Skip to content
Kembali ke hasil pencarian

Pengkodean Prediktif Linier

Diperkenalkan oleh
Freddy Burg, John Makhoul
Tahun
1975
Jenis
Predictive speech coding and analysis
Keluarga
Signal processing, Speech modeling

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Pengkodean Prediktif Linier (LPC) adalah teknik pemrosesan sinyal yang ampuh untuk memodelkan dan mengompresi ucapan dengan mengasumsikan setiap sampel ucapan dapat diprediksi dari kombinasi linier sampel sebelumnya.

Dipelopori oleh Burg dan Makhoul pada tahun 1970-an, LPC adalah dasar dari codec ucapan, sintesis ucapan, pengenalan pembicara, dan peningkatan ucapan. LPC memanfaatkan struktur ucapan yang berkorelasi waktu untuk mencapai rasio kompresi tinggi dan memungkinkan ekstraksi parameter yang efisien.

Intuisi di balik metode

Suara ucapan mengulang pola: pita suara yang bergetar menciptakan periodisitas nada, dan bentuk saluran vokal menyaring getaran ini menjadi fonem. LPC menangkap keteraturan ini dengan memprediksi setiap sampel ucapan dari beberapa sampel sebelumnya (biasanya 8–16). Jika prediksi akurat, hanya kesalahan prediksi (sisa) yang perlu ditransmisikan, mencapai kompresi. LPC memodelkan saluran vokal sebagai sistem linier, membuatnya sangat efisien untuk ucapan.

Sejarah

Burg memperkenalkan LPC dalam konteks geofisika dan estimasi spektral pada tahun 1960-an. Makhoul membawa LPC ke pemrosesan ucapan pada tahun 1975, mendirikan pengkodean ucapan modern. Penelitian pemerintah (NSA, DARPA) mempercepat pengembangan codec LPC pada tahun 1980-an. CELP (Code-Excited Linear Prediction) menggabungkan LPC dengan kuantisasi vektor dan menjadi standar untuk codec ucapan seluler (GSM, EVRC). Codec modern (AMR, OPUS) masih menggunakan prinsip LPC dengan ekstensi.

Kapan digunakan

Gunakan LPC untuk kompresi dan pengkodean ucapan (telepon, VoIP), verifikasi dan pengenalan pembicara, penilaian kualitas suara, sintesis ucapan (TTS), dan peningkatan ucapan. LPC sangat efektif pada laju bit rendah (< 4 kbps) dan untuk ucapan bersih. Untuk audio lebar pita (musik) atau laju bit sangat rendah (< 1 kbps), codec yang lebih canggih mungkin lebih disukai.

Batasan dan pertimbangan

  • Dirancang untuk ucapan; musik dan audio umum memerlukan urutan model yang lebih tinggi atau metode alternatif.
  • Mengasumsikan saluran vokal linier dan produksi suara keadaan tunak; transien (dengung, desis) tidak dimodelkan secara akurat.
  • Estimasi nada sulit, terutama untuk pembicara wanita dan kondisi berisik; kesalahan nada merambat ke dalam sintesis.
  • Sisa frekuensi rendah (detail >1 kHz) sering dikuantisasi secara agresif; kejelasan ucapan bergantung pada representasi frekuensi tinggi yang akurat.
  • Variasi pembicara individu (aksen, kualitas suara) tidak tertangkap dalam LPC dasar; normalisasi pembicara memerlukan pemrosesan tambahan.

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Kompresi yang sangat efisien: ucapan dapat direpresentasikan dengan 12–24 parameter per bingkai 20 ms (~600 bit/detik), memungkinkan kompresi 50:1+.
  • Mewakili fisika saluran vokal: koefisien LPC sesuai dengan resonansi saluran vokal (forman), membuatnya dapat diinterpretasikan dan kuat terhadap derau.
  • Perhitungan cepat: koefisien LPC dapat diestimasi secara real-time pada perangkat keras tertanam menggunakan rekursi Durbin atau algoritma kisi.
  • Memberikan pemisahan eksitasi (nada, penguatan) dan filter (saluran vokal) yang jelas; memungkinkan modifikasi ucapan (pergeseran nada, peregangan waktu, konversi suara).
  • Teruji dan terstandarisasi: LPC digunakan dalam codec ucapan militer dan seluler; puluhan tahun penyempurnaan memastikan keandalan.

Penerapan

  • Pengkodean dan telepon ucapan: teknik fundamental dalam codec seluler (GSM, 3G, 4G) dan telepon internet (VoIP, Skype).
  • Pengenalan dan verifikasi pembicara: koefisien sefal LPC (analisis sefal dari LPC) adalah standar untuk sistem identifikasi pembicara.
  • Konversi suara dan sintesis ucapan: LPC memungkinkan karakteristik suara yang berubah-ubah dan menghasilkan ucapan sintetis.
  • Peningkatan dan pengurangan derau ucapan: LPC dapat memodelkan ucapan; pengurangan estimasi derau dari sisa LPC meningkatkan SNR.
  • Analisis audio forensik: fitur LPC mengungkapkan karakteristik pembicara dan keadaan emosional dalam rekaman audio hukum.
  • Pemodelan instrumen musik: varian LPC (sintesis forman) mendekati akustik instrumen senar dan tiup.

