الترميز التنبؤي الخطي
- قدّمه
- Freddy Burg, John Makhoul
- السنة
- 1975
- النوع
- Predictive speech coding and analysis
- العائلة
- Signal processing, Speech modeling
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
يُعد الترميز التنبؤي الخطي (LPC) تقنية قوية لمعالجة الإشارات تُستخدم لنمذجة الكلام وضغطه، وذلك بافتراض إمكانية التنبؤ بكل عينة كلامية من خلال توليفة خطية من العينات السابقة. وقد كان رائدا هذه التقنية بورغ ومخول في سبعينيات القرن الماضي، ويُعد الترميز التنبؤي الخطي أساسًا لبرامج ترميز الكلام، وتوليف الكلام، والتعرف على المتحدث، وتحسين الكلام. ويستغل الترميز التنبؤي الخطي البنية المترابطة زمنيًا للكلام لتحقيق نسب ضغط عالية وتمكين استخلاص فعال للمعاملات.
الفكرة الحدسية وراء الطريقة
تتكرر أنماط الأصوات الكلامية: فالأحبال الصوتية المهتزة تُنتج دورية النبرة، ويقوم الجهاز الصوتي بترشيح هذا الاهتزاز إلى فونيمات. ويلتقط الترميز التنبؤي الخطي هذه الانتظامات من خلال التنبؤ بكل عينة كلامية من العينات القليلة السابقة (عادةً 8-16). وإذا كان التنبؤ دقيقًا، فلا يلزم إرسال سوى خطأ التنبؤ (البقية)، مما يحقق الضغط. ويُنمذج الترميز التنبؤي الخطي الجهاز الصوتي كنظام خطي، مما يجعله فعالًا للغاية للكلام.
التاريخ
قدم بورغ الترميز التنبؤي الخطي في سياق الجيوفيزياء وتقدير الطيف في الستينيات. جلب مخول الترميز التنبؤي الخطي إلى معالجة الكلام في عام 1975، مؤسسًا ترميز الكلام الحديث. سرعت الأبحاث الحكومية (وكالة الأمن القومي، داربا) تطوير برامج ترميز الترميز التنبؤي الخطي في الثمانينيات. جمع CELP (التنبؤ الخطي المشفر بالإثارة) بين الترميز التنبؤي الخطي والتكميم المتجه وأصبح معيارًا لبرامج ترميز الكلام المتنقلة (GSM، EVRC). لا تزال برامج الترميز الحديثة (AMR، OPUS) تستخدم مبادئ الترميز التنبؤي الخطي مع التوسعات.
متى تُستخدم
استخدم الترميز التنبؤي الخطي لضغط الكلام وترميزه (الهاتف، الصوت عبر بروتوكول الإنترنت)، والتحقق من المتحدث والتعرف عليه، وتقييم جودة الصوت، وتوليف الكلام (تحويل النص إلى كلام)، وتحسين الكلام. يُعد الترميز التنبؤي الخطي فعالًا بشكل خاص عند معدلات البت المنخفضة (< 4 كيلوبت في الثانية) وللكلام النظيف. بالنسبة للصوت واسع النطاق (الموسيقى) أو معدلات البت المنخفضة جدًا (< 1 كيلوبت في الثانية)، قد تُفضل برامج ترميز أكثر تعقيدًا.
الحدود والاعتبارات
- مصمم للكلام؛ تتطلب الموسيقى والصوت العام ترتيب نموذج أعلى أو طرق بديلة.
- يفترض جهازًا صوتيًا خطيًا وإنتاج صوت ثابت؛ لا تُنمذج الانتقالات (الانفجاريات، الاحتكاكيات) بدقة.
- تقدير النبرة يمثل تحديًا، خاصة بالنسبة للمتحدثات الإناث والظروف الصاخبة؛ وتنتشر أخطاء النبرة في التوليف.
- غالبًا ما تُكمم البقية منخفضة التردد (تفاصيل >1 كيلوهرتز) بشكل مفرط؛ وتعتمد وضوح الكلام على التمثيل الدقيق للترددات العالية.
- لا تُسجل الاختلافات الفردية للمتحدث (اللهجة، جودة الصوت) في الترميز التنبؤي الخطي الأساسي؛ ويتطلب تطبيع المتحدث معالجة إضافية.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- ضغط عالي الكفاءة: يمكن تمثيل الكلام بـ 12-24 معلمة لكل إطار 20 مللي ثانية (~600 بت/ثانية)، مما يتيح ضغطًا بنسبة 50:1+.
