線形予測符号化
- 提唱者
- Freddy Burg, John Makhoul
- 年
- 1975
- 種類
- Predictive speech coding and analysis
- 系統
- Signal processing, Speech modeling
この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む
何をする手法か?
線形予測符号化(LPC)は、各音声サンプルが先行するサンプルの線形結合から予測可能であると仮定することにより、音声をモデル化および圧縮するための強力な信号処理技術です。1970年代にバーグとマコールによって開拓されたLPCは、音声コーデック、音声合成、話者認識、音声強調の基礎となっています。LPCは、音声の時間相関構造を利用して高い圧縮率を達成し、効率的なパラメータ抽出を可能にします。
手法の背後にある直感
音声はパターンを繰り返します。声帯の振動がピッチ周期性を生み出し、声道の形状がこの振動を音素にフィルタリングします。LPCは、各音声サンプルを先行する数サンプル(通常8〜16)から予測することによって、これらの規則性を捉えます。予測が正確であれば、予測誤差(残差)のみを送信すればよく、圧縮が達成されます。LPCは声道を線形システムとしてモデル化するため、音声に対して非常に効率的です。
歴史学
バーグは1960年代に地球物理学とスペクトル推定の文脈でLPCを導入しました。マコールは1975年にLPCを音声処理にもたらし、現代の音声コーディングの基礎を築きました。政府の研究(NSA、DARPA)は、1980年代にLPCコーデックの開発を加速させました。CELP(コード励振線形予測)は、LPCとベクトル量子化を組み合わせて、携帯電話の音声コーデック(GSM、EVRC)の標準となりました。現代のコーデック(AMR、OPUS)は、拡張を伴ってLPCの原理を引き続き使用しています。
使うべき場面
音声圧縮およびコーディング(電話、VoIP)、話者検証および認識、音声品質評価、音声合成(TTS)、および音声強調にLPCを使用します。LPCは、特に低ビットレート(< 4 kbps)およびクリアな音声に対して効果的です。広帯域オーディオ(音楽)または非常に低ビットレート(< 1 kbps)の場合、より高度なコーデックが好ましい場合があります。
限界と注意点
- 音声用に設計されています。音楽および一般的なオーディオには、より高いモデル次数または代替手法が必要です。
- 線形声道と定常状態の音響生成を仮定します。過渡現象(破裂音、摩擦音)は正確にはモデル化されません。
- ピッチ推定は、特に女性話者やノイズの多い状況では困難です。ピッチ誤差は合成に伝播します。
- 低周波数残差(>1 kHzの詳細)はしばしば積極的に量子化されます。音声の明瞭度は、正確な高周波数表現に依存します。
- 個々の話者のバリエーション(アクセント、声質)は、基本的なLPCでは捉えられません。話者正規化には追加の処理が必要です。
出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。
強み
- 非常に効率的な圧縮:音声は、20 msフレームあたり12〜24個のパラメータ(約600ビット/秒)で表現でき、50:1以上の圧縮を可能にします。
- 声道物理学を表現:LPC係数は声道の共鳴(フォルマント)に対応するため、解釈可能でノイズに対して堅牢です。
- 高速計算:LPC係数は、ダービン再帰または格子アルゴリズムを使用して、組み込みハードウェア上でリアルタイムで推定できます。
- 励振(ピッチ、ゲイン)とフィルタ(声道)の明確な分離を提供します。音声変更(ピッチシフト、タイムストレッチ、音声変換)を可能にします。
- 確立され標準化されている:LPCは軍用および携帯電話の音声コーデックで使用されています。数十年の改良により信頼性が確保されています。
応用
- 音声コーディングと電話:携帯電話(GSM、3G、4G)およびインターネット電話(VoIP、Skype)コーデックの基本的な技術です。
- 話者認識と検証:LPCケプストラム係数(LPCのケプストラム分析)は、話者識別システムの標準です。
- 音声変換と音声合成:LPCは、声の特徴をモーフィングし、合成音声を生成することを可能にします。
- 音声強調とノイズ除去:LPCは音声をモデル化できます。LPC残差からのノイズ推定値の減算はSNRを向上させます。
- 法医学的音声分析:LPC特徴は、法的音声記録における話者の特徴と感情状態を明らかにします。
- 楽器モデリング:LPCのバリアント(フォルマント合成)は、弦楽器や管楽器の音響を近似します。