Cara kerjanya

Cara kerjanya

1

Rekam atau digitalkan sinyal ucapan pada 8–16 kHz (lebar pita ucapan); bingkai sinyal ke dalam jendela yang tumpang tindih (biasanya 20 ms, tumpang tindih 50%).

2

Terapkan filter pra-penekanan (lolosan tinggi) untuk meratakan spektrum ucapan; terapkan jendela Hamming untuk mengurangi efek tepi.

3

Estimasi fungsi autokorelasi dari sinyal berjendela; hitung koefisien LPC dengan menyelesaikan persamaan normal (metode Yule-Walker, Durbin, atau kisi).

4

Representasikan setiap bingkai ucapan sebagai koefisien LPC (biasanya 10–12 skalar) ditambah penguatan dan frekuensi fundamental (nada). Sintesis ucapan dengan menyaring derau putih atau impuls nada melalui filter LPC (filter semua-kutub).

5

Ekstrak fitur ucapan: koefisien LPC mencerminkan bentuk saluran vokal; nada mencerminkan bersuara; penguatan mencerminkan kenyaringan. Gunakan fitur untuk pengenalan pembicara, pengkodean ucapan, atau sintesis. Hitung amplop spektral dengan mengevaluasi respons frekuensi filter LPC.

Kesalahan umum

  • Menggunakan urutan LPC yang tidak mencukupi (< 8): model urutan rendah gagal menangkap forman dan menghasilkan ucapan yang teredam dan sintetis.
  • Kuantisasi sisa yang terlalu agresif: koefisien LPC mungkin akurat, tetapi sisa yang terkuantisasi menurunkan kualitas.
  • Mengabaikan pra-penekanan; tanpa penyaringan lolosan tinggi, energi frekuensi rendah mendominasi dan pemasangan LPC menekankan aspek yang salah.
  • Mengasumsikan laju bingkai konstan; deteksi aktivitas suara dan pembuangan bingkai saat hening meningkatkan efisiensi codec tetapi memerlukan implementasi yang cermat.
  • Mengabaikan kualitas subjektif pendengar; MOS (Mean Opinion Score) dan uji dengar sangat penting untuk penyetelan codec ucapan.

Pertanyaan yang sering diajukan

Berapakah urutan LPC optimal untuk ucapan?

Urutan LPC tipikal adalah 10–12 untuk ucapan pada 8 kHz dan 16–20 untuk ucapan lebar pita (16 kHz). Aturan praktis: urutan ≈ 2 + fs/1000, di mana fs adalah laju sampel dalam Hz. Urutan yang lebih tinggi menangkap lebih banyak detail tetapi memerlukan lebih banyak koefisien dan berisiko *overfitting*. Uji dengar sering memandu pilihan.

Bagaimana cara mengekstrak identitas pembicara dari koefisien LPC?

Gunakan analisis sefal dari LPC (FFT terbalik dari spektrum LPC log) untuk mengekstrak posisi forman dan struktur spektral halus yang khas dari seorang pembicara. Fitur sefal ini (biasanya 12–13 koefisien) lebih diskriminatif daripada LPC mentah dan digunakan dalam sistem pengenalan pembicara.

Mengapa estimasi nada sulit dalam LPC?

LPC memodelkan filter saluran vokal; nada ditentukan oleh eksitasi (tingkat getaran), bukan filter. Estimasi nada memerlukan analisis autokorelasi terpisah atau analisis harmonik dari sinyal sisa. Sinyal nada yang berisik atau lemah (pembicara wanita, bisikan) sangat menantang; kesalahan dalam estimasi nada secara langsung menurunkan kualitas sintesis.

Bisakah LPC mengompresi musik dan audio umum?

LPC dirancang untuk ucapan dan berkinerja buruk pada musik karena musik memiliki konten harmonik yang kaya dan struktur spektral yang kompleks. Urutan LPC yang lebih tinggi (50+) dapat memodelkan musik secara kasar, tetapi codec audio khusus (MP3, AAC) mencapai kualitas dan kompresi yang lebih baik. LPC tetap menjadi standar untuk aplikasi ucapan saja.

Bagaimana LPC berhubungan dengan codec CELP?

CELP (Code-Excited Linear Prediction) meningkatkan LPC dengan mengganti eksitasi nada sederhana dengan kode yang dikuantisasi vektor dari buku kode. Ini meningkatkan kualitas pada laju bit rendah (< 8 kbps). CELP adalah dasar dari banyak codec ucapan seluler modern (GSM-EFR, EVRC, CDMA); pada dasarnya ini adalah LPC ditambah pemodelan eksitasi yang canggih.

Metode terkait

Sumber

  1. Makhoul, J. (1975). Linear prediction: A tutorial review. Proceedings of the IEEE, 63(4), 561–580.

    Buka referensi DOI
    Disalin.
  2. Rabiner, L. R., & Schafer, R. W. (1978). Digital Processing of Speech Signals. Prentice-Hall.

    ISBN: 978-0132136029
    Disalin.
  3. Haykin, S. (2002). Adaptive Filter Theory (4th ed.). Prentice Hall.

    ISBN: 978-0130901262
    Disalin.