کدگذاري گفتار با استفاده از پيش‌بيني غير خطي بر پايه بسط سري‌هاي ولترا
الموضوعات :محمدحسن ساوجی 1 , قاسم علیپور 2
1 - دانشگاه شهید بهشتی
2 - دانشگاه شهید بهشتی
الکلمات المفتاحية: بسط سري‌هاي ولتراپيش‌بيني غير خطيپيش‌بيني وفقي پسروپيش‌بيني وفقي پيشروکدگذاري گفتارکمترين مربع‌هاکمترين ميانگين مربع‌ها,
ملخص المقالة :
در سال‌هاي اخير به منظور کاهش بيشتر نرخ بيت و از آنجا پهناي باند توجه روزافزوني به استفاده از مدل‌ها و تکنيک‌هاي غير خطي پيش‌بيني در کدگذاري گفتار شده است. معمولاً شبکه‌هاي عصبي براي اين هدف به کار مي‌روند که منجر به تا dB3 کاهش بيشتر در انرژي سيگنال تحريک مي‌شوند. پيش‌بيني غير خطي همچنين مي‌تواند بر پايه بسط سري‌هاي ولترا انجام گيرد که در آن براي سادگي معمولاً بسط به بخش‌هاي نخست و دوم محدود مي‌شود (پيش‌بيني درجه دو). مطالعات اوليه نشان دادند که در مقايسه با شبکه‌هاي عصبي استفاده از فيلترهاي ولترا منجر به يک کاهش بسيار بيشتر در انرژي سيگنال تحريک مي‌شود (6 تا dB10). با اين وجود به دليل ناپايداري اين کاهش نمي‌تواند منجر به کاهش نرخ بيت يا بهبود نسبت سيگنال به نويز شود. اين ناپايداري در دکدکننده به دليل وجود خطاي محاسباتي (براي نمونه ناشي از چندي‌کردن سيگنال تحريک) و حساسيت بالاي محاسبات به اين خطا ايجاد مي‌شود. در کار اصيلي که در اينجا ارائه مي‌شود ناپايداري در کدک در هر دو نوع پيش‌بيني پيشرو و پسرو به ترتيب با استفاده از الگوريتم‌هاي کمترين مربع‌ها (LS) و کمترين ميانگين مربع‌هاي (LMS) سيگنال خطا بررسي مي‌شود. نشان داده مي‌شود که پايداري در عوض فداکردن بخش عمده‌اي از صرفه‌جويي به دست آمده در انرژي سيگنال تحريک به دست مي‌آيد به گونه‌اي که سطح کاهش نهايي اغلب همانند شبکه‌هاي عصبي مي‌باشد. در پيش‌بيني پيشرو پس از پايدارسازي و با وجود اندکي افزايش در پيچيدگي عملياتي در 20 تا 45٪ قالب‌ها افزودن بخش درجه دو سودمند خواهد بود. بر اين اساس الگوريتمي توسعه مي‌يابد که پيش‌بيني غير خطي تنها بر روي اين قالب‌ها انجام گيرد. اين الگوريتم باعث بهبود تا dB4 در نسبت سيگنال به نويز نهايي مي‌شود. پيش‌بيني غير خطي پسرو متوالي با وجودي که از نقطه نظر پياده‌سازي بسيار مناسب‌تر است در مقايسه با پيش‌بيني خطي کارايي بهتري را نتيجه نمي‌دهد.
[1] N. S. Jayant and P. Noll, Digital Coding of Waveforms, Prentice-Hall Inc., 1984.
[2] J. R. Deller, J. G. Proakis, and J. H. L. Hansen, Discrete-Time Processing of Speech Signals, Macmillan Publication Company, New York, 1993.
[3] A. A. Beex and J. R. Zeidler, "Non-linear effects in adaptive linear prediction," in 4th IASTED Int. Conf. on Signal and Image Process. (SIP), Kaua'i, Hawaii, pp. 21-26, Aug. 2002.
[4] H. M. Teager, "Some observations on oral flow vocalization," IEEE Trans. ASSP, vol. 28, no. 5, pp. 559-601, 1980.
[5] M. Faúndez, F. Vallverdú, and E. Monte, "Nonlinear prediction with neural nets in ADPCM," in Proc. IEEE ICASSP, vol. 1, pp. 345-348,Seattle, US, 1998.
[6] M. Faúndez-Zanuy and O. Oliva, "ADPCM with nonlinear prediction," in Signal Process. IX: Theories and Applications, EUSIPCO, Rodas, Greece, pp. 1205-1208, 1998.
[7] N. Tishby, "A dynamical systems approach to speech processing," in Proc. ICASSP, pp. 365-368, 1990.
[8] B. Townshend, "Non-linear prediction of speech," in Proc. ICASSP,pp. 425-428, 1991.
[9] G. D'Alessandro, M. Faundez Zanuy, and F. Piazza,"A new sub-band non-linear prediction coding algorithm for narrowband speech signal -the NADPCMB-MLT coding scheme," in Proc. ICASSP, vol. 1,pp. 1025-1028, 2002.
[10] V. J. Mathews and G. L. Sicuranza, Polynomial signal processing, Wiley, New York, 2000.
[11] E. Mumolo and D. Francescato, "Adaptive predictive coding of speech by means of Volterra predictors," in Proc. IEEE Winter Workshop on Nonlinear Digital Signal Process., Tampere, Finland,pp. 2.1.4.1-2.1.4.4, Jul. 1993.
[12] J. Thyssen, H. Nielsen, and S. D. Hansen, "Non-linear short-term prediction in speech coding," in IEEE Proc. ICASSP, Autralia, pp.185-188, Apr. 1994.
[13] J. D. Markel and A. H. Gray, Linear Prediction of Speech, Springer- Verlag, New York, 1976.
[14] S. Haykin, Adaptive Filter Theory, Prentice-Hall, New Jersey, 1991.
[15] G. L. Sicuranza, "Quadratic filters for signal processing," in Proceeding of IEEE, vol. 80, no. 8, pp.1263-1285, Aug. 1992.
[16] G. Lindfield and J. Penny, Numerical Methods Using MATLAB,2nd ed. Prentice-Hall, New Jersey, 1994.
[17] M. Reuter, K. Quirk, J. Zeidler, and L. Milstein, "Non linear effects in LMS adaptive filters," in Proc. of Symposium 20S00 on Adaptive Systems for Signal Process., Comm. and Control Symp., pp. 141-146,Lake Louise, Canada, Oct. 2000.