- يمثل فيزياء الجهاز الصوتي: تتوافق معاملات الترميز التنبؤي الخطي مع رنينات الجهاز الصوتي (التشكيلات)، مما يجعلها قابلة للتفسير ومقاومة للضوضاء.
- حساب سريع: يمكن تقدير معاملات الترميز التنبؤي الخطي في الوقت الفعلي على الأجهزة المدمجة باستخدام تكرار دوربين أو خوارزميات الشبكة.
- يوفر فصلًا واضحًا بين الإثارة (النبرة، الكسب) والمرشح (الجهاز الصوتي)؛ ويمكّن من تعديل الكلام (تحويل النبرة، تمديد الوقت، تحويل الصوت).
- راسخ وموحد: يُستخدم الترميز التنبؤي الخطي في برامج ترميز الكلام العسكرية والخلوية؛ وتضمن عقود من التحسين الموثوقية.
التطبيقات
- ترميز الكلام والهاتف: تقنية أساسية في برامج ترميز الهواتف الخلوية (GSM، 3G، 4G) والهاتف عبر الإنترنت (VoIP، Skype).
- التعرف على المتحدث والتحقق منه: تُعد معاملات الترميز التنبؤي الخطي السيبسترالية (تحليل السيبسترال للترميز التنبؤي الخطي) معيارًا لأنظمة التعرف على المتحدث.
- تحويل الصوت وتوليف الكلام: يُمكّن الترميز التنبؤي الخطي من تحويل خصائص الصوت وتوليد كلام اصطناعي.
- تحسين الكلام وإزالة الضوضاء: يمكن للترميز التنبؤي الخطي نمذجة الكلام؛ ويُحسن طرح تقدير الضوضاء من بقية الترميز التنبؤي الخطي نسبة الإشارة إلى الضوضاء (SNR).
- تحليل الصوت الجنائي: تكشف سمات الترميز التنبؤي الخطي عن خصائص المتحدث وحالته العاطفية في التسجيلات الصوتية القانونية.
- نمذجة الآلات الموسيقية: تُقرب متغيرات الترميز التنبؤي الخطي (توليف التشكيل) صوتيات الآلات الوترية والنفخية.
كيف يعمل
كيف يعمل
سجل أو رقمن إشارة كلام بمعدل 8-16 كيلوهرتز (عرض نطاق الكلام)؛ ثم قسّم الإشارة إلى نوافذ متداخلة (عادةً 20 مللي ثانية، بتداخل 50%).
طبق مرشح ما قبل التركيز (تمرير عالٍ) لتسطيح طيف الكلام؛ طبق نافذة هانغ لتقليل تأثيرات الحواف.
قدر دالة الارتباط الذاتي للإشارة المقطعة بنافذة؛ احسب معاملات الترميز التنبؤي الخطي عن طريق حل المعادلات العادية (طريقة يول-والكر، أو دوربين، أو الشبكة).
مثل كل إطار كلامي كمعاملات ترميز تنبؤي خطي (عادةً 10-12 قيمة عددية) بالإضافة إلى كسب وتردد أساسي (نبرة). قم بتوليف الكلام عن طريق ترشيح ضوضاء بيضاء أو نبضة نبرة عبر مرشح الترميز التنبؤي الخطي (مرشح جميع الأقطاب).
استخلص سمات الكلام: تعكس معاملات الترميز التنبؤي الخطي شكل الجهاز الصوتي؛ وتعكس النبرة الصوتية؛ ويعكس الكسب الجهارة. استخدم السمات للتعرف على المتحدث، أو ترميز الكلام، أو توليفه. احسب الغلاف الطيفي عن طريق تقييم استجابة تردد مرشح الترميز التنبؤي الخطي.
الأخطاء الشائعة
- استخدام ترتيب ترميز تنبؤي خطي غير كافٍ (< 8): تفشل النماذج ذات الترتيب المنخفض في التقاط التشكيلات وتُنتج كلامًا مكتومًا ومصطنعًا.
- تكميم مفرط للبقية: قد تكون معاملات الترميز التنبؤي الخطي دقيقة، لكن البقايا المكممة تُقلل من الجودة.
