PRINCÍPIOS DE PROCESSAMENTO DE SINAIS DE VOZ...

Transcrição

1 1. INTRODUÇÃO PRINCÍPIOS DE PROCESSAMENTO DE SINAIS DE VOZ AS PROPRIEDADES BÁSICAS DA VOZ TEORIA DA AMOSTRAGEM QUANTIZAÇÃO Quantização Linea Quantização Logaítmica Quantização não unifome Quantização Vetoial CODIFICADOES DE SINAIS DE VOZ CODIFICADORES DE FORMATO DE ONDA PCM DPCM ADPCM Codificadoe po Sub-Banda CODIFICADORES PARAMÉTRICOS (VOCODERS) Codificado Paamético de Canal Codificado Paamético Homomófico Codificado Paamético de Pedição Linea CODIFICADORES HÍBRIDOS Codificadoe Multi-Pulo Codificadoe RPE Codificadoe RELP Codificadoe CELP IMPLEMENTAÇÃO DE UM CODIFICADOR LPC DESCRIÇÃO DO ALGORITMO LPC FILTRO DE PRÉ-ÊNFASE SEGMENTAÇÃO E JANELAMENTO ANÁLISE LPC GANHO AMDF ENERGIA DETECÇÃO DE PITCH GERADOR DE PULSOS GLOTAIS SÍNTESE LPC FILTRO DE DE-ÊNFASE RESULTADOS IMPLEMENTAÇÃO DE UM CODIFICADOR CELP INTRODUÇÃO DICIONÁRIO DE CÓDIGOS (CODEBOOK) Intodução A Montagem do Dicionáio de Código Teinamento do Dicionáio de Código O Algoitmo LBG Modificado O Novo Algoitmo O Funcionamento de um Dicionáio de Código O MÓDULO DE PROCURA E OTIMIZAÇÃO DO CODIFICADOR CELP CÁLCULO DO ERRO MÉDIO QUADRÁTICO FILTRO DE PESAGEM PERCEPTUAL FILTRO DE PRÉ-ÊNFASE SEGMENTAÇÃO E JANELAMENTO GANHO SÍNTESE CELP FILTRO DE DE-ÊNFASE RESULTADOS ANÁLISE E RESULTADOS DO CODIFICADOR CELP ERRO MÉDIO QUADRÁTICO RELAÇÃO SINAL RUÍDO (SNR) ANÁLISE DOS RESULTADOS BIBLIOGRAFIA

2 1. Intodução O codificadoe de inai de voz ão itema capaze de epeenta inai de voz com uma quantidade eduzida de bit, paa fin de tanmião ou amazenagem. Ente o muito tipo de itema de codificação de inai de voz, o codificadoe de pedição linea com excitação po dicionáio de código (CELP) ão o que poiblitam a melho qualidade de voz paa uma taxa de tanmião ente 4 kbit/ e 16 kbit/., Contudo ee itema apeentam uma complexidade muito gande em função da buca empeendida no dicionáio de código. Po eta azão, a maio pate do efoço de pequia em codificação de inai de voz e concenta no itema CELP e eu deivado. O objetivo dete tabalho e efee à implementação de um codificado CELP, utilizando feamenta modena de teinamento de um dicionáio de código conhecida como técnica de quantização vetoial. Além dio, o codificado CELP é também ubmetido a tete de medida de qualidade e de complexidade computacional. No egundo capítulo, ão intoduzido o pincípio do poceamento digital de inai de voz, como a caacteítica báica do efeido inai, a teoia da amotagem e a técnica de quantização. No teceio capítulo, apeentamo o pincipai codificadoe digitai de inai de voz adotado no pincipai itema de comunicaçõe, claificando-o em codificadoe de fomato de onda, codificadoe paamético e codificadoe híbido, decevendo ua pincipai aplicaçõe. O codificadoe de fomato de onda como o PCM e o DPCM ão itema batante utilizado, com pouca complexidade e que apeentam uma taxa de tanmião na faixa ente 16 e 64 kbit/. O codificadoe paamético como o LPC ão itema de complexidade média e taxa de tanmião na faixa de 2.4 kbit/. O codificadoe híbido como o CELP ão itema que mituam pincípio do codificadoe de fomato de onda com técnica do itema paamético, que apeentam gande complexidade computacional e taxa de tanmião na faixa de 4 a 16 kbit/. O quato capítulo apeenta uma implementação de um itema de codificação de pedição linea (LPC), com a deciçõe do diveo bloco que compõem um itema dea natueza. O funcionamento de um codificado LPC é decito de foma a mota o poceamento do inal em cada bloco envolvido no itema. Nete capítulo, é intoduzido o poblema da pedição linea e demontada ua olução atavé do método da autocoelação. Ainda é analiado o poblema da detecção do pitch, que coeponde a alguma caacteítica do inai de voz, e implementado uma função paa a detecção do pitch. No quinto capítulo, apeentamo uma implementação de um codificado CELP, compoto de diveo bloco, endo que algun dete ão o memo 2

3 utilizado no codificado LPC. Além dio, decevemo o poceo de montagem de um dicionáio de código atavé de doi método de quantização vetoial, o LBG modificado e uma nova técnica. Em eguida, decevemo o funcionamento do codificado CELP implementado no que concene a buca exautiva pela excitação ótima e a váia etapa do poceamento do inal oiginal. No exto e último capítulo, ealizamo um conjunto de tete com vita a avalia o codificado CELP implementado no que e efee à qualidade da voz e à complexidade computacional. Finalmente, contuimo gáfico ilutando o compotamento no tocante à qualidade e à complexidade computacional do codificado implementado paa dicionáio de código e egmento de voz de tamanho difeente. 3

