Codifica Lineare Predittiva
- Introdotto da
- Freddy Burg, John Makhoul
- Anno
- 1975
- Tipo
- Predictive speech coding and analysis
- Famiglia
- Signal processing, Speech modeling
Questo testo è una traduzione automatica e non è ancora stato revisionato. Leggi l’originale in inglese
A cosa serve?
La Codifica Lineare Predittiva (LPC) è una potente tecnica di elaborazione del segnale per modellare e comprimere la voce, assumendo che ogni campione vocale possa essere predetto da una combinazione lineare di campioni precedenti.
Inaugurata da Burg e Makhoul negli anni '70, la LPC è il fondamento dei codec vocali, della sintesi vocale, del riconoscimento dell'oratore e del miglioramento della voce. La LPC sfrutta la struttura correlata nel tempo della voce per ottenere elevati rapporti di compressione e consentire un'efficiente estrazione dei parametri.
L’intuizione alla base del metodo
I suoni vocali ripetono schemi: le corde vocali vibranti creano periodicità del tono, e la forma del tratto vocale filtra questa vibrazione in fonemi. La LPC cattura queste regolarità predicendo ogni campione vocale dai pochi campioni precedenti (tipicamente 8–16). Se la predizione è accurata, solo l'errore di predizione (residuo) deve essere trasmesso, ottenendo compressione. La LPC modella il tratto vocale come un sistema lineare, rendendola altamente efficiente per la voce.
Storia
Burg introdusse la LPC nel contesto della geofisica e della stima spettrale negli anni '60. Makhoul portò la LPC nell'elaborazione vocale nel 1975, fondando la codifica vocale moderna. La ricerca governativa (NSA, DARPA) accelerò lo sviluppo dei codec LPC negli anni '80. CELP (Code-Excited Linear Prediction) combinò la LPC con la quantizzazione vettoriale e divenne lo standard per i codec vocali mobili (GSM, EVRC). I codec moderni (AMR, OPUS) utilizzano ancora i principi della LPC con estensioni.
Quando usarlo
Utilizzare la LPC per la compressione e codifica vocale (telefonia, VoIP), la verifica e il riconoscimento dell'oratore, la valutazione della qualità vocale, la sintesi vocale (TTS) e il miglioramento della voce. La LPC è particolarmente efficace a bassi bit rate (< 4 kbps) e per voce pulita. Per audio a banda larga (musica) o bit rate molto bassi (< 1 kbps), potrebbero essere preferiti codec più sofisticati.
Limiti e considerazioni
- Progettata per la voce; la musica e l'audio generale richiedono un ordine di modello superiore o metodi alternativi.
- Assume un tratto vocale lineare e una produzione sonora a regime stazionario; i transitori (plosive, fricative) non sono modellati accuratamente.
- La stima del tono è difficile, specialmente per le voci femminili e in condizioni di rumore; gli errori di tono si propagano nella sintesi.
- Il residuo a bassa frequenza (dettaglio >1 kHz) è spesso quantizzato aggressivamente; l'intelligibilità della voce dipende da un'accurata rappresentazione ad alta frequenza.
- La variazione individuale dell'oratore (accento, qualità vocale) non è catturata nella LPC di base; la normalizzazione dell'oratore richiede elaborazione aggiuntiva.
Le condizioni della fonte non sostituiscono una revisione scientifica indipendente né la validazione da parte di un motore di analisi.
Punti di forza
- Compressione altamente efficiente: la voce può essere rappresentata con 12–24 parametri per frame di 20 ms (~600 bit/sec), consentendo una compressione di 50:1+.
- Rappresenta la fisica del tratto vocale: i coefficienti LPC corrispondono alle risonanze del tratto vocale (formanti), rendendoli interpretabili e robusti al rumore.
- Calcolo veloce: i coefficienti LPC possono essere stimati in tempo reale su hardware embedded utilizzando la ricorsione di Durbin o algoritmi a reticolo.
- Fornisce una chiara separazione tra eccitazione (tono, guadagno) e filtro (tratto vocale); consente la modifica della voce (spostamento di tono, allungamento temporale, conversione vocale).
- Ben consolidata e standardizzata: la LPC è utilizzata nei codec vocali militari e cellulari; decenni di perfezionamento garantiscono affidabilità.
Applicazioni
- Codifica vocale e telefonia: tecnica fondamentale nei codec vocali cellulari (GSM, 3G, 4G) e di telefonia Internet (VoIP, Skype).
- Riconoscimento e verifica dell'oratore: i coefficienti cepstrali LPC (analisi cepstrale della LPC) sono standard per i sistemi di identificazione dell'oratore.
- Conversione vocale e sintesi vocale: la LPC consente di modificare le caratteristiche vocali e generare voce sintetica.
- Miglioramento e riduzione del rumore della voce: la LPC può modellare la voce; la sottrazione della stima del rumore dal residuo LPC migliora il rapporto segnale-rumore (SNR).
