Codificação Preditiva Linear
- Proposto por
- Freddy Burg, John Makhoul
- Ano
- 1975
- Tipo
- Predictive speech coding and analysis
- Família
- Signal processing, Speech modeling
Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês
O que ele faz?
A Codificação Preditiva Linear (LPC) é uma técnica poderosa de processamento de sinais para modelar e comprimir a fala, assumindo que cada amostra de fala pode ser prevista a partir de uma combinação linear de amostras anteriores.
Pioneira por Burg e Makhoul na década de 1970, a LPC é a base de codecs de fala, síntese de fala, reconhecimento de locutor e aprimoramento de fala. A LPC explora a estrutura temporalmente correlacionada da fala para atingir altas taxas de compressão e permitir a extração eficiente de parâmetros.
A intuição por trás do método
Os sons da fala repetem padrões: as cordas vocais vibrantes criam periodicidade de tom, e a forma do trato vocal filtra essa vibração em fonemas. A LPC captura essas regularidades prevendo cada amostra de fala a partir das poucas amostras anteriores (tipicamente 8–16). Se a previsão for precisa, apenas o erro de previsão (resíduo) precisa ser transmitido, alcançando compressão. A LPC modela o trato vocal como um sistema linear, tornando-a altamente eficiente para fala.
História
Burg introduziu a LPC no contexto da geofísica e estimação espectral na década de 1960. Makhoul trouxe a LPC para o processamento de fala em 1975, fundando a codificação moderna de fala. Pesquisas governamentais (NSA, DARPA) aceleraram o desenvolvimento de codecs LPC na década de 1980. CELP (Code-Excited Linear Prediction) combinou LPC com quantização vetorial e tornou-se padrão para codecs de fala móvel (GSM, EVRC). Codecs modernos (AMR, OPUS) ainda usam princípios LPC com extensões.
Quando usar
Usar LPC para compressão e codificação de fala (telefonia, VoIP), verificação e reconhecimento de locutor, avaliação de qualidade de voz, síntese de fala (TTS) e aprimoramento de fala. A LPC é particularmente eficaz em baixas taxas de bits (< 4 kbps) e para fala limpa. Para áudio de banda larga (música) ou taxas de bits muito baixas (< 1 kbps), codecs mais sofisticados podem ser preferidos.
Limitações e considerações
- Projetada para fala; música e áudio em geral requerem ordem de modelo mais alta ou métodos alternativos.
- Assume trato vocal linear e produção de som em estado estacionário; transientes (plosivas, fricativas) não são modelados com precisão.
- A estimativa de tom é desafiadora, especialmente para locutoras e em condições de ruído; erros de tom se propagam para a síntese.
- O resíduo de baixa frequência (detalhe >1 kHz) é frequentemente quantizado agressivamente; a inteligibilidade da fala depende da representação precisa de alta frequência.
- Variações individuais do locutor (sotaque, qualidade da voz) não são capturadas na LPC básica; a normalização do locutor requer processamento adicional.
As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.
Pontos fortes
- Compressão altamente eficiente: a fala pode ser representada com 12–24 parâmetros por quadro de 20 ms (~600 bits/seg), permitindo compressão de 50:1+.
- Representa a física do trato vocal: os coeficientes LPC correspondem às ressonâncias do trato vocal (formantes), tornando-os interpretáveis e robustos ao ruído.
- Computação rápida: os coeficientes LPC podem ser estimados em tempo real em hardware embarcado usando recursão de Durbin ou algoritmos em escada.
- Fornece separação clara de excitação (tom, ganho) e filtro (trato vocal); permite modificação da fala (mudança de tom, alongamento de tempo, conversão de voz).
- Bem estabelecida e padronizada: a LPC é usada em codecs de fala militares e celulares; décadas de refinamento garantem confiabilidade.
Aplicações
- Codificação de fala e telefonia: técnica fundamental em codecs de telefonia celular (GSM, 3G, 4G) e pela internet (VoIP, Skype).
- Reconhecimento e verificação de locutor: coeficientes cepsrais LPC (análise cepsral da LPC) são padrão para sistemas de identificação de locutor.
- Conversão de voz e síntese de fala: a LPC permite a morfologia de características vocais e a geração de fala sintética.
- Aprimoramento e redução de ruído de fala: a LPC pode modelar a fala; a subtração da estimativa de ruído do resíduo LPC melhora a SNR.
- Análise forense de áudio: características LPC revelam características do locutor e estado emocional em gravações de áudio legais.
- Modelagem de instrumentos musicais: variantes LPC (síntese de formantes) aproximam a acústica de instrumentos de corda e sopro.