4 2. Pincípio de Poceamento de Sinai de Voz A codificação ou compeão de voz conite na obtenção de maneia compacta de epeentaçõe digitai de inai de voz com o objetivo de tanmião ou amazenamento. O inai de voz ão limitado em banda a uma faixa ente 200 e 3400 Hz, e ão amotado em 8 khz. Um codificado de voz deve epeenta ete inai de voz com o meno númeo poível de bit, poduzindo inai de voz econtituído com qualidade atifatóia. Em geal, há um compomio ente a taxa de tanmião do codificado e a qualidade do inal de voz econtituído. 2.1 A Popiedade Báica da Voz A voz é poduzida a pati do a foçado do pulmõe po meio da coda vocai e do canal de voz humano (vocal tact). O canal de voz humano e etende da abetua da coda vocai, também denominada glote, até a boca, que no homem comum chega a alcança 17 centímeto de compimento. O canal vocal intoduz coelaçõe de cuta duação ( da odem de 1m) no inal de voz, e podem e intepetado como um filto com eonância chamada de fomante. A feqüência dete fomante ão contolada vaiando-e o fomato da via em quetão. Po exemplo, movendo-e a poição da língua e do lábio. Uma pate impotante do codificadoe de voz é a modelagem do canal de voz humano como um filto de cuto peíodo de duação, ou eja, cotuma-e dividi um inal de voz em egmento menoe. Como o fomato dete filto tem vaiação elativamente lenta, a função de tanfeência dete modelo de filto pecia e atualizada em peído não muito cuto da odem de 20m. O filto do canal de voz humano é excitado pelo a foçado dento dete atavé da coda vocai. O on de voz podem e claificado em tê clae dependendo do eu modo de excitação. Sinai típico de voz ou vozeado (voiced ound) ão poduzido quando a coda vocai vibam abeta e fechada, inteompendo ou não o fluxo de a do pulmõe paa o canal de voz humano e poduzindo pulo quae peiódico. A taxa de abetua e fechamento dá a caacteítica (pitch) do om. Eta caacteítica (pitch) pode e ajutada vaiando-e o fomato da coda vocai e a peão do a na coda vocai. Eta clae de om pouem um alto gau de peiodicidade do pitch, tipicamente da odem de 2 a 10m. Ete compotamento de longa duação pode e vito na figua 1, que mota um egmento de voz amotado a 8 khz. Nete exemplo o peíodo de pitch é de ceca de 8m ou 64 amota. 4

5 Figua 1 : Segmento típico de inal de voz (voiced) Sinai de voz não vozeado (unvoiced) ão eultado de excitaçõe emelhante ao uído banco gauiano poduzida pela paagem do a a gande velocidade pelo canal de voz humano, quando a glote etá abeta. Ete on apeentam pouca peiodicidade de longa duação como pode e vito na figua 2, ainda que a coelaçõe de cuta duação etejam peente. Figua 2 : Segmento típico de inai de voz não vozeado Sinai de voz do tipo ploive ão eultado do fechamento do canal de voz humano que com o aumento da peão do a vindo do pulmõe ão epentinamente libeado. Algun tipo de inai de voz podem e claificado como qualque um do tê tipo acima, ma na vedade ão uma mitua. Em geal, o fomato do canal de voz e o eu modo de excitação mudam de foma lenta, e da mema maneia o inai de voz podem e conideado apoximadamente quae etacionáio dede que conideado em cuto peíodo de tempo (20m). É poível obeva na figua 1 e 2 que o inai de voz apeentam um ceto gau de peviibilidade, devido à vibaçõe quae etacionáia da coda vocai e à eonância do canal de voz humano. O codificadoe de voz exploam eta peviibilidade paa eduzi a taxa de dado neceáia a epoduzi o inal de de voz com um bom nível de qualidade. 5

6 Figua 3: Sitema de codificação. 2.2 Teoia da Amotagem Paa e convete um inal analógico em um inal digital devemo limita o inal de inteee em banda, atavé do uo de um filto paa-baixa. Ete poceo chamado de pé-filtagem é paa atifaze o citéio de Nyquit. De acodo com Nyquit, a feqüência de amotagem deve e maio que dua veze a maio feqüência do inal. Na pática taxa de amotagem mai alta ão uada paa filto não ideai. Em eguida, amotamo o inal confome motado na figua 4. Figua 4: O poceo de amotagem de um inal. O padõe de inai de áudio apeentam componente em feqüência de até 20 khz, e que ão amotado a 44.1 khz no cao de CD e 48 khz no cao de DAT. O inai de voz tanmitido po linha telefônica etão na faixa de Hz, endo amotado a uma taxa de 8 khz. 2.3 Quantização O poceo de quantização é a conveão de um inal diceto com valoe contínuo em um inal diceto com valoe diceto, ito é, um poceo de apoximação. O valo de cada amota do inal é elecionado a pati de um conjunto finito de valoe poívei. A difeença ente a entada não quantizada e a aída quantizada é chamada eo de quantização ou uído de quantização, e é deejável que e coniga minimiza a magnitude dete eo. Paa minimiza o eo de quantização váia técnica de quantização podem e uada como po exemplo, quantização unifome, logaítmica, não unifome e vetoial. O objetivo é faze com que o tipo de quantização ecolhida e adapte bem à etatítica do inal de voz de maneia que e coniga um deempenho ótimo, 6

