Линейное предсказание с кодовым возбуждением

Эта статья включает список ссылок , связанных материалов или внешних ссылок , но ее источники остаются неясными, поскольку в ней отсутствуют встроенные цитаты . Пожалуйста, помогите улучшить эту статью, введя более точные цитаты. ( Май 2022 г. ) ( Узнайте, как и когда удалять это сообщение )

Линейное предсказание с кодовым возбуждением ( CELP ) — это алгоритм линейного предсказательного кодирования речи , первоначально предложенный Манфредом Р. Шредером и Бишну С. Аталом в 1985 году. В то время он обеспечивал значительно лучшее качество, чем существующие алгоритмы с низкой скоростью передачи данных, такие как вокодеры с остаточным возбуждением (RELP) и линейного предсказательного кодирования (LPC) (например, FS-1015 ). Наряду с его вариантами, такими как алгебраический CELP , расслабленный CELP , CELP с малой задержкой и векторное суммарное возбуждение линейного предсказания , в настоящее время это наиболее широко используемый алгоритм кодирования речи ^{[ требуется ссылка ]} . Он также используется в кодировании речи MPEG-4 Audio . CELP обычно используется как общий термин для класса алгоритмов, а не для конкретного кодека.

Алгоритм CELP основан на четырех основных идеях:

• Использование модели исходного фильтра для создания речи посредством линейного предсказания (ЛП) (см. учебник «Алгоритм кодирования речи»);
• Использование адаптивной и фиксированной кодовой книги в качестве входа (возбуждения) модели LP;
• Выполнение поиска в замкнутом цикле в «перцептивно взвешенной области».
• Применение векторного квантования (VQ)

Первоначальный алгоритм, смоделированный в 1983 году Шредером и Аталом, требовал 150 секунд для кодирования 1 секунды речи при запуске на суперкомпьютере 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.

Прежде чем исследовать сложный процесс кодирования CELP, мы представляем здесь декодер. Рисунок 1 описывает общий декодер CELP. Возбуждение создается путем суммирования вкладов от фиксированных (также известных как стохастические или инновационные) и адаптивных (также известных как шаг) кодовых книг:

${\displaystyle e[n]=e_{f}[n]+e_{a}[n]\,}$

где — фиксированный (он же стохастический или инновационный) вклад кодовой книги, а — адаптивный ( высотный ) вклад кодовой книги. Фиксированная кодовая книга — это словарь векторного квантования , который (явно или неявно) жестко закодирован в кодеке. Эта кодовая книга может быть алгебраической ( ACELP ) или храниться явно (например, Speex ). Записи в адаптивной кодовой книге состоят из задержанных версий возбуждения. Это позволяет эффективно кодировать периодические сигналы, такие как вокализованные звуки.${\displaystyle e_{f}[n]}$${\displaystyle e_{a}[n]}$

Фильтр, который формирует возбуждение, имеет модель всех полюсов вида , где называется фильтром предсказания и получается с помощью линейного предсказания ( алгоритм Левинсона–Дарбина ). Фильтр всех полюсов используется, потому что он хорошо представляет речевой тракт человека и потому что его легко вычислить.${\displaystyle 1/A(z)}$${\displaystyle A(z)}$

Основной принцип CELP называется анализ через синтез (AbS) и означает, что кодирование (анализ) выполняется путем перцептивной оптимизации декодированного (синтезированного) сигнала в замкнутом цикле. Теоретически, наилучший поток CELP будет получен путем перебора всех возможных комбинаций битов и выбора той, которая производит наилучше звучащий декодированный сигнал. Очевидно, что на практике это невозможно по двум причинам: требуемая сложность выходит за рамки любого доступного в настоящее время оборудования, а критерий выбора «наилучшего звучания» подразумевает наличие слушателя-человека.

Для того, чтобы достичь кодирования в реальном времени с использованием ограниченных вычислительных ресурсов, поиск CELP разбивается на более мелкие, более управляемые, последовательные поиски с использованием простой функции перцептивного взвешивания. Обычно кодирование выполняется в следующем порядке:

• Коэффициенты линейного предсказания (LPC) вычисляются и квантуются, как правило, в виде пар спектральных линий (LSP).
• Просматривается адаптивная (питч) кодовая книга и ее вклад удаляется.
• Проводится поиск по фиксированной (инновационной) кодовой книге.

Большинство (если не все) современных аудиокодеков пытаются сформировать кодирующий шум таким образом, чтобы он появлялся в основном в частотных областях, где ухо не может его обнаружить. Например, ухо более терпимо к шуму в тех частях спектра, которые громче, и наоборот. Вот почему вместо минимизации простой квадратичной ошибки, CELP минимизирует ошибку для перцептивно взвешенной области. Фильтр взвешивания W(z) обычно выводится из фильтра LPC с использованием расширения полосы пропускания :

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

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

• MPEG-4 Часть 3 (CELP как тип аудиообъекта MPEG-4)
• G.728 – Кодирование речи со скоростью 16 кбит/с с использованием линейного предсказания с кодовым возбуждением и малой задержкой
• G.718 – использует CELP для нижних двух уровней для диапазона (50–6400 Гц) в двухступенчатой ​​структуре кодирования
• G.729.1 – использует кодирование CELP для нижнего диапазона (50–4000 Гц) в трехступенчатой ​​структуре кодирования
• Сравнение форматов кодирования звука
• CELT — родственный аудиокодек, заимствующий некоторые идеи из CELP.

• Б. С. Атал, «История линейного предсказания», журнал IEEE Signal Processing Magazine , т. 23, № 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 Трудах Международной конференции IEEE по акустике, речи и обработке сигналов (ICASSP), т. 10, стр. 937–940, 1985.

• Эта статья основана на докладе, представленном на Linux.Conf.Au.
• Некоторые части основаны на руководстве по кодеку Speex
• эталонные реализации CELP 1016A (CELP 3.2a) и LPC 10e. Архивировано 2016-12-12 на Wayback Machine
• Линейное предсказательное кодирование (LPC)

• Введение в кодирование CELP
• Обработка речи: теория анализа и синтеза LPC Архивировано 15.06.2014 на Wayback Machine