Codage prédictif linéaire
- Introduite par
- Freddy Burg, John Makhoul
- Année
- 1975
- Type
- Predictive speech coding and analysis
- Famille
- Signal processing, Speech modeling
Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais
À quoi sert-elle ?
Le codage prédictif linéaire (CPL) est une technique puissante de traitement du signal pour la modélisation et la compression de la parole, en supposant que chaque échantillon de parole peut être prédit à partir d'une combinaison linéaire d'échantillons précédents.
Pionnier par Burg et Makhoul dans les années 1970, le CPL est le fondement des codecs vocaux, de la synthèse vocale, de la reconnaissance du locuteur et de l'amélioration de la parole. Le CPL exploite la structure temporelle corrélée de la parole pour atteindre des taux de compression élevés et permettre une extraction efficace des paramètres.
L’intuition derrière la méthode
Les sons de la parole répètent des motifs : les cordes vocales vibrantes créent une périodicité du fondamental, et la forme du conduit vocal filtre cette vibration en phonèmes. Le CPL capture ces régularités en prédisant chaque échantillon de parole à partir des quelques échantillons précédents (typiquement 8 à 16). Si la prédiction est précise, seule l'erreur de prédiction (résidu) doit être transmise, ce qui permet la compression. Le CPL modélise le conduit vocal comme un système linéaire, ce qui le rend très efficace pour la parole.
Histoire
Burg a introduit le CPL dans le contexte de la géophysique et de l'estimation spectrale dans les années 1960. Makhoul a apporté le CPL au traitement de la parole en 1975, fondant le codage vocal moderne. La recherche gouvernementale (NSA, DARPA) a accéléré le développement des codecs CPL dans les années 1980. Le CELP (Code-Excited Linear Prediction) a combiné le CPL avec la quantification vectorielle et est devenu la norme pour les codecs vocaux mobiles (GSM, EVRC). Les codecs modernes (AMR, OPUS) utilisent toujours les principes du CPL avec des extensions.
Quand l’utiliser
Utiliser le CPL pour la compression et le codage de la parole (téléphonie, VoIP), la vérification et la reconnaissance du locuteur, l'évaluation de la qualité vocale, la synthèse vocale (TTS) et l'amélioration de la parole. Le CPL est particulièrement efficace à bas débits (< 4 kbps) et pour la parole claire. Pour l'audio large bande (musique) ou des débits très bas (< 1 kbps), des codecs plus sophistiqués peuvent être préférés.
Limites et points d’attention
- Conçu pour la parole ; la musique et l'audio général nécessitent un ordre de modèle plus élevé ou des méthodes alternatives.
- Suppose un conduit vocal linéaire et une production sonore en régime permanent ; les transitoires (occlusives, fricatives) ne sont pas modélisés avec précision.
- L'estimation du fondamental est difficile, en particulier pour les locutrices et dans des conditions de bruit ; les erreurs de fondamental se propagent dans la synthèse.
- Le résidu basse fréquence (détail > 1 kHz) est souvent quantifié de manière agressive ; l'intelligibilité de la parole dépend d'une représentation précise des hautes fréquences.
- La variation individuelle du locuteur (accent, qualité de la voix) n'est pas capturée dans le CPL de base ; la normalisation du locuteur nécessite un traitement supplémentaire.
Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.
Points forts
- Compression très efficace : la parole peut être représentée par 12 à 24 paramètres par trame de 20 ms (~600 bits/sec), permettant une compression de 50:1+.
- Représente la physique du conduit vocal : les coefficients CPL correspondent aux résonances du conduit vocal (formants), ce qui les rend interprétables et robustes au bruit.
- Calcul rapide : les coefficients CPL peuvent être estimés en temps réel sur du matériel embarqué en utilisant la récursion de Durbin ou des algorithmes en treillis.
- Permet une séparation claire de l'excitation (fondamental, gain) et du filtre (conduit vocal) ; permet la modification de la parole (changement de fondamental, étirement temporel, conversion de voix).
- Bien établi et standardisé : le CPL est utilisé dans les codecs vocaux militaires et cellulaires ; des décennies de perfectionnement garantissent sa fiabilité.
Applications
- Codage de la parole et téléphonie : technique fondamentale dans les codecs cellulaires (GSM, 3G, 4G) et de téléphonie Internet (VoIP, Skype).
- Reconnaissance et vérification du locuteur : les coefficients cepstraux CPL (analyse cepstrale du CPL) sont la norme pour les systèmes d'identification du locuteur.
- Conversion de voix et synthèse vocale : le CPL permet de morpher les caractéristiques vocales et de générer de la parole synthétique.
- Amélioration et débruitage de la parole : le CPL peut modéliser la parole ; la soustraction de l'estimation du bruit du résidu CPL améliore le rapport signal/bruit.
- Analyse audio forensique : les caractéristiques CPL révèlent les caractéristiques du locuteur et l'état émotionnel dans les enregistrements audio légaux.
- Modélisation d'instruments de musique : les variantes du CPL (synthèse par formants) approximent l'acoustique des instruments à cordes et à vent.