7 com a maio qualidade e meno taxa de bit poívei. Emboa, na pática a eficiência do quantizado aumenta confome a ua complexidade e cuto Quantização Linea Quantizadoe lineae ou unifome ão aquele em que a ditância ente todo o nívei de econtução ão iguai. Como ete tipo de quantizado não altea o eu funcionamento de acodo com o tipo de inal quantizado, gealmente não e obtém a melho pefomance em temo peceptuai. No entanto, ete quantizadoe ão imple e de baixo cuto paa e implementa. Po exemplo, paa e quantiza voz em itema telefônico com qualidade e adota um quantizado linea com 13 bit Quantização Logaítmica Sinai de voz podem te uma faixa dinâmica maio que 60 db, de foma que um gande númeo de nívei de econtução eia neceáio e quiéemo atingi uma boa qualidade uando quantização linea. No entanto, a eolução do quantizado é mai impotante paa pate de baixa amplitude do inal que paa alta amplitude do inal, o que no leva a ce que um quantizado linea neceitaia de muito nívei de econtução, e potanto, de mai lagua de banda. Podemo melhoa o equema de quantização e coneguimo aumenta a ditância ente o nívei de econtução na medida em que a ampitude do inal aumenta. Um método imple de e conegui ito é aplica o inal a um compeo com caacteítica logaítmica ante da quantização. Então, o inal compimido pode e unifomemente quantizado. Na aída do itema o inal é paado po um expano, cuja caacteítica de tanfeência é a invea do compeo. Eta técnica é conhecida po companding. A gande vantagen ão a implicidade de implementação e boa pefomance. Figua 5 : compeoe (a) µ-law e (b) A-law. 7

8 Dua caacteítica de companding muito conhecida ão o µ-law e o A-law. Ete doi tipo ão batante imilae e a ua caacteítica de tanfeência ão motada na figua acima. Paa a maioia do itema telefônico A vale e µ vale 255, como na figua 5. Uando ee equema é poível obte voz de qualidade uando um quantizado logaítmo de 8 bit Quantização não unifome O poblema com a quantização unifome é que na medida em que a amplitude do inal diminui a elação inal-uído também diminui. Ete poblema é pacialmente eolvido pelo quantizado logaítmico, ma cao eja conhecida a função denidade de pobabilidade (pdf) da entada do inal e podeía elaciona a pdf ao nívei de econtução, eultando em uma minimização do eo de quantização. Na pática uma etimativa da pdf pode e uada paa pojeta o quantizadoe. Ito pode e obtido atavé de uma gande quantidade de infomaçõe a e quantizada. Técnica iteativa podem e uada paa e obte o nívei de econtução a pati deta infomaçõe Quantização Vetoial No método anteioe cada amota ea quantizada de foma independente da amota vizinha. A teoia da ditoção de taxa afima que eta não é a foma mai eficiente de e quantiza um inal qualque, ma quantiza a amota em bloco de N amota ou vetoe. Ete poceo é apena uma extenão do método de quantização ecala vito anteiomente. Com a quantização ecala, a entada é tatada como um númeo qualque e aedondada paa valoe diceto peviamente definido. Po outo lado, com a quantização vetoial o bloco de N amota ão tatado como vetoe N- dimenionai e quantizado paa ponto pé-deteminado no epaço N- dimenional. A quantização vetoial empe conegue melho pefomance do que a ecala. No entanto, é mai enível a eo de tanmião e gealmente envolve uma complexidade computacional bem maio do que a ecala. 8

9 3. Codificadoe de Sinai de Voz O codificadoe de inai de voz ão uado paa confei uma maio eficiência na epeentação do inai de voz em itema digitai com lagua de banda limitada, como po exemplo o itema telefônico digital. Em geal, a voz humana é limitada numa faixa de feqüência de 200 a 3400 Hz e é amotada em telefonia a 8 khz. O codificado ideal deve epeenta o inai com um númeo mínimo de bit, enquanto epoduz a voz oiginal com a maio fidelidade poível. Na pática, empe há um compomio ente a taxa de bit do codificado e a qualidade da voz epoduzida. Ete codificadoe podem e dividido em tê clae: codificadoe de fomato de onda, codificadoe paamético ou vocode e codificadoe híbido. O codificadoe de fomato de onda ão uado a alta taxa de tanmião e poduzem qualidade de voz muito boa. O vocode opeam a taxa de bit bem pequena, ma poduzem em geal uma voz intética. O codificadoe híbido uam técnica do outo doi e poduzem voz de boa qualidade a taxa de tanmião intemediáia. O gáfico da figua 5 mota bem o compomio que exite ente qualidade de voz e taxa de bit, além de itua a difeente clae de codificadoe de acodo com ete citéio. Figua 6 : Gáfico do compomio qualidade veu taxa de bit. 3.1 Codificadoe de fomato de onda O codificadoe de fomato de onda pocuam epoduzi o inal de voz econtuído cuja foma de onda eja a mai emelhante poível a do inal oiginal. Ete codificadoe não uam nenhum conhecimento pévio da natueza do inal codificado, nem como o inal foi geado. Ito ignifica que ete dipoitivo deveiam na teoia e independente do inal e funciona bem com quaique tipo de inai. 9

