Codificación predictiva lineal

La codificación predictiva lineal ( LPC ) es un método utilizado principalmente en el procesamiento de señales de audio y el procesamiento del habla para representar la envolvente espectral de una señal digital de voz en forma comprimida , utilizando la información de un modelo predictivo lineal . ^{[ 1 ] [ 2 ]}

LPC es el método más utilizado en la codificación y síntesis de voz . Es una potente técnica de análisis de voz y un método útil para codificar voz de buena calidad a una baja tasa de bits .

LPC parte de la premisa de que una señal de voz se produce mediante un zumbador situado al final de un tubo (para sonidos sonoros ), con la adición ocasional de silbidos y chasquidos (para sonidos sordos como sibilantes y oclusivas ). Aunque aparentemente rudimentario, este modelo de fuente-filtro es en realidad una aproximación bastante fiel a la realidad de la producción del habla. La glotis (el espacio entre las cuerdas vocales) produce el zumbido, que se caracteriza por su intensidad ( volumen ) y frecuencia (tono). El tracto vocal (la garganta y la boca) forma el tubo, que se caracteriza por sus resonancias; estas resonancias dan lugar a formantes , o bandas de frecuencia intensificadas en el sonido producido. Los silbidos y chasquidos se generan por la acción de la lengua, los labios y la garganta durante las sibilantes y oclusivas.

El LPC analiza la señal de voz estimando los formantes, eliminando sus efectos y estimando la intensidad y la frecuencia del ruido residual. El proceso de eliminación de los formantes se denomina filtrado inverso, y la señal resultante tras la resta de la señal filtrada se denomina residuo.

Los valores que describen la intensidad y la frecuencia del zumbido, los formantes y la señal residual pueden almacenarse o transmitirse en otro lugar. LPC sintetiza la señal de voz invirtiendo el proceso: utiliza los parámetros del zumbido y la señal residual para crear una señal fuente, utiliza los formantes para crear un filtro (que representa el tubo) y procesa la señal fuente a través del filtro, lo que da como resultado la señal de voz.

Debido a que las señales de voz varían con el tiempo, este proceso se realiza sobre fragmentos cortos de la señal de voz, llamados tramas; generalmente, entre 30 y 50 tramas por segundo proporcionan un habla inteligible con buena compresión.

La predicción lineal (estimación de señales) se remonta al menos a la década de 1940, cuando Norbert Wiener desarrolló una teoría matemática para calcular los mejores filtros y predictores para detectar señales ocultas en el ruido. ^{[ 3 ] [ 4 ]} Poco después de que Claude Shannon estableciera una teoría general de la codificación , C. Chapin Cutler , ^{[ 5 ]} Bernard M. Oliver ^{[ 6 ]} y Henry C. Harrison ^{[ 7 ]} trabajaron en la codificación predictiva . Peter Elias publicó en 1955 dos artículos sobre la codificación predictiva de señales. ^{[ 8 ] [ 9 ]}

Los predictores lineales fueron aplicados al análisis del habla de forma independiente por Fumitada Itakura de la Universidad de Nagoya y Shuzo Saito de Nippon Telegraph and Telephone en 1966 y en 1967 por Bishnu S. Atal , Manfred R. Schroeder y John Burg. Itakura y Saito describieron un enfoque estadístico basado en la estimación de máxima verosimilitud ; Atal y Schroeder describieron un enfoque de predictor lineal adaptativo ; Burg esbozó un enfoque basado en el principio de máxima entropía . ^{[ 4 ] [ 10 ] [ 11 ] [ 12 ]}

En 1969, Itakura y Saito introdujeron un método basado en correlación parcial (PARCOR), Glen Culler propuso codificación de voz en tiempo real, y Bishnu S. Atal presentó un codificador de voz LPC en la Reunión Anual de la Sociedad Acústica de América . En 1971, Philco-Ford demostró LPC en tiempo real utilizando hardware LPC de 16 bits ; se vendieron cuatro unidades. ^{[ 13 ]} La tecnología LPC fue impulsada por Bishnu Atal y Manfred Schroeder durante las décadas de 1970 y 1980. ^{[ 13 ]} En 1978, Atal y Vishwanath et al. de BBN desarrollaron el primer algoritmo LPC de tasa variable . ^{[ 13 ]} Ese mismo año, Atal y Manfred R. Schroeder en Bell Labs propusieron un códec de voz LPC llamado codificación predictiva adaptativa , que utilizaba un algoritmo de codificación psicoacústica que explotaba las propiedades de enmascaramiento del oído humano. ^{[ 14 ] [ 15 ]} Esto más tarde se convirtió en la base de la técnica de codificación perceptual utilizada por el formato de compresión de audio MP3 , introducido en 1993. ^{[ 14 ]} La predicción lineal excitada por código (CELP) fue desarrollada por Schroeder y Atal en 1985. ^{[ 16 ]}