Comment ça marche
Comment ça marche
Enregistrer ou numériser un signal de parole à 8–16 kHz (bande passante vocale) ; segmenter le signal en fenêtres chevauchantes (typiquement 20 ms, 50 % de chevauchement).
Appliquer un filtre de pré-accentuation (passe-haut) pour aplatir le spectre de la parole ; appliquer une fenêtre de Hamming pour réduire les effets de bord.
Estimer la fonction d'autocorrélation du signal fenêtré ; calculer les coefficients CPL en résolvant les équations normales (méthode de Yule-Walker, de Durbin ou en treillis).
Représenter chaque trame de parole par des coefficients CPL (typiquement 10 à 12 scalaires) plus un gain et une fréquence fondamentale (fondamental). Synthétiser la parole en filtrant du bruit blanc ou une impulsion de fondamental à travers le filtre CPL (filtre tout-pôle).
Extraire les caractéristiques de la parole : les coefficients CPL reflètent la forme du conduit vocal ; le fondamental reflète la sonorité ; le gain reflète le volume sonore. Utiliser les caractéristiques pour la reconnaissance du locuteur, le codage de la parole ou la synthèse. Calculer l'enveloppe spectrale en évaluant la réponse en fréquence du filtre CPL.
Pièges courants
- Utilisation d'un ordre CPL insuffisant (< 8) : les modèles d'ordre faible ne parviennent pas à capturer les formants et produisent une parole étouffée et synthétique.
- Quantification trop agressive du résidu : les coefficients CPL peuvent être précis, mais les résidus quantifiés dégradent la qualité.
- Négliger la pré-accentuation ; sans filtrage passe-haut, l'énergie basse fréquence domine et l'ajustement CPL met l'accent sur des aspects incorrects.
- Supposer un taux de trame constant ; la détection d'activité vocale et la suppression de trames en silence améliorent l'efficacité du codec mais nécessitent une implémentation soignée.
- Ignorer la qualité subjective de l'auditeur ; les scores MOS (Mean Opinion Score) et les tests d'écoute sont essentiels pour le réglage des codecs vocaux.
Questions fréquentes
Quel est l'ordre CPL optimal pour la parole ?
L'ordre CPL typique est de 10 à 12 pour la parole à 8 kHz et de 16 à 20 pour la parole large bande (16 kHz). Une règle empirique : ordre ≈ 2 + fs/1000, où fs est le taux d'échantillonnage en Hz. Un ordre plus élevé capture plus de détails mais nécessite plus de coefficients et risque de surajustement. Les tests d'écoute guident souvent le choix.
Comment extraire l'identité du locuteur à partir des coefficients CPL ?
Utiliser l'analyse cepstrale du CPL (transformée de Fourier inverse du spectre CPL logarithmique) pour extraire les positions des formants et la structure spectrale fine caractéristique d'un locuteur. Ces caractéristiques cepstrales (typiquement 12 à 13 coefficients) sont plus discriminantes que les CPL bruts et sont utilisées dans les systèmes de reconnaissance du locuteur.
Pourquoi l'estimation du fondamental est-elle difficile en CPL ?
Le CPL modélise le filtre du conduit vocal ; le fondamental est déterminé par l'excitation (taux de vibration), pas par le filtre. L'estimation du fondamental nécessite une analyse d'autocorrélation séparée ou une analyse harmonique du signal résiduel. Les signaux de fondamental bruités ou faibles (locutrices, chuchotements) sont particulièrement difficiles ; les erreurs d'estimation du fondamental dégradent directement la qualité de la synthèse.
Le CPL peut-il compresser la musique et l'audio général ?
Le CPL est conçu pour la parole et fonctionne mal sur la musique car la musique a un contenu harmonique riche et une structure spectrale complexe. Un ordre CPL plus élevé (50+) peut modéliser la musique de manière approximative, mais les codecs audio dédiés (MP3, AAC) obtiennent une meilleure qualité et compression. Le CPL reste la norme pour les applications uniquement vocales.
Comment le CPL est-il lié aux codecs CELP ?
Le CELP (Code-Excited Linear Prediction) améliore le CPL en remplaçant une excitation de fondamental simple par un code quantifié vectoriellement issu d'un livre de codes. Cela améliore la qualité à bas débits (< 8 kbps). Le CELP est la base de nombreux codecs vocaux cellulaires modernes (GSM-EFR, EVRC, CDMA) ; c'est essentiellement le CPL plus une modélisation sophistiquée de l'excitation.
Méthodes associées
Sources
Makhoul, J. (1975). Linear prediction: A tutorial review. Proceedings of the IEEE, 63(4), 561–580.
Ouvrir la référence DOICopié.Rabiner, L. R., & Schafer, R. W. (1978). Digital Processing of Speech Signals. Prentice-Hall.
ISBN : 978-0132136029Copié.Haykin, S. (2002). Adaptive Filter Theory (4th ed.). Prentice Hall.
ISBN : 978-0130901262Copié.