10 Em geal, ete codificadoe tem baixo nível de complexidade e poduzem voz de alta qualidade a taxa de tanmião de apoximadamente 16 kbit/. Quando e tenta diminui a taxa de bit dete abaixo de 16 kbit/, há uma degadação muito gande da qualidade da voz. A codificação de foma de onda pode e ealizada tanto no domínio do tempo quanto no domínio da feqüência. O codificadoe no domínio da fequênciia dividem o inal em um númeo de componente de feqüência e o codifica de foma independente, endo que o númeo de bit uado pode vaia de foma dinâmica PCM A foma mai imple de codificação de fomato de onda é a Pule Code Modulation (PCM), que conite implemente em amota e quantiza a foma de onda. A voz é limitada em banda na faixa de 4 khz e amotada a 8 khz. Se uamo quantização linea com 12 bit po amota, conequimo poduzi voz de boa qualidade a uma taxa de 96 kbit/. Eta taxa de tanmião pode e eduzida e uamo quantização não unifome na amota. Em codificação de voz e ua empe quantização logaítmica. Ete quantizadoe poduzem uma elação inal uído que é apoximadamente contante em uma faixa gande de nívei de entada, e conegue poduzi voz de excelente qualidade a uma taxa de 64 kbit/. Ete quantizadoe logaítmico foam egulamentado na década de 60 e ainda ão muito utilizado. Na Améica do Note o padão é o µ-law, enquanto que na Euopa o padão é o pouco difeente A-law. A vantagen dete quantizadoe ão a ua pequena complexidade e atao, com alta qualidade de voz, enquanto que a devantagen ão a taxa de tanmião alta e ucetibilidade a eo no canai de tanmião DPCM O codificadoe do tipo Diffeential Pule Code Modulation (DPCM) ão codificadoe de fomato de onda que em vez de quantiza o inal dietamente, como o codificadoe PCM, quantizam a difeença ente o inal de voz e uma etimativa feita do inal de voz. Se eta etimativa ou pevião fo eficaz, o eo do inal ente a amota pevita e a amota eai teá uma vaiância meno que a da amota oiginai, ito é, haveá uma maio eficiência no poceo de quantização, eultando em meno bit que o inal oiginal. No decodificado, a difeença quantizada é omada ao inal etimado de foma a eulta no inal de voz econtituído. Ao contáio de PCM, o codificadoe DPCM, como o da figua 7, conideam a natueza do inal a e codificado, potanto, ete dipoitivo não funcionam bem com outo tipo de inal. 10

11 Figua 7: Sitema DPCM ADPCM Figua 8: Sitema ADPCM. 11

12 O codificadoe Adaptive Diffeential Pule Code Modulation (ADPCM), como o motado na figua 8, têm uma maio eficiência do que o DPCM, uma vez que o quantizado e adapta à etatítica em mudança do eíduo etimado. Maioe ganho podem e coneguido e o etimado conegui e adapta ao inal de voz, o que podeia aegua que o eo médio quadático etaia endo continuamente minimizado independentemente do inal de voz. Exitem doi tipo de quantizadoe e peditoe adaptativo, chamado de feedfowad e feedbackwad. Com o feedfowad, o nívei de econtução e o coeficiente de pedição ão calculado no tanmio, uando-e um bloco de voz. Ete coeficiente e nívei de econtução ão quantizado e tanmitido ao ecepto. Paa a adaptação feedbackwad o nívei de econtução e o coeficiente do pedito ão calculado a pati do inal codificado. Como o inal é conhecido pelo tanmio e ecepto, não há neceidade de tanmiti outo tipo de infomação, de maneia que o pedito e o quantizado podem e atualizado a cada amota. Ete tipo de etutua pode poduzi menoe taxa de tanmião, contudo é mai enível a eo que a técnica feedfowad. A técnica ADPCM é batante uada paa voz codificada a taxa de tanmião média. Exite um padão CCITT paa codificação telefônica que opea a uma taxa de 32 kbit/, uando a técnica feedbackwad paa ambo, quantizado e pedito. Nete cao o pedito tem doi pólo e ei zeo de foma que e conegue poduzi boa qualidade paa o inai poceado, incluive aquele que não ão de voz Codificadoe po Sub-Banda A codificação po ub-banda é a técnica mai imple no domínio da feqüência. Em cada codificado de ub-banda, o inal é paado po banco de filto. Em eguida, a ub-banda ão codificada atavé de uma da foma decita anteiomente no domínio do tempo. O númeo de bit atibuído a cada ub-banda pode e vaiado de acodo com a impotância peceptual da banda. No ecepto a taxa de amotagem ão aumentada e a banda ão modulada de volta à ua poiçõe oiginai e omada a fim de poduzi a aída de voz. A gande vantagem da codificação po ub-banda, como na motada na figua 9, é que a quantização do uído poduzida em uma banda é confinada àquela banda. Ito evita que o eo de quantização e mitue com outo componente na feqüência de cada banda. Ito ignifica que paa cada banda podemo ua pao de quantização epaado. Então banda com baixa enegia podem te pao menoe e potanto ão peevada no inal de econtução. O confinamento do uído de quantização também pemite uma ditibuição peceptual de bit. A codificação po ub-banda é uada em tanmiõe de banda laga como po exemplo teleconfeência. 12

