跳转到内容

线性预测编码

维基百科,自由的百科全书
buy
add image

线性预测编码(英语:LPC, Linear predictive coding)是主要用于音频信号处理语音处理中,根据线性预测模型的信息用压缩形式表示数字语音信号谱包络(spectral envelope)的工具。它是有效的语音分析技术之一,也是低位速下编码方法高质量语音有用的方法之一,它能够提供非常精确的语音参数预测。

综述

线性预测编码用线性预测方法对信号编码,基本思想是:“一个语音取样的现在值,可以用若干个语音取样过去值的加权线性组合来逼近”,即时刻的信号表示为之前次的过去信号的线性组合。预测系数与预测残差可被编码。

通过使实际语音抽样和线性预测抽样之间差值的平方和达到最小值,能够决定唯一的一组预测系数。

线性预测编码通过估计共振峰、剔除它们在语音信号中的作用、估计保留的蜂鸣音强度与频率来分析语音信号。剔除共振峰的过程称为逆滤波,经过这个过程剩余的信号称为残余信号(residue)。

若区间(常称作帧)的信号()能用线性组合很好地表示,就可将信号信息变换为区间中的个不变预测系数()和个小振幅残余信号()。 描述峰鸣强度与频率、共鸣峰、残余信号的数字可以保存、发送到其它地方。对残余信号应用各种压缩,可以用更少的信息量传递信号。线性预测编码通过逆向的过程合成语音信号:使用蜂鸣参数与残余信号生成源信号、使用共振峰生成表示声道的滤波器,源信号经过滤波器的处理就得到语音信号。

由于语音信号是一种非平稳的时变信号,又同时具有短时平稳性,这个过程是在一段段的语音信号帧上进行处理的。通常每秒30到50帧的速度,就能对可理解的信号进行很好的压缩。

对LPC高效编码的机制有各种解释,其中之一是源-滤波器模型:残余信号可解释为声带激励,预测系数可解释为具有共振特性的声道模型。

线性预测编码的早期历史

根据斯坦福大学Robert M. Gray的说法,线性预测编码起源于1966年,当时日本电信电话公社的S. Saito和F. Itakura描述了一种自动音素识别的方法,这种方法第一次使用了针对语音编码的最大似然估计实现。1967年,John Burg略述了最大熵的实现方法。1969年Itakura与Saito提出了部分相关(partial correlation)的概念, May Glen Culler提议进行实时语音压缩,B. S. Atal在美国声学协会年会上展示了一个LPC语音编码器。1971年Philco-Ford展示了使用16位LPC硬件的实时LPC并且卖出了四个。

1972年美国国防部国防高等研究计划署(DARPA)的Bob Kahn林肯实验室(Lincoln Laboratory, LL)的Jim Forgie,以及BBN科技的Dave Walden开始了语音信息包的第一次开发,这最终带来了Voice over IP技术。根据林肯实验室的非正式历史资料记载,1973年Ed Hofstetter实现了第一个2400位/秒的实时LPC。1974年,第一个双向实时LPC语音包通信在Culler-Harrison与林肯实验室之间通过ARPANET以3500位/秒的速度实现。1976年,第一次LPC会议通过ARPANET使用Network Voice Protocol在Culler-Harrison、ISI、SRI与LL之间以3500位/秒的速度实现。最后在1978年,BBN的Vishwanath et al.开发了第一个变速LPC算法。

线性预测编码系数表示

线性预测编码经常用来传输频谱包络信息,这样它就可以容忍传输误差。由于直接传输滤波器系数(参见线性预测中系数定义)对于误差非常敏感,所以人们不希望直接传输滤波器系数。换句话说,一个小的误差不会扭曲整个频谱或使整个频谱质量下降,但是一个小的误差可能使预测滤波器变得不稳定。

有许多更加高级的表示方法,如对数面积比(log area ratio,LAR)、线谱对(line spectral pairs,LSP)分解以及反射系数等。在这些方法中,LSP由于它能够保证预测器的稳定性、并且小的系数偏差带来的谱误差也是局部的这些特性,所以得到了广泛应用。

应用

线性预测编码通常用于语音的重新合成,它是电话公司使用的声音压缩格式,如GSM标准就在使用这种格式。它还用作安全无线通信中的格式,在安全的无线通信中,声音必须进行数字化加密然后通过狭窄的语音信道传输。

线性预测编码合成也可以用于构建声音合成器,乐器用作从歌手声音预测得到的时变滤波器的激励信号,这在电子音乐中有一定的流行。

1980年流行的Speak & Spell教育玩具中使用了一个10阶的线性预测编码。

FLAC音频编解码器中使用了0到4阶的线性预测编码预测器。

参考文献

参见

外部链接