線性預(yù)測編碼

目錄
·綜述
·線性預(yù)測編碼的早期歷史
·線性預(yù)測編碼系數(shù)表示
·應(yīng)用




線性預(yù)測編碼（LPC）是主要用于音頻信號處理與語音處理中根據(jù)線性預(yù)測模型的信息用壓縮形式表示數(shù)字語音信號譜包絡(luò)（en:spectral envelope）的工具。它是最有效的語音分析技術(shù)之一，也是低位速下編碼方法高質(zhì)量語音最有用的方法之一，它能夠提供非常精確的語音參數(shù)預(yù)測。




綜述

線性預(yù)測編碼的基礎(chǔ)是假設(shè)聲音信號（濁音）是音管末端的蜂鳴器產(chǎn)生的，偶爾伴隨有嘶嘶聲與爆破聲（齒擦音與爆破音）。盡管這看起來有些原始，但是這種模式實(shí)際上非常接近于真實(shí)語音產(chǎn)生過程。聲帶之間的聲門產(chǎn)生不同強(qiáng)度（音量）與頻率（音調(diào)）的聲音，喉嚨與嘴組成共鳴聲道。嘶嘶聲與爆破聲通過舌頭、嘴唇以及喉嚨的作用產(chǎn)生出來。
線性預(yù)測編碼通過估計共振峰、剔除它們在語音信號中的作用、估計保留的蜂鳴音強(qiáng)度與頻率來分析語音信號。剔除共振峰的過程稱為逆濾波，經(jīng)過這個過程剩余的信號稱為殘余信號（en:residue）。
描述峰鳴強(qiáng)度與頻率、共鳴峰、殘余信號的數(shù)字可以保存、發(fā)送到其它地方。線性預(yù)測編碼通過逆向的過程合成語音信號：使用蜂鳴參數(shù)與殘余信號生成源信號、使用共振峰生成表示聲道的濾波器，源信號經(jīng)過濾波器的處理就得到語音信號。
由于語音信號隨著時間變化，這個過程是在一段段的語音信號幀上進(jìn)行處理的。通常每秒 30 到 50 幀的速度就能對可理解的信號進(jìn)行很好的壓縮。


線性預(yù)測編碼的早期歷史

根據(jù)斯坦福大學(xué) Robert M. Gray 的說法，線性預(yù)測編碼起源于 1966 年，當(dāng)時 NTT 的 S. Saito 和 F. Itakura 描述了一種自動音素識別的方法，這種方法第一次使用了針對語音編碼的最大似然估計實(shí)現(xiàn)。1967 年，John Burg 略述了最大熵的實(shí)現(xiàn)方法。1969 年 Itakura 與 Saito 提出了部分相關(guān)（en:partial correlation）的概念, May Glen Culler 提議進(jìn)行實(shí)時語音壓縮，B. S. Atal 在美國聲學(xué)協(xié)會年會上展示了一個 LPC 語音編碼器。1971 年 Philco-Ford 展示了使用 16 位 LPC 硬件的實(shí)時 LPC 并且賣出了四個。
1972 年 ARPA 的 Bob Kahn 與 Jim Forgie (en:Lincoln Laboratory, LL) 以及 Dave Walden (BBN Technologies) 開始了語音信息包的第一次開發(fā)，這最終帶來了 Voice over IP 技術(shù)。根據(jù) Lincoln Laboratory 的非正式歷史資料記載，1973 年 Ed Hofstetter 實(shí)現(xiàn)了第一個 2400 位/秒 的實(shí)時 LPC。1974 年，第一個雙向?qū)崟r LPC 語音包通信在 Culler-Harrison 與 Lincoln Laboratories 之間通過 ARPANET 以 3500 位/秒 的速度實(shí)現(xiàn)。1976 年，第一次 LPC 會議通過 ARPANET 使用 Network Voice Protocol 在Culler-Harrison、ISI、SRI 與 LL 之間以 3500 位/秒 的速度實(shí)現(xiàn)。最后在 1978 年，BBN 的 Vishwanath et al. 開發(fā)了第一個變速 LPC 算法。


線性預(yù)測編碼系數(shù)表示

線性預(yù)測編碼經(jīng)常用來傳輸頻譜包絡(luò)信息，這樣它就可以容忍傳輸誤差。由于直接傳輸濾波器系數(shù)（參見線性預(yù)測中系數(shù)定義）對于誤差非常敏感，所以人們不希望直接傳輸濾波器系數(shù)。換句話說，一個小的誤差不會扭曲整個頻譜或使整個頻譜質(zhì)量下降，但是一個小的誤差可能使預(yù)測濾波器變得不穩(wěn)定。
有許多更加高級的表示方法，如對數(shù)面積比（en:log area ratio，LAR)、線譜對（en:line spectral pairs,LSP) 分解以及反射系數(shù)等。在這些方法中，LSP 由于它能夠保證預(yù)測器的穩(wěn)定性、并且小的系數(shù)偏差帶來的譜誤差也是局部的這些特性，所以得到了廣泛應(yīng)用。


應(yīng)用

線性預(yù)測編碼通常用于語音的重新合成，它是電話公司使用的聲音壓縮格式，如 GSM 標(biāo)準(zhǔn)就在使用這種格式。它還用作安全無線通信中的格式，在安全的無線通信中，聲音必須進(jìn)行數(shù)字化、加密然后通過狹窄的語音信道傳輸。
線性預(yù)測編碼合成也可以用于構(gòu)建聲音合成器，樂器用作從歌手聲音預(yù)測得到的時變?yōu)V波器的激勵信號，這在電子音樂中有一定的流行。
1980年流行的 Speak & Spell 教育玩具中使用了一個 10 階的線性預(yù)測編碼。
在 FLAC 音頻編解碼器中使用了 0 到 4 階的線性預(yù)測編碼預(yù)測器。

• 通信詞典解釋