13 Figua 9: Um exemplo de codificação po ub-banda. 3.2 Codificadoe Paamético (Vocode) O codificadoe paamético ou vocode opeam uando um modelo baeado no canal de voz humano, extaindo do inal endo codificado o paâmeto dete modelo, que ão tanmitido ao decodificado. O vocode opeam da eguinte maneia: o canal de voz humano é modelado po um filto vaiante no tempo e excitado eja po uma fonte de uído banco, que epeenta inai do tipo não vozeado ou unvoiced, ou po um tem de pulo epaado po um peíodo paa inai do tipo vozeado ou voiced. Deta foma, a infomação a e tanmitida paa o decodificado e contitui do paâmeto do filto, um flag ou avio de voz vozeada ou não vozeada, o ganho deejado e o peíodo de pitch paa a voz. Ete dado ão atualizado a cada m de modo a emedia a natueza não etacionáia do inal de voz. O paâmeto do modelo podem e calculado pelo codificado atavé de difeente maneia, uando técnica no domínio da feqüência ou do tempo. A infomação também pode e codificada paa tanmião de váia maneia difeente. O vocode como o LPC opeam a uma taxa de 2.4 kbit/ e poduzem voz de baixa qualidade. A pincipal aplicação do vocode é em aplicaçõe militae ou em aplicaçõe que não equeem uma boa qualidade de voz, ma que peciam de taxa de tanmião baixa de foma a pemiti enciptação, po exemplo. O vocode e baeiam em um modelo de podução de voz. Ete modelo aume que a voz é poduzida po um itema linea, o canal de voz humano, alimentado po uma éie de pulo peiódico (voiced) ou uído banco (unvoiced). Cao a voz eja vozeada, a excitação conite de uma éie de pulo peiódico, a ditância ou o peíodo ente ete pulo é o peíodo do pitch. Se a voz é do tipo não vozeada, a excitação é uma equencia de uído banco, coepondendo a um om caacteítico do canal de voz humano. O vocode, da mema foma que o outo codificadoe, bucam poduzi inai de voz que e paecem com o inai oiginai. No tanmio, a voz é 13

14 analiada paa detemina o paâmeto do modelo e a excitação. A infomação é então tanmitida ao ecepto onde a voz é intetizada. O eultado dete poceo é que e conegue poduzi voz inteligível a taxa de tanmião baixa. No entanto, a voz intetizada cotuma e pouco natual, fazendo com que o uo de vocode eja etito onde há exigência de baixa taxa de bit. A baixa qualidade da voz poceada po um vocode é atibuída à natueza imple do modelo de podução de voz. O imple fato de conideamo a voz vozeada ou não vozeada, não pemite etágio intemediáio. O ouvido humano é batante enível ao pitch, de modo que paa voz do tipo vozeada, o pitch deve e peciamente deteminado e ete poblema ainda não foi eolvido atifatoiamente. Com o vocode há também o poblema da enibilidade ao eo no modelo, eo de cálculo do paâmeto ou de tanmião Codificado Paamético de Canal É o pimeio do vocode. Ete codificado paamético ua em eu favo o fato de o ouvido humano e inenível à fae de cuta duação. Aim, paa egmento de voz de ceca de 20 m, apena a magnitude do epecto do inal pecia e conideada. O epecto é etimado com o uo de banco de filto. Obviamente, quanto mai filto nee banco, melho é a etimativa, ma também maio é a taxa de tanmião. A aída de cada um dete filto é etificada e filtada po um paa-baixa paa e obte a envoltóia do inal. Em eguida o inal é amotado e tanmitido. A lagua de banda do filto uado no banco de filto tendem a aumenta com a feqüência, uma vez que o ouvido humano eponde de foma logaítmica no domínio da feqüência.o vocode de canal, como o motado na figua 10, pode e implementado com componente digitai ou analógico e poduz uma qualidade de voz uim a uma taxa de 2.4 kbit/. Figua 10: Codificado Paamético de Canal. 14

15 3.2.2 Codificado Paamético Homomófico Poceamento de inai do tipo homomófico é uma clae geal de técnica de poceamento de inai não lineae que podem tata de foma eficaz inai compoto. Ete vocode aume que o inal de voz é uma convolução no tempo da epota ao impulo do canal de voz e da função de excitação. Eta convolução é uma multiplicação no domínio da feqüência. Se o logaitmo do epecto fo conideado a multiplicação e tona uma adição. Como o ouvido humano é inenível a fae do inal, ua-e o logaitmo da magnitude do pecto: Log( S(e jw ) ) = Log ( P(e jw ) ) + Log( V(e jw ) ), onde S(e jw ) é o epecto do inal de voz, P(e jw ) é o epecto da excitação e V(e jw ) é o epecto do canal de voz humano. O coeficiente da análie ceptal paa ete inal podem e obtido atavé da tanfomada invea de Fouie do epecto logaítmico. Em podução de inai de voz, a epota ao impulo do canal de voz humano é vaiada lentamente, enquanto a excitação vaia apidamente. Eta ditinção é peevada no coeficiente ceptai e ito e manifeta como um delocamento no tempo. Agoa, a contibuiçõe do doi componente de voz podem e facilmente epaada e uando um filto paa-baixa. Deta foma é elativamente imple detemina de foma pecia o pitch. No vocode homomófico, o coeficiente ceptai decevendo o canal de voz humano ão tanmitido juntamente com o pitch a uma taxa de apoximadamente 4 kbit/ Codificado Paamético de Pedição Linea O codificado de pedição linea (LPC vocode) ua o modelo de podução de voz decito na figua 11, ito é, o memo do outo vocode. Ete vocode apena difee do outo no método uado paa detemina o modelo do canal de voz humano. Ete codificado aume que o canal de voz humano pode e decito ou modelado po um filto de apena pólo com epota ao impulo infinita (filto all-pole IIR). 15