- Analisi audio forense: le caratteristiche LPC rivelano le caratteristiche dell'oratore e lo stato emotivo nelle registrazioni audio legali.
- Modellazione di strumenti musicali: varianti LPC (sintesi formanti) approssimano l'acustica di strumenti a corda e a fiato.
Come funziona
Come funziona
Registrare o digitalizzare un segnale vocale a 8–16 kHz (banda vocale); inquadrare il segnale in finestre sovrapposte (tipicamente 20 ms, 50% di sovrapposizione).
Applicare un filtro di pre-enfasi (passa-alto) per appiattire lo spettro vocale; applicare una finestra di Hamming per ridurre gli effetti di bordo.
Stimare la funzione di autocorrelazione del segnale finestrato; calcolare i coefficienti LPC risolvendo le equazioni normali (metodo di Yule-Walker, Durbin o a reticolo).
Rappresentare ogni frame vocale come coefficienti LPC (tipicamente 10–12 scalari) più un guadagno e una frequenza fondamentale (tono). Sintetizzare la voce filtrando rumore bianco o un impulso di tono attraverso il filtro LPC (filtro all-pole).
Estrarre caratteristiche vocali: i coefficienti LPC riflettono la forma del tratto vocale; il tono riflette la sonorità; il guadagno riflette l'intensità. Utilizzare le caratteristiche per il riconoscimento dell'oratore, la codifica vocale o la sintesi. Calcolare l'inviluppo spettrale valutando la risposta in frequenza del filtro LPC.
Errori comuni
- Utilizzo di un ordine LPC insufficiente (< 8): modelli di basso ordine non riescono a catturare le formanti e producono una voce ovattata e sintetica.
- Quantizzazione troppo aggressiva del residuo: i coefficienti LPC possono essere accurati, ma i residui quantizzati degradano la qualità.
- Trascurare la pre-enfasi; senza filtraggio passa-alto, l'energia a bassa frequenza domina e l'adattamento LPC enfatizza aspetti errati.
- Assumere un frame rate costante; il rilevamento dell'attività vocale e la caduta di frame in silenzio migliorano l'efficienza del codec ma richiedono un'attenta implementazione.
- Ignorare la qualità soggettiva dell'ascoltatore; il MOS (Mean Opinion Score) e i test di ascolto sono critici per la messa a punto del codec vocale.
Domande frequenti
Qual è l'ordine LPC ottimale per la voce?
L'ordine LPC tipico è 10–12 per la voce a 8 kHz e 16–20 per la voce a banda larga (16 kHz). Una regola empirica: ordine ≈ 2 + fs/1000, dove fs è la frequenza di campionamento in Hz. Ordini superiori catturano più dettagli ma richiedono più coefficienti e rischiano l'overfitting. I test di ascolto spesso guidano la scelta.
Come estraggo l'identità dell'oratore dai coefficienti LPC?
Utilizzare l'analisi cepstrale della LPC (FFT inversa dello spettro LPC logaritmico) per estrarre le posizioni delle formanti e la struttura spettrale fine caratteristica di un oratore. Queste caratteristiche cepstrali (tipicamente 12–13 coefficienti) sono più discriminanti dei coefficienti LPC grezzi e sono utilizzate nei sistemi di riconoscimento dell'oratore.
Perché la stima del tono è difficile in LPC?
La LPC modella il filtro del tratto vocale; il tono è determinato dall'eccitazione (frequenza di vibrazione), non dal filtro. La stima del tono richiede un'analisi di autocorrelazione separata o un'analisi armonica del segnale residuo. Segnali di tono rumorosi o deboli (voci femminili, sussurri) sono particolarmente impegnativi; gli errori nella stima del tono degradano direttamente la qualità della sintesi.
La LPC può comprimere musica e audio generale?
La LPC è progettata per la voce e funziona male con la musica perché la musica ha un ricco contenuto armonico e una complessa struttura spettrale. Un ordine LPC superiore (50+) può modellare la musica approssimativamente, ma codec audio dedicati (MP3, AAC) ottengono migliore qualità e compressione. La LPC rimane lo standard per le applicazioni solo vocali.
Come è correlata la LPC ai codec CELP?
CELP (Code-Excited Linear Prediction) migliora la LPC sostituendo un'eccitazione di tono semplice con un codice quantizzato vettorialmente da un codebook. Ciò migliora la qualità a bassi bit rate (< 8 kbps). CELP è la base di molti codec vocali cellulari moderni (GSM-EFR, EVRC, CDMA); è essenzialmente LPC più una sofisticata modellazione dell'eccitazione.
Metodi correlati
Fonti
Makhoul, J. (1975). Linear prediction: A tutorial review. Proceedings of the IEEE, 63(4), 561–580.
Apri il riferimento DOICopiato.Rabiner, L. R., & Schafer, R. W. (1978). Digital Processing of Speech Signals. Prentice-Hall.
ISBN: 978-0132136029Copiato.Haykin, S. (2002). Adaptive Filter Theory (4th ed.). Prentice Hall.
ISBN: 978-0130901262Copiato.