使い方
使い方
音声信号を8〜16 kHz(音声帯域幅)で記録またはデジタル化します。信号をオーバーラップするウィンドウ(通常20 ms、50%オーバーラップ)にフレーム化します。
音声スペクトルを平坦化するためにプリエンファシスフィルタ(ハイパス)を適用します。エッジ効果を低減するためにハミングウィンドウを適用します。
ウィンドウ処理された信号の自己相関関数を推定します。正規方程式(ユール・ウォーカー、ダービン、または格子法)を解いてLPC係数を計算します。
各音声フレームをLPC係数(通常10〜12個のスカラー)とゲインおよび基本周波数(ピッチ)で表します。白色雑音またはピッチインパルスをLPCフィルタ(全極フィルタ)に通して音声を合成します。
音声特徴を抽出します。LPC係数は声道形状を反映し、ピッチは声帯の振動を反映し、ゲインは音量を反映します。話者認識、音声コーディング、または合成に特徴を使用します。LPCフィルタの周波数応答を評価してスペクトル包絡を計算します。
よくある落とし穴
- 不十分なLPC次数(< 8)の使用:低次モデルはフォルマントを捉えられず、こもった、合成的な音声になります。
- 過度に積極的な残差量子化:LPC係数は正確かもしれませんが、量子化された残差は品質を低下させます。
- プリエンファシスの無視:ハイパスフィルタリングがないと、低周波数エネルギーが支配的になり、LPCフィッティングは不正確な側面を強調します。
- 一定のフレームレートの仮定:無音時の音声活動検出とフレームドロップはコーデック効率を向上させますが、慎重な実装が必要です。
- リスナーの主観的品質の無視:MOS(平均意見スコア)およびリスニングテストは、音声コーデックのチューニングに不可欠です。
よくある質問
音声に対する最適なLPC次数は何ですか?
典型的なLPC次数は、8 kHzの音声では10〜12、広帯域(16 kHz)音声では16〜20です。経験則:次数≈2 + fs/1000、ここでfsはサンプリングレート(Hz)です。次数が高いほど詳細を捉えますが、より多くの係数が必要になり、過学習のリスクがあります。リスニングテストが選択を導くことがよくあります。
LPC係数から話者IDを抽出するにはどうすればよいですか?
LPCのケプストラム分析(対数LPCスペクトルの逆FFT)を使用して、話者に固有のフォルマント位置と微細なスペクトル構造を抽出します。これらのケプストラム特徴(通常12〜13個の係数)は、生のLPCよりも識別性が高く、話者認識システムで使用されます。
なぜLPCでピッチ推定が難しいのですか?
LPCは声道フィルタをモデル化します。ピッチはフィルタではなく、励振(振動レート)によって決定されます。ピッチ推定には、残差信号の自己相関分析または調波分析を別途行う必要があります。ノイズが多い、または弱いピッチ信号(女性話者、ささやき声)は特に困難です。ピッチ推定のエラーは、合成品質を直接低下させます。
LPCは音楽や一般的なオーディオを圧縮できますか?
LPCは音声用に設計されており、音楽は豊かな調波成分と複雑なスペクトル構造を持つため、音楽に対しては性能が低いです。より高いLPC次数(50以上)で音楽を大まかにモデル化できますが、専用のオーディオコーデック(MP3、AAC)の方が優れた品質と圧縮を実現します。LPCは、音声専用アプリケーションの標準であり続けています。
LPCはCELPコーデックとどのように関係していますか?
CELP(コード励振線形予測)は、単純なピッチ励振をコードブックからのベクトル量子化コードに置き換えることにより、LPCを強化します。これにより、低ビットレート(< 8 kbps)での品質が向上します。CELPは、多くの現代の携帯電話音声コーデック(GSM-EFR、EVRC、CDMA)の基礎であり、本質的にはLPCに高度な励振モデリングが追加されたものです。
関連する手法
参考文献
Makhoul, J. (1975). Linear prediction: A tutorial review. Proceedings of the IEEE, 63(4), 561–580.
DOI 文献を開くコピーしました。Rabiner, L. R., & Schafer, R. W. (1978). Digital Processing of Speech Signals. Prentice-Hall.
ISBN:978-0132136029コピーしました。Haykin, S. (2002). Adaptive Filter Theory (4th ed.). Prentice Hall.
ISBN:978-0130901262コピーしました。