16 Figua 11 : Modelo de codificado LPC. Em outa palava, cada amota de inal de voz é intepetada como uma combinação linea da amota anteioe. O coeficiente dete filto de apena pólo ão calculado pela análie LPC, de maneia a minimiza o eo médio quadático ente a etimativa e a amota vedadeia. No codificado, um bloco de voz de ceca de 20 m é amazenado e analiado paa detemina o coeficiente do pedito. Ete coeficiente ão quantizado e tanmitido ao ecepto. Então, eta voz é paada po um filto inveo ao filto que modela o canal de voz humano, a fim de obte o eo ou eíduo de pedição. O efeito pático do pedito é emove a coelação ente a amota adjacente, e ito faz com que eja mai fácil obte o peíodo do pitch de voz, uma vez que a coelação ente a amota fica mai peceptível em peído de tempo mai longo. Potanto, uma decião de melho pefomance e qualidade pode e tomada aceca do tipo de voz, vozeada ou não vozeada, uando o eíduo. O codificadoe LPC ão o mai uado ente o diveo vocode exitente, uma vez que que o eu modelo de apena pólo do canal de voz humano funciona de foma batante eficiente. A taxa de tanmião é de ceca de 2.4 kbit/ e a qualidade de voz não é muito boa, com caacteítica um pouco intética no om. 16

17 Na pática, o codificadoe LPC tanmitem o paâmeto calculado na análie LPC, o ganho, o pitch e um flag ou avio de egmento vozeado ou não vozeado. Um algoitmo baeado em LPC muito utilizado é o LPC-10, que ua 10 coeficiente e é caacteizado po: Taxa de amotagem de 8 khz; 180 amota/quado, quado/egundo; 2 coefiente ão quantizado como log aea atio com 5 bit cada; 8 coeficiente de eflexão, endo que o n de bit diminui com o índice até 2 bit 41 bit; 7 bit paa o pitch e decião do tipo de voz; 5 bit paa o ganho; Total : 54 bit po quado, apoximadamente 2400 bp. 3.3 Codificadoe Híbido O codificadoe híbido peenchem o epaço vazio deixado pelo codificadoe de fomato de onda e codificadoe paamético. Como foi dito anteiomente, o codificadoe de fomato de onda ão capaze de poduzi boa qualidade de voz a taxa de tanmião de até 16 kbit/, ma ão muito limitado a taxa infeioe a eta. Po outo lado, o codificadoe paamético poduzem voz de baixa qualidade a taxa de 2.4 kbit/ e abaixo, ma não coneguem poduzi voz de foma muito natual. Apea de exiti outa foma de codificação híbida, a mai uada é a codificação de análie po íntee (Anayi by Synthei - AbS) no domínio do tempo. Ete codificadoe uam o memo modelo de filto de pedição linea do canal de voz humano uado no LPC vocode. No entanto, em vez de aplicaem um modelo de doi etado, vozeado ou não vozeado, paa acha a excitação do filto, o inal de excitação é ecolhido de foma que o inal de voz econtuído eja o mai paecido poível com a foma de onda do inal oiginal. O codificadoe de análie po íntee (AbS) foam intoduzido na foma que é conhecida atualmente po Multi-Pule Excited Code (MPE). Em eguida, foam intoduzido o Regula Pule Excited Code (RPE), o Reidual Excited Linea Pedictive Code (RELP) e o Code Excited Linea Pedictive Code (CELP). Um modelo genéico de um itema AbS é motado na figua

18 Figua 12 : Etutua de um itema de análie po íntee. O codificadoe AbS dividem o inal de voz de entada de foma a codificá-lo em quado, tipicamente da odem de 20 m. O paâmeto de cada quado ão deteminado paa um filto de íntee, e em eguida a excitação dete filto é deteminada. Ito é ealizado achando-e o inal de excitação que paado em um dado filto de íntee minimiza o eo médio quadático ente o inal de voz de entada e o inal econtituído. Po ete motivo é dado o nome análie po íntee a ete codificadoe, uma vez que o codificado analia o inal de entada, intetizando váia apoximaçõe paa ete. Então paa cada quado, o codificado tanmite infomação epeentando o paâmeto do filto de íntee e a excitação ao decodificado, enquanto no decodificado a dada excitação é aplicada a um filto de íntee que poduz o inal econtitúido. O filto de íntee é gealmente um filto de apena pólo, de cuta duação e linea da eguinte foma: onde é o filto de pedição de eo deteminado pela minimização da enegia do inal eidual poduzido quando o egmento de voz oiginal é paado po ete filto. A odem p do filto é tipicamente 10. Ete filto tem po objetivo modela a coelaçõe intoduzida no inal de voz pela ação do canal de voz humano. O filto de íntee pode também inclui um filto de pitch paa modela a peiodicidade de longa duação peente na voz do tipo vozeada. Altenativamente, eta peiodicidade de longa duação podem e exploada 18

