального правдоподобия. Атал и Шрёдер описали подход на основе адаптивного линейного предиктора. Бург изложил подход, основанный на .

В 1969 году, Итакура и Сайто представили метод, основанный на (PARCOR), предложил кодирование речи в реальном времени, а представил кодер речи на основе ЛПК на ежегодном собрании Акустического общества Америки. В 1971 году компания продемонстрировала работающий в реальном времени ЛПК, использующий 16-битную аппаратуру. Было продано четыре таких устройства. Технологию ЛПК усовершенствовал Бишну Атал и Манфред Шрёдер в 1970-х 1980-х годах. В 1978 году Атал и Вишванат с соавторами из разработали первый алгоритм ЛПК с переменной скоростью. В том же году Атал и Манфред Шрёдер в Bell Labs предложили речевой кодек ЛПК под названием , который использовал алгоритм психоакустического кодирования, эксплуатирующий свойства маскировки человеческого уха. Это впоследствии стало основой для техники , используемой в формате сжатия аудиоданных MP3, представленном в 1993 году. Кодирование на основе линейного предсказания и кодового возбуждения (CELP) было разработано Шрёдером и Аталом в 1985 году.

ЛПК является базовой технологией IP-телефонии (, VoIP). В 1972 году Боб Кан из DARPA с Джимом Форджи из Лаборатории Линкольна и Дэйв Уолден из начали первые разработки в пакетированной речи, что, в конечном счёте, привело к технологии IP-телефонии. В 1973 году, согласно неофициальной истории Лаборатории Линкольна, Эд Хофстеттер впервые реализовал ЛПК со скоростью 2400 бит/с. В 1974 году между Каллер-Харрисоном и Лабораторией Линкольна по сети ARPANET была осуществлена первая двусторонняя пакетная речевая связь с использованием ЛПК в реальном времени на скорости 3500 бит/с.

Представления коэффициентов ЛПК ЛПК часто применяется для передачи информации о спектральной огибающей, поэтому он должен быть устойчив к ошибкам передачи. Прямая передача коэффициентов фильтра (определение коэффициентов см. в статье Линейное предсказание) нежелательна, так как они очень чувствительны к ошибкам. Иными словами, очень небольшая ошибка может исказить весь спектр, или, что еще хуже, небольшая ошибка может сделать фильтр предсказания нестабильным.

Существуют более совершенные представления, такие как (, LAR), разложение на (, LSP) и коэффициенты отражения. Из них особую популярность приобрело разложение LSP, поскольку оно обеспечивает стабильность предиктора, а спектральные ошибки локальны при небольших отклонениях коэффициентов.

Приложения ЛПК является наиболее распространённым методом в и синтезе речи. Оно обычно применяется для анализа и повторного синтеза речи. ЛПК используется телефонными компаниями для сжатия голоса, например, в стандарте GSM. ЛПК также находит применение беспроводной связи, где голос необходимо оцифровать, зашифровать и передать по узкому голосовому каналу. Ранним примером такого использования является система правительства США.

Синтез на основе ЛПК может быть использован для создания вокодеров, где музыкальные инструменты служат сигналом возбуждения для изменяющегося во времени фильтра, полученного из речи певца. Этот подход довольно популярен в электронной музыке. создал известное произведение компьютерной музыки «notjustmoreidlechatter» с использованием линейного предиктивного кодирования. В популярной обучающей игрушке 1980-х годов применялось ЛПК 10-го порядка

ЛПК предикторы используются в , , FLAC, аудиокодеке SILK и других кодеках сжатия аудио без потерь.

ЛПК также привлекло внимание как инструмент для тонального анализа скрипок и других струнных музыкальных инструментов.

См. также Информационный критерий Акаике Сжатие данных Кодирование на основе линейного предсказания (CELP)

Линейное предсказание

Примечания

Литература

Литература для дальнейшего чтения

Ссылки real-time LPC analysis/synthesis learning software 30 years later Dr Richard Wiggins Talks Speak & Spell development Robert M. Gray, IEEE Signal Processing Society, Distinguished Lecturer Program

Категория:Аудиокодеки Категория:Алгоритмы сжатия с потерями Категория:Кодеки речи Категория:Цифровая обработка сигналов Категория:Изобретения Японии Категория:Сжатие данных