İçeriğe atla
Arama sonuçlarına dön

Doğrusal Öngörü Kodlaması

Ortaya koyan
Freddy Burg, John Makhoul
Yıl
1975
Tür
Predictive speech coding and analysis
Aile
Signal processing, Speech modeling

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Doğrusal Öngörü Kodlaması (LPC), her bir konuşma örneğinin önceki örneklerin doğrusal birleşiminden tahmin edilebileceği varsayımıyla konuşmayı modellemek ve sıkıştırmak için kullanılan güçlü bir sinyal işleme tekniğidir. 1970'lerde Burg ve Makhoul tarafından öncülüğü yapılan LPC, konuşma kodlayıcılarının, konuşma sentezinin, konuşmacı tanıma ve konuşma iyileştirmenin temelini oluşturur.

LPC, yüksek sıkıştırma oranları elde etmek ve verimli parametre çıkarımını sağlamak için konuşmanın zamana bağlı korelasyonlu yapısından yararlanır.

Yöntemin mantığı

Konuşma sesleri desenleri tekrarlar: titreşen ses telleri perde periyodikliği yaratır ve konuşma organı şekli bu titreşimi fonemlere göre filtreler. LPC, her konuşma örneğini önceki birkaç örnekten (tipik olarak 8–16) tahmin ederek bu düzenlilikleri yakalar. Tahmin doğruysa, yalnızca tahmin hatası (artık) iletilmesi gerekir, bu da sıkıştırma sağlar. LPC, konuşma organını doğrusal bir sistem olarak modeller, bu da onu konuşma için oldukça verimli kılar.

Tarih

Burg, LPC'yi 1960'larda jeofizik ve spektral tahmin bağlamında tanıttı. Makhoul, LPC'yi 1975'te konuşma işlemeye getirdi ve modern konuşma kodlamasını kurdu. Devlet araştırmaları (NSA, DARPA), 1980'lerde LPC kodlayıcı geliştirilmesini hızlandırdı. CELP (Kod-Uyarmalı Doğrusal Öngörü), LPC'yi vektör nicemleme ile birleştirdi ve mobil konuşma kodlayıcıları (GSM, EVRC) için standart oldu. Modern kodlayıcılar (AMR, OPUS) hala uzantılarla LPC prensiplerini kullanır.

Ne zaman kullanılır?

LPC'yi konuşma sıkıştırma ve kodlama (telefon, VoIP), konuşmacı doğrulama ve tanıma, ses kalitesi değerlendirmesi, konuşma sentezi (TTS) ve konuşma iyileştirme için kullanın. LPC, özellikle düşük bit hızlarında (< 4 kbps) ve temiz konuşma için etkilidir. Geniş bant ses (müzik) veya çok düşük bit hızları (< 1 kbps) için daha gelişmiş kodlayıcılar tercih edilebilir.

Sınırlar ve dikkat edilmesi gerekenler

  • Konuşma için tasarlanmıştır; müzik ve genel ses, daha yüksek model sırası veya alternatif yöntemler gerektirir.
  • Doğrusal konuşma organı ve durağan durumdaki ses üretimini varsayar; geçişler (patlayıcılar, sürtünmeliler) doğru modellenmez.
  • Perde tahmini, özellikle kadın konuşmacılar ve gürültülü koşullar için zordur; perde hataları senteze yayılır.
  • Düşük frekanslı artık (>1 kHz ayrıntı) genellikle agresif bir şekilde nicelenir; konuşma anlaşılırlığı, doğru yüksek frekanslı temsiline bağlıdır.
  • Bireysel konuşmacı varyasyonu (aksan, ses kalitesi) temel LPC'de yakalanmaz; konuşmacı normalizasyonu ek işlem gerektirir.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Son derece verimli sıkıştırma: konuşma, 20 ms kare başına 12–24 parametre ile temsil edilebilir (yaklaşık 600 bit/sn), bu da 50:1+ sıkıştırmaya olanak tanır.
  • Konuşma organı fiziğini temsil eder: LPC katsayıları konuşma organı rezonanslarına (formantlar) karşılık gelir, bu da onları yorumlanabilir ve gürültüye karşı dayanıklı hale getirir.
  • Hızlı hesaplama: LPC katsayıları, Durbin tekrarlaması veya kafes algoritmaları kullanılarak yerleşik donanımda gerçek zamanlı olarak tahmin edilebilir.
  • Uyarma (perde, kazanç) ve filtre (konuşma organı) arasında net bir ayrım sağlar; konuşma modifikasyonuna (perde kaydırma, zaman germe, ses dönüştürme) olanak tanır.
  • Yerleşik ve standartlaştırılmış: LPC, askeri ve hücresel konuşma kodlayıcılarında kullanılır; onlarca yıllık iyileştirme güvenilirlik sağlar.

Uygulama alanları

  • Konuşma kodlama ve telefon: hücresel (GSM, 3G, 4G) ve internet telefon (VoIP, Skype) kodlayıcılarında temel teknik.
  • Konuşmacı tanıma ve doğrulama: LPC sepektral katsayıları (LPC'nin sepektral analizi), konuşmacı tanımlama sistemleri için standarttır.
  • Ses dönüştürme ve konuşma sentezi: LPC, ses özelliklerinin morfolojisini sağlar ve sentetik konuşma üretir.
  • Konuşma iyileştirme ve gürültü azaltma: LPC konuşmayı modelleyebilir; LPC artıklarından gürültü tahmininin çıkarılması SNR'yi iyileştirir.
  • Adli ses analizi: LPC özellikleri, yasal ses kayıtlarında konuşmacı özelliklerini ve duygusal durumu ortaya çıkarır.
  • Müzik enstrümanı modelleme: LPC varyantları (formant sentezi), tel ve rüzgar enstrümanı akustiğini yaklaştırır.