19 incluindo um codebook adaptativo, ito é um dicionáio de código com um conjunto de eqüência gauiana, no geado de excitação, de foma que o inal de excitação u(n) inclua uma componente da foma G.u(n-α), onde α é o peíodo de pitch etimado. Gealmente, o codificadoe MPE e RPE funcionam em o filto de pitch, ainda que a ua pefomance poa e melhoada cao ete filto eja uado. Paa o codificadoe CELP, no entanto, o filto de pitch é extemamente impotante. O bloco de peagem do eo é uado paa modela a foma do epecto do inal de eo, de maneia a diminui a contibuição dete inal. Ito é poível poque o inal de eo na egiõe de feqüência onde a voz tem alta enegia eá macaado pela voz. O filto de peagem enfatiza o uído na egiõe de feqüência onde o conteúdo de voz é pequeno. Então, a minimização do eo peado concenta a enegia do inal de eo em feqüência onde o inal de voz tem alta enegia. Deta maneia, o inal de eo eá ao meno pacialmente macaado pelo inal de voz, e ua impotância elativa eá eduzida. Ete tipo de peagem é uado a fim de poduzi uma melhoa ignificativa na qualidade do inal econtuído paa ete tipo de codificado. A caacteítica que ditingüe o codificadoe AbS é a maneia que o inal de excitação u(n) aplicado ao filto de íntee é ecolhido. Conceitualmente, cada foma de onda poível é paada pelo filto paa e veifica que inal de voz eia poduzido po uma dada excitação. Eta excitação que poduz o eo mínimo peado ente o inal oiginal e o inal econtituído é ecolhida pelo codificado e uada paa excita o filto de íntee no decodificado. É jutamente eta deteminação atavé de malha fechada da excitação que pemite o codificadoe AbS poduzi voz de qualidade a taxa de tanmião baixa. No entanto, a complexidade envolvida em aplica toda a excitaçõe pelo filto de íntee é enome. Potanto, algun meio de eduzi eta complexidade, em eduzi a qualidade de voz, devem e achado Codificadoe Multi-Pulo Como indicado anteiomente, a difeença ente o codificadoe MPE, RPE e CELP ugem a pati da epeentação do inal u(n) uado. Em codificadoe multi-pulo, u(n) é dado po um númeo finito de pulo não nulo paa cada quado de voz. A poiçõe dete pulo não nulo dento do quado, aim como ua amplitude, devem e deteminada pelo codificado e tanmitida ao decodificado. Na teoia, eia poível enconta o melhoe valoe paa toda a poiçõe e amplitude de pulo, ma ito não é pático em azão do aumento de complexidade envolvido. Na pática, algum método ub-ótimo de enconta a poiçõe e amplitude do pulo deve e uado. Tipicamente ceca de 4 pulo a cada 5 m ão uado, e ito no leva a uma boa qualidade de voz a 10 kbit/. 19

20 3.3.2 Codificadoe RPE De foma imila ao codificado multi-pulo, o codificado RPE ua um deteminado númeo de pulo não nulo paa poduzi a excitação u(n). Entetanto, no codificadoe RPE o pulo ão egulamente epaçado com um intevalo fixo, e o codificado pecia apena da poição do pimeio pulo e a amplitude de todo o pulo. Deta maneia, há uma neceidade de meno infomação a e tanmitida aceca da poição do pulo, e paa uma dada taxa de tanmião o codificado RPE é capaz de ua muito mai pulo que o codificado MPE. Po exemplo, a uma taxa de 10 kbit/ ceca de 10 pulo a cada 5 m podem e uado no codificadoe RPE, em compaação com 4 pulo paa o codificadoe MPE. Ito pemite que o codificadoe RPE conigam qualidade de voz upeio ao MPE, ainda que o codificadoe RPE ejam mai complexo. O codificadoe RPE ão uado no itema euopeu de telefonia móvel a uma taxa de 13 kbit/ Codificadoe RELP Quando um inal de voz é paado po um pedito linea, a coelação ente a amota é etiada. Então, e a pedição é atifatóia, a aída do pedito deveá e apoxima do uído banco, com uma foma epectal do tipo plana. A eçõe do eíduo epectai ão muito emelhante ente i. No entanto, o eíduo contém toda a infomação da excitação, aim como a infomação que o pedito linea omitiu. No codificado RELP, a idéia é que uma pequena poção dete uído eja tanmitido, e deta foma, idealmente todo o eíduo pode e econtuído no ecepto. No codificado RELP o eíduo é aplicado a um filto paa-baixa com uma feqüência de cote de 1 khz. A aída dete filto é codificada uando uma da foma de codificação de foma de onda. No ecepto, o eíduo é econtuído copiando-e o eíduo de banda bae paa outa feqüência conideada. A apaência fina do epecto da voz, devido ao pitch, não é emovida pelo pedito linea. Eta é uma da gande devantagen do codificado RELP. É impovável que a feqüência de cote do filto paa-baixa coeponda a algum hamônico da feqüência do pitch. Ito ignifica que quando o eíduo é econtuído no ecepto, a infomação peceptual do pitch eá incoeta paa alta feqüência. Ete poblema pode e aliviado, adaptando-e a feqüência de cote do filto paa-baixa paa a feqüência do pitch. O codificadoe RELP gealmente poduzem qualidade de voz de boa qualidade a taxa de 9.6 kbit/ Codificadoe CELP Ainda que o codificadoe MPE e RPE conigam poduzi voz de qualidade a uma taxa de 10 kbit/ e acima, ete não ão adequado a taxa muito abaixo deta. Ito e deve à gande quantidade de infomação tanmitida a epeito 20

