Линейное предсказание с возбуждением кода

линейное предсказание с кодовым возбуждением (CELP ) - это алгоритм линейного предсказания речевого кодирования, первоначально предложенный Манфред Р. Шредер и Бишну С. Атал в 1985 году. В то время он обеспечивал значительно лучшее качество, чем существующие алгоритмы с низкой скоростью передачи данных, такие как линейное предсказание с остаточным возбуждением. (RELP) и кодирование с линейным предсказанием (LPC) вокодеры (например, FS-1015 ). Наряду с его вариантами, такими как алгебраический CELP, ослабленный CELP, CELP с малой задержкой и линейное предсказание с возбуждением векторной суммой, он в настоящее время наиболее широко используемый алгоритм кодирования речи. Он также используется в кодировании речи MPEG-4 Audio. CELP обычно используется как общий термин для класса алгоритмов, а не для конкретного кодека.

Содержание

• 1 Введение
• 2 Декодер CELP
• 3 Кодер CELP
  • 3.1 Взвешивание шума
• 4 См. Также
• 5 Ссылки
• 6 Внешние ссылки
  • 6.1 Выбранные показания

Введение

Алгоритм CELP основан на четырех основных идеях:

• Использование модели с фильтром источника для формирования речи с по линейное предсказание (LP) (см. учебник «Алгоритм кодирования речи»);
• Использование адаптивной и фиксированной кодовой книги в качестве входа (возбуждения) модели LP;
• Выполнение поиска в замкнутом контуре в «перцептивно взвешенная область».
• Применение векторного квантования (VQ)

Исходный алгоритм, смоделированный в 1983 году Шредером и Аталом, требовал 150 секунд для кодирования 1 секунды речи при запуске на суперкомпьютер Cray-1. С тех пор более эффективные способы реализации кодовых книг и улучшения вычислительных возможностей сделали возможным запуск алгоритма во встроенных устройствах, таких как мобильные телефоны.

Декодер CELP

Перед тем, как исследовать сложный процесс кодирования CELP, мы представляем здесь декодер. На рисунке 1 показан общий декодер CELP. Возбуждение создается путем суммирования вкладов от фиксированной (также известной как стохастический или инновационный) и адаптивной (также известной как шаг) кодовых книг:

$e\; [n]\; =\; ef\; [n]\; +\; ea\; [n]\; \{\backslash \; displaystyle\; e\; [n]\; =\; e\_\; \{f\}\; [n]\; +\; e\_\; \{a\}\; [n]\; \backslash ,\}$

где $ef\; [n]\; \{\backslash \; displaystyle\; e\_\; \{f\}\; [n]\}$- фиксированный (также известный как стохастический или инновационный) вклад в кодовую книгу и $ea\; [n]\; \{\backslash \; displaystyle\; e\_\; \{a\}\; [n]\}$- вклад адаптивной (основного тона ) кодовой книги. Фиксированная кодовая книга - это словарь векторного квантования, который (неявно или явно) жестко закодирован в кодеке. Эта кодовая книга может быть алгебраической (ACELP ) или сохраняться явно (например, Speex ). Записи в адаптивной кодовой книге состоят из отложенных версий возбуждения. Это позволяет эффективно кодировать периодические сигналы, например звонкие звуки.

Фильтр, формирующий возбуждение, имеет всеполюсную модель вида $1\; /\; A\; (z)\; \{\backslash \; displaystyle\; 1\; /\; A\; (z)\}$, где $A\; (z)\; \{\backslash \; displaystyle\; A\; (z)\}$называется фильтром прогнозирования и получается с использованием линейного прогнозирования (алгоритм Левинсона – Дарбина ). Всеполюсный фильтр используется потому, что он хорошо отображает голосовой тракт человека и потому, что его легко вычислить.

CELP-кодировщик

Основной принцип, лежащий в основе CELP, называется Analysis-by-Synthesis (AbS) и означает, что кодирование (анализ) выполняется путем перцепционной оптимизации декодированного (синтез) сигнал в замкнутом контуре. Теоретически лучший поток CELP можно получить, попробовав все возможные битовые комбинации и выбрав ту, которая дает декодированный сигнал с наилучшим звучанием. Очевидно, что на практике это невозможно по двум причинам: требуемая сложность выходит за рамки любого доступного в настоящее время оборудования, и критерий выбора «наилучшего звучания» предполагает наличие слушателя-человека.

Чтобы обеспечить кодирование в реальном времени с использованием ограниченных вычислительных ресурсов, поиск CELP разбивается на более мелкие, более управляемые, последовательные поиски с использованием простой функции взвешивания восприятия. Обычно кодирование выполняется в следующем порядке:

• Коэффициенты линейного предсказания (LPC) вычисляются и квантуются, обычно как линейные спектральные пары (LSP).
• выполняется поиск адаптивной (основной) кодовой книги и ее вклад удаляется.
• Выполняется поиск фиксированной (инновационной) кодовой книги.

Взвешивание шума

Большинство (если не все) современные аудиокодеки пытаются формируют шум кодирования так, чтобы он появлялся в основном в частотных областях, где ухо не может его обнаружить. Например, ухо более устойчиво к шуму в более громких частях спектра и наоборот. Вот почему вместо минимизации простой квадратичной ошибки CELP минимизирует ошибку для перцепционно взвешенной области. Весовой фильтр W (z) обычно получается из LPC-фильтра с помощью расширения полосы пропускания :

$W\; (z)\; =\; A\; (z\; /\; \gamma \; 1)\; A\; (z\; /\; \gamma \; 2)\; \{\backslash \; displaystyle\; W\; (\; z)\; =\; \{\backslash \; frac\; \{A\; (z\; /\; \backslash \; gamma\; \_\; \{1\})\}\; \{A\; (z\; /\; \backslash \; gamma\; \_\; \{2\})\}\}\}$

где $\gamma \; 1>\gamma \; 2\; \{\backslash \; displaystyle\; \backslash \; gamma\; \_\; \{1\}>\backslash \; gamma\; \_\; \{2\}\}$.

См. также

• MPEG-4 Part 3 (CELP как тип аудиообъекта MPEG-4)
• G.728 - Кодирование речи со скоростью 16 кбит / с с использованием линейного предсказания с малой задержкой и возбуждением кода
• G.718 - использует CELP для двух нижних уровней для полосы (50–6400 Гц) в двухэтапная структура кодирования
• G.729.1 - использует кодирование CELP для нижней полосы (50–4000 Гц) в трехступенчатой ​​структуре кодирования
• Сравнение форматов аудиокодирования
• CELT - это связанный аудиокодек, который заимствует некоторые идеи из CELP.

Ссылки

• BS Atal, "История линейного прогнозирования n, "IEEE Signal Processing Magazine, vol. 23, нет. 2, март 2006 г., стр. 154–161.
• М. Р. Шредер и Б. С. Атал, «Линейное предсказание с кодовым возбуждением (CELP): высококачественная речь при очень низкой скорости передачи данных», в материалах Международной конференции IEEE по акустике, речи и обработке сигналов ( ICASSP), т. 10, pp. 937–940, 1985.

Внешние ссылки

• Эта статья основана на статье, представленной на Linux.Conf.Au
• Некоторые части основаны на Speex кодек руководство
• эталонные реализации CELP 1016A (CELP 3.2a) и LPC 10e.
• Linear Predictive Coding (LPC)

Избранные показания

• Введение в Кодирование CELP
• Обработка речи: теория анализа и синтеза LPC