Nasıl çalışır?

Nasıl çalışır?

1

Bir konuşma sinyalini 8–16 kHz'de (konuşma bant genişliği) kaydedin veya dijitalleştirin; sinyali üst üste binen pencerelere (tipik olarak 20 ms, %50 örtüşme) karelere ayırın.

2

Konuşma spektrumunu düzleştirmek için ön-vurgu filtresi (yüksek geçiren) uygulayın; kenar etkilerini azaltmak için Hamming penceresi uygulayın.

3

Pencerelenmiş sinyalin otokorelasyon fonksiyonunu tahmin edin; normal denklemleri (Yule-Walker, Durbin veya kafes yöntemi) çözerek LPC katsayılarını hesaplayın.

4

Her konuşma karesini LPC katsayıları (tipik olarak 10–12 skaler) artı bir kazanç ve temel frekans (perde) olarak temsil edin. Beyaz gürültüyü veya bir perde darbesini LPC filtresi (yalnızca kutuplu filtre) aracılığıyla filtreleyerek konuşma sentezleyin.

5

Konuşma özellikleri çıkarın: LPC katsayıları konuşma organı şeklini yansıtır; perde sesliliği yansıtır; kazanç ses yüksekliğini yansıtır. Konuşmacı tanıma, konuşma kodlama veya sentez için özellikleri kullanın. LPC filtresinin frekans yanıtını değerlendirerek spektral zarfı hesaplayın.

Sık yapılan hatalar

  • Yetersiz LPC sırası kullanmak (< 8): düşük sıralı modeller formantları yakalayamaz ve boğuk, sentetik konuşma üretir.
  • Aşırı agresif artık nicemleme: LPC katsayıları doğru olabilir, ancak nicelenmiş artıklar kaliteyi düşürür.
  • Ön-vurguyu ihmal etmek; yüksek geçiren filtreleme olmadan, düşük frekanslı enerji baskın olur ve LPC uydurması yanlış yönleri vurgular.
  • Sabit kare hızı varsaymak; ses aktivitesi algılama ve sessizlikte kare düşürme, kodlayıcı verimliliğini artırır ancak dikkatli uygulama gerektirir.
  • Dinleyici öznel kalitesini göz ardı etmek; MOS (Ortalama Oy Derecesi) ve dinleme testleri, konuşma kodlayıcı ayarı için kritiktir.

Sık sorulan sorular

Konuşma için en uygun LPC sırası nedir?

Tipik LPC sırası, 8 kHz'de konuşma için 10–12 ve geniş bant (16 kHz) konuşma için 16–20'dir. Genel bir kural: sıra ≈ 2 + fs/1000, burada fs Hz cinsinden örnekleme oranıdır. Daha yüksek sıra daha fazla ayrıntı yakalar ancak daha fazla katsayı gerektirir ve aşırı uyum riskini taşır. Dinleme testleri genellikle seçimi yönlendirir.

LPC katsayılarından konuşmacı kimliği nasıl çıkarılır?

Konuşmacıya özgü formant konumlarını ve ince spektral yapıyı çıkarmak için LPC'nin sepektral analizini (LPC spektrumunun logaritmasının ters FFT'si) kullanın. Bu sepektral özellikler (tipik olarak 12–13 katsayı) ham LPC'den daha ayırt edicidir ve konuşmacı tanıma sistemlerinde kullanılır.

Perde tahmini LPC'de neden zordur?

LPC konuşma organı filtresini modeller; perde, filtre tarafından değil, uyarma (titreşim oranı) tarafından belirlenir. Perde tahmini, artık sinyalin ayrı otokorelasyon analizi veya harmonik analizi gerektirir. Gürültülü veya zayıf perde sinyalleri (kadın konuşmacılar, fısıltı) özellikle zordur; perde tahminindeki hatalar doğrudan sentez kalitesini düşürür.

LPC müzik ve genel sesi sıkıştırabilir mi?

LPC konuşma için tasarlanmıştır ve müzik üzerinde kötü performans gösterir çünkü müzik zengin harmonik içeriğe ve karmaşık spektral yapıya sahiptir. Daha yüksek LPC sırası (50+) müzikyi kabaca modelleyebilir, ancak özel ses kodlayıcıları (MP3, AAC) daha iyi kalite ve sıkıştırma sağlar. LPC, yalnızca konuşmaya yönelik uygulamalar için standart olmaya devam etmektedir.

LPC, CELP kodlayıcılarıyla nasıl ilişkilidir?

CELP (Kod-Uyarmalı Doğrusal Öngörü), basit bir perde uyarımını bir kod kitabından vektör nicemlenmiş bir kod ile değiştirerek LPC'yi geliştirir. Bu, düşük bit hızlarında (< 8 kbps) kaliteyi artırır. CELP, birçok modern hücresel konuşma kodlayıcısının (GSM-EFR, EVRC, CDMA) temelini oluşturur; temelde LPC artı gelişmiş uyarma modellemesidir.

İlgili yöntemler

Kaynaklar

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

    DOI kaynağını aç
    Kopyalandı.
  2. Rabiner, L. R., & Schafer, R. W. (1978). Digital Processing of Speech Signals. Prentice-Hall.

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

    ISBN: 978-0130901262
    Kopyalandı.