- إهمال ما قبل التركيز؛ بدون ترشيح عالي التمرير، تهيمن طاقة التردد المنخفض ويُركز تركيب الترميز التنبؤي الخطي على جوانب غير صحيحة.
- افتراض معدل إطار ثابت؛ يُحسن اكتشاف نشاط الصوت وإسقاط الإطارات عند الصمت كفاءة برنامج الترميز ولكنه يتطلب تنفيذًا دقيقًا.
- تجاهل الجودة الذاتية للمستمع؛ تُعد درجة الرأي المتوسط (MOS) واختبارات الاستماع حاسمة لضبط برنامج ترميز الكلام.
الأسئلة الشائعة
ما هو الترتيب الأمثل للترميز التنبؤي الخطي للكلام؟
الترتيب النموذجي للترميز التنبؤي الخطي هو 10-12 للكلام عند 8 كيلوهرتز و16-20 للكلام واسع النطاق (16 كيلوهرتز). قاعدة عامة: الترتيب ≈ 2 + fs/1000، حيث fs هو معدل أخذ العينات بالهرتز. يلتقط الترتيب الأعلى مزيدًا من التفاصيل ولكنه يتطلب المزيد من المعاملات ويُخاطر بالتركيب الزائد. غالبًا ما تُوجه اختبارات الاستماع الاختيار.
كيف أستخلص هوية المتحدث من معاملات الترميز التنبؤي الخطي؟
استخدم تحليل السيبسترال للترميز التنبؤي الخطي (تحويل فورييه العكسي السريع لطيف الترميز التنبؤي الخطي اللوغاريتمي) لاستخلاص مواقع التشكيلات والبنية الطيفية الدقيقة المميزة للمتحدث. تُعد هذه السمات السيبسترالية (عادةً 12-13 معاملًا) أكثر تمييزًا من الترميز التنبؤي الخطي الخام وتُستخدم في أنظمة التعرف على المتحدث.
لماذا يصعب تقدير النبرة في الترميز التنبؤي الخطي؟
يُنمذج الترميز التنبؤي الخطي مرشح الجهاز الصوتي؛ وتُحدد النبرة بواسطة الإثارة (معدل الاهتزاز)، وليس المرشح. يتطلب تقدير النبرة تحليل ارتباط ذاتي منفصل أو تحليل توافقي لإشارة البقية. تُعد إشارات النبرة الصاخبة أو الضعيفة (المتحدثات الإناث، الهمس) صعبة بشكل خاص؛ وتُقلل الأخطاء في تقدير النبرة مباشرة من جودة التوليف.
هل يمكن للترميز التنبؤي الخطي ضغط الموسيقى والصوت العام؟
صُمم الترميز التنبؤي الخطي للكلام ويُؤدي أداءً ضعيفًا على الموسيقى لأن الموسيقى تحتوي على محتوى توافقي غني وبنية طيفية معقدة. يمكن لترتيب الترميز التنبؤي الخطي الأعلى (50+) نمذجة الموسيقى تقريبًا، لكن برامج ترميز الصوت المخصصة (MP3، AAC) تُحقق جودة وضغطًا أفضل. يظل الترميز التنبؤي الخطي المعيار للتطبيقات التي تعتمد على الكلام فقط.
كيف يرتبط الترميز التنبؤي الخطي ببرامج ترميز CELP؟
يُحسن CELP (التنبؤ الخطي المشفر بالإثارة) الترميز التنبؤي الخطي عن طريق استبدال إثارة نبرة بسيطة برمز مكمم متجه من كتاب رموز. يُحسن هذا الجودة عند معدلات البت المنخفضة (< 8 كيلوبت في الثانية). يُعد CELP أساس العديد من برامج ترميز الكلام الخلوية الحديثة (GSM-EFR، EVRC، CDMA)؛ وهو أساسًا الترميز التنبؤي الخطي بالإضافة إلى نمذجة إثارة متطورة.
طرق ذات صلة
المصادر
Makhoul, J. (1975). Linear prediction: A tutorial review. Proceedings of the IEEE, 63(4), 561–580.
افتح مرجع DOIتم النسخ.Rabiner, L. R., & Schafer, R. W. (1978). Digital Processing of Speech Signals. Prentice-Hall.
ردمك: 978-0132136029تم النسخ.Haykin, S. (2002). Adaptive Filter Theory (4th ed.). Prentice Hall.
ردمك: 978-0130901262تم النسخ.