LPC es la base de la tecnología de voz sobre IP (VoIP). ^{[ 13 ]} En 1972, Bob Kahn de ARPA, junto con Jim Forgie del Laboratorio Lincoln (LL) y Dave Walden de BBN Technologies, iniciaron los primeros desarrollos en voz empaquetada, que eventualmente conducirían a la tecnología de voz sobre IP. En 1973, según la historia informal del Laboratorio Lincoln, Ed Hofstetter implementó el primer LPC en tiempo real de 2400 bit / s . En 1974, se logró la primera comunicación de voz por paquetes LPC bidireccional en tiempo real a través de ARPANET a 3500 bit/s entre Culler-Harrison y el Laboratorio Lincoln.  

La predicción lineal por conteo (LPC) se utiliza frecuentemente para transmitir información de la envolvente espectral, por lo que debe tolerar errores de transmisión. La transmisión directa de los coeficientes del filtro (véase la definición de coeficientes en la sección de predicción lineal ) no es recomendable, ya que son muy sensibles a los errores. En otras palabras, un error mínimo puede distorsionar todo el espectro o, peor aún, provocar la inestabilidad del filtro de predicción.

Existen representaciones más avanzadas, como las razones de área logarítmica (LAR), la descomposición en pares espectrales de línea (LSP) y los coeficientes de reflexión . De estas, la descomposición en LSP ha ganado popularidad, ya que garantiza la estabilidad del predictor y los errores espectrales son locales para pequeñas desviaciones de los coeficientes.

LPC es el método más utilizado en codificación y síntesis de voz . ^{[ 17 ]} Generalmente se utiliza para análisis y resíntesis de voz. Las compañías telefónicas lo utilizan como una forma de compresión de voz, como en el estándar GSM , por ejemplo. También se utiliza para comunicaciones inalámbricas seguras , donde la voz debe digitalizarse , cifrarse y enviarse a través de un canal de voz estrecho; un ejemplo temprano de esto es el Navajo I del gobierno de EE. UU .

La síntesis LPC se puede utilizar para construir vocoders donde los instrumentos musicales se utilizan como señal de excitación para el filtro variable en el tiempo estimado a partir del habla de un cantante. Esto es bastante popular en la música electrónica . Paul Lansky creó la conocida pieza de música por computadora notjustmoreidlechatter utilizando codificación predictiva lineal. ^{[ 18 ]} Se utilizó un LPC de décimo orden en el popular juguete educativo Speak & Spell de la década de 1980 .

Los predictores LPC se utilizan en Shorten , MPEG-4 ALS , FLAC , el códec de audio SILK y otros códecs de audio sin pérdidas .

LPC ha recibido cierta atención como herramienta para su uso en el análisis tonal de violines y otros instrumentos musicales de cuerda. ^{[ 19 ]}

• criterio de información de Akaike
• Compresión de audio
• Predicción lineal excitada por código (CELP)
• FS-1015
• FS-1016
• Filtrado generalizado
• Predicción lineal
• Análisis predictivo lineal
• Estimación del tono
• Codificación predictiva lineal distorsionada

• O'Shaughnessy, D. (1988). "Codificación predictiva lineal". IEEE Potentials . 7 (1): 29– 32. Bibcode : 1988IPot....7a..29O . doi : 10.1109/45.1890 . S2CID 12786562 . 
• Bundy, Alan ; Wallen, Lincoln (1984). «Codificación predictiva lineal». Catálogo de herramientas de inteligencia artificial . Computación simbólica. pág.  61. doi : 10.1007/978-3-642-96868-6_123 . ISBN 978-3-540-13938-6.
• El-Jaroudi, Amro (2003). "Codificación predictiva lineal". Enciclopedia Wiley de telecomunicaciones . doi : 10.1002/0471219282.eot155 . ISBN 978-0471219286.

• Software de aprendizaje para análisis/síntesis LPC en tiempo real
• Treinta años después, el Dr. Richard Wiggins habla sobre el desarrollo de Speak & Spell.
• Robert M. Gray, Programa de Conferenciantes Distinguidos de la Sociedad de Procesamiento de Señales del IEEE