Como funciona
Como funciona
Gravar ou digitalizar um sinal de fala a 8–16 kHz (largura de banda da fala); segmentar o sinal em janelas sobrepostas (tipicamente 20 ms, 50% de sobreposição).
Aplicar filtro de pré-ênfase (passa-alta) para achatar o espectro da fala; aplicar janela de Hamming para reduzir efeitos de borda.
Estimar a função de autocorrelação do sinal envidraçado; computar os coeficientes LPC resolvendo as equações normais (método de Yule-Walker, Durbin ou em escada).
Representar cada quadro de fala como coeficientes LPC (tipicamente 10–12 escalares) mais um ganho e frequência fundamental (tom). Sintetizar fala filtrando ruído branco ou um impulso de tom através do filtro LPC (filtro totalmente pólo).
Extrair características da fala: os coeficientes LPC refletem a forma do trato vocal; o tom reflete a sonoridade; o ganho reflete a intensidade. Usar características para reconhecimento de locutor, codificação de fala ou síntese. Computar o envelope espectral avaliando a resposta de frequência do filtro LPC.
Erros comuns
- Uso de ordem LPC insuficiente (< 8): modelos de baixa ordem falham em capturar formantes e produzem fala abafada e sintética.
- Quantização excessivamente agressiva do resíduo: os coeficientes LPC podem ser precisos, mas os resíduos quantizados degradam a qualidade.
- Negligência da pré-ênfase; sem filtragem passa-alta, a energia de baixa frequência domina e o ajuste LPC enfatiza aspectos incorretos.
- Suposição de taxa de quadros constante; detecção de atividade de voz e descarte de quadros em silêncio melhoram a eficiência do codec, mas requerem implementação cuidadosa.
- Ignorar a qualidade subjetiva do ouvinte; MOS (Mean Opinion Score) e testes de audição são críticos para o ajuste do codec de fala.
Perguntas frequentes
Qual é a ordem LPC ótima para fala?
A ordem LPC típica é 10–12 para fala a 8 kHz e 16–20 para fala de banda larga (16 kHz). Uma regra geral: ordem ≈ 2 + fs/1000, onde fs é a taxa de amostragem em Hz. Ordem mais alta captura mais detalhes, mas requer mais coeficientes e arrisca overfitting. Testes de audição frequentemente guiam a escolha.
Como extrair a identidade do locutor a partir dos coeficientes LPC?
Use análise cepsral da LPC (FFT inversa do espectro LPC logarítmico) para extrair posições de formantes e estrutura espectral fina característica de um locutor. Essas características cepsrais (tipicamente 12–13 coeficientes) são mais discriminativas do que LPC bruta e são usadas em sistemas de reconhecimento de locutor.
Por que a estimativa de tom é difícil em LPC?
A LPC modela o filtro do trato vocal; o tom é determinado pela excitação (taxa de vibração), não pelo filtro. A estimativa de tom requer análise de autocorrelação separada ou análise harmônica do sinal residual. Sinais de tom ruidosos ou fracos (locutoras, sussurro) são particularmente desafiadores; erros na estimativa de tom degradam diretamente a qualidade da síntese.
A LPC pode comprimir música e áudio em geral?
A LPC é projetada para fala e tem desempenho ruim em música porque a música tem conteúdo harmônico rico e estrutura espectral complexa. Ordem LPC mais alta (50+) pode modelar música de forma aproximada, mas codecs de áudio dedicados (MP3, AAC) alcançam melhor qualidade e compressão. A LPC continua sendo o padrão para aplicações apenas de fala.
Como a LPC se relaciona com os codecs CELP?
CELP (Code-Excited Linear Prediction) aprimora a LPC substituindo uma excitação de tom simples por um código quantizado vetorial de um livro de códigos. Isso melhora a qualidade em baixas taxas de bits (< 8 kbps). CELP é a base de muitos codecs de fala celulares modernos (GSM-EFR, EVRC, CDMA); é essencialmente LPC mais modelagem sofisticada de excitação.
Métodos relacionados
Fontes
Makhoul, J. (1975). Linear prediction: A tutorial review. Proceedings of the IEEE, 63(4), 561–580.
Abrir referência DOICopiado.Rabiner, L. R., & Schafer, R. W. (1978). Digital Processing of Speech Signals. Prentice-Hall.
ISBN: 978-0132136029Copiado.Haykin, S. (2002). Adaptive Filter Theory (4th ed.). Prentice Hall.
ISBN: 978-0130901262Copiado.