1. 추정, 예측, 선형 예측 이란
※ [비교 : 추정, 예측, 선형 예측]
- 추정 (Estimation) : 기지의 관측 데이터(샘플)로부터 미지의 어떤 값을 추정하는 것
- 예측 (Prediction) : 시간적으로 이전 샘플들로부터 다음 샘플을 예측하는 것
- 선형 예측 (Linear Prediction) : 선형 모델에 의해 과거 샘플들로부터 현재 샘플 값을 예측
ㅇ 선형 예측 (Linear Prediction)
- 이전의 샘플값들로부터 선형 모델(선형회귀분석)에 의해 계산하여, 현재 샘플값을 예측
. 例) 이전 샘플값들의 선형결합(메모리 탭,예측 계수로 구성된 탭 지연선)에 의해 예측
ㅇ 선형 예측 부호화 (LPC, Linear Predicative Coding)
- 선형 예측(인간 발성 모델에 근거함)에 의한 음성 부호화 방식
- `음성 발생 모델의 특징 추출` 및 `음성 신호의 압축` 모두를 대상으로 함
2. LPC에서의, `음성 발생 모델(Vocal Tract Model)`
ㅇ 음성 신호의 특징들에 대한 요소화 (파라미터화)
- 이득
- 유성음/무성음으로 음원의 구분
- 시간에 따라 변화하는 성도를 시변 필터로써 보고, 필터 계수 및 피치 등으로 파라미터화
ㅇ 음성의 발성 기관을 하나의 시변시스템(필터)으로 가정 함
- 성도(Vocal Tract) 기관의 작용을 시변 필터화하고,
- 그 필터를 구동하는 입력 신호(여기 신호)로는
. 유성음의 경우에는, 임펄스 수열로
. 무성음의 경우에는, 백색잡음으로 모델링 함
- 성도를 모델링한 시변 필터의 계수들은 음성을 특징짓는 수치 벡터로 봄
. 10 ~ 14개 정도로 구성되는 예측 계수로부터 성도 필터 모델링
. 예측 계수 구하는 방법에는 자기상관함수 방식이나 공분산 방식이 있음
3. LPC의 구현원리
ㅇ LPC 기본 가정
- 현재의 음성 샘플이 이전의 음성 샘플들의 근사적인 선형 결합으로 표현 가능
. 현재 음성 표본값을 과거의 표본값들로부터 예측하고,
. 그 잔차(차분) 성분 만을 부호화
.. 이때문에, 데이터가 작아지므로 압축도 가능
ㅇ LPC 해석
- 성도의 주파수 특성을 변화시켜가면서 각각 다른 음성을 발생시키는 과정을 분석하여,
- 유성음 및 무성음에 따라 입력 신호의 크기 또는 주기 등의 변화에 대한 각종 계수를
구하는 과정을 LPC 해석이라고 함
ㅇ LPC 및 PCM 비교
- LPC는 매 20 ms 시간 구간 마다, 음성을 160회 샘플링하여,
. 매 샘플 마다, 분석 및 합성 (Analysis by Synthesis,AbS) 하여, 부호화하는 것에 비해,
- PCM은 매 20 ms 시간 구간 마다, 음성을 160회 샘플링하여,
. 매 샘플 마다, 단순히 부호화 (A/D 변환)하는 것임
4. LPC의 특징
ㅇ 음성 주파수 스펙트럼 상에서의 특징을,
- 상대적으로 적은 수의 파라미터(특징) 만으로 비교적 정확하게 표현 가능
ㅇ 선형 예측 분석에 따른 계산량이 크지 않음
5. LPC의 사용 例
ㅇ 이동통신에서는 LPC 변형이나 혼합 방식을 사용함 (例, QCELP 등)