21 da poiçõe e amplitude do pulo. Ao eduzi a taxa de bit uando meno pulo, ou quantizando a ua amplitude, a qualidade de voz e degada apidamente. Atualmente, o algoitmo mai uado paa poduzi boa qualidade de voz a taxa infeioe a 10 kbit/ é o CELP. Eta técnica difee da codificaçõe MPE e RPE em que o inal de excitação é quantizado vetoialmente. A excitação é dada po uma entada de um codebook ou dicionáio de código que quantiza o inai vetoialmente, e o ganho que contola a ua potência. Em geal, o índice do codebook é epeentado po 10 bit, poduzindo um codebook de 1024 entada, e o ganho é codificado com 5 bit. Deta maneia, a taxa neceáia paa tanmiti infomação de excitação é batante eduzida, em tono de 15 bit compaado a 47 bit no RPE. Oiginalmente o codebook uado em codificadoe CELP continha eqüência gauiana banca, uma vez que e aumia que o peditoe de cuta e longa duação eiam capaze de emove toda a edundância do inal, de foma a poduzi um eíduo emelhante a um uído aleatóio. Também foi demontado que a função denidade de pobabilidade (pdf) dete eíduo ea quae gauiana. Mai tade, decobiu-e que o uo de um codebook paa poduzi excitação de cuta e longa duação podeia poduzi voz de alta qualidade. No entanto, ecolhe a entada do codebook a e uada em um pocedimento de análie po íntee ignifica que cada excitação tem de e aplicada ao filto de íntee a fim de veifica a emelhança do inal econtuído com o inal oiginal. Ito ignifica que a complexidade do codificado CELP oiginal ea muito gande paa e implementa em tempo eal. Dede 1985, muita pequia foi feita com o objetivo de eduzi eta complexidade, pincipalmente e alteando a etutua do codebook. O pincípio de codificação CELP coneguiu poduzi qualidade de voz atifatóia paa comunicaçõe a taxa ente 4.0 e 16 kbit/, como po exemplo o padão da CCITT que conite de um codificado de 16 kbit/ e o do Depatamento de Defea do E.U.A. que padonizou um codificado de 4.8 kbit/. O codificado do Depatamento de Defea divide a voz em quado de 30 m, endo que cada um é ub-dividido em 4 ub-quado de 7.5 m. Paa cada quado o codificado calcula um conjunto de 10 coeficiente paa o filto de íntee de cuta duação que modela o canal de voz humano. A excitação dete filto é deteminada paa cada ub-quado, e é dada pela oma da entada ecalada de 2 codebook. Um codebook adaptativo é uado paa modela a peiodicidade de longa duação peente na voz do tipo vozeada, e paa cada ub-quado um índice e um ganho ão deteminado paa ete codebook. Um codebook fixo de 512 código peudo-aleatóio também é aceado paa enconta a entada do codebook, e o multiplicado de ganho paa eta entada, que minimiza o eo ente o inai econtituído e oiginal. No decodificado, a entada ecalada do 2 codebook ão paada po um 21

22 filto de íntee paa poduzi a voz. Finalmente, a voz é aplicada a um pó filto a fim de melhoa a ua qualidade peceptual. O codificadoe CELP e eu deivado ão uado a taxa abaixo de 16 kbit/, e em azão da deteminação do coeficiente do filto po método adaptativo, ete intoduzem gande atao. O atao de um codificado de voz é definido como o peíodo de tempo que uma amota de voz ai do codificado e chega ao decodificado, aumindo que o bit team ou coente de bit do codificado é alimentado dietamente ao decodificado. Paa um codificado híbido típico, o atao é da odem de 50 a 100m, e um eo de tal magnitude pode caua poblema no que diz epeito ao eo e uído no canal de comunicação. O codificado CELP de pequeno atao padonizado pelo CCITT tem qualidade de voz e epecificaçõe de eo e uído no canal compaávei ao codificado PCM de 32kbit/, ma com uma taxa de tanmião de 16kbit/. Eta epecificaçõe foam atendida em um codificado CELP adaptativo do tipo backwad deenvolvido pelo AT&T Bell Lab, e padonizado em 1992 como G.728. Ete codificado ua adaptação do tipo backwad paa calcula o coeficiente do filto, achado a pati da voz econtituída. Ito ignifica que o codificado pode ua um quado meno que o uual. e o padão G728 ua um quado de 5 amota poduzindo um atao de meno de 2 m. Um pedito de cuta duação de odem 50 é uado, e ito elimina a neceidade de peditoe de longa duação. Então o 10 bit uado e que etão diponívei paa cada veto de 5 amota a 16kbit/ ão uado paa epeenta a excitação fixa do codebook. Dete 10 bit, 7 bit ão uado paa tanmiti índice fixo do codebook, enquanto o outo 3 bit ão uado paa epeenta o ganho da excitação. A adaptação do tipo backwad é uada paa auxilia a quantização do ganho de excitação, e no decodificado um pó filto é uado paa melhoa a qualidade peceptual da voz econtuída. O eultado é um codificado com um atao infeio a 2 m, taxa de 16kbit/, boa qualidade de voz e gande obutez a eo de canal. A etutua do codificado CELP, como o motado na figua 10, pode e melhoada e uada a taxa infeioe a 4.8 kbit/, claificando-e o egmento de voz como po exemplo vozeado ou não vozeado. Deta maneia, o difeente egmento de voz ão codificado epaadamente com um codificado epecial paa cada tipo. Po exemplo, paa egmento de voz não vozeado o codificado não uaá pedição de longa duação, enquanto paa voz do tipo vozeada eta pedição eá uada, ma o codebook fixo e tona meno impotante. Ete codificadoe coneguem boa qualidade de voz a 2.4 kbit/. 22

23 Figua 13 : Codificado CELP 23

24 4. Implementação de um Codificado LPC 4.1 Decição do algoitmo LPC O algoitmo implementado pelo aluno de codificação do gupo de poceamento de inai de voz é contituído de módulo báico, contendo otina neceáia à implementação de um itema de codificação e íntee LPC. O itema de codificação e íntee deenvolvido conite de 11 bloco báico, como motado na figua 14. Cada otina é eponável po uma pate do poceamento da voz oiginal, endo que uma outa otina encaega-e de ealiza a chamada de cada bloco de maneia a ealiza o poceamento da voz de maneia adequada. Figua 14. Sitema de codificação e íntee LPC. Inicialmente, o inal de voz amotado é paado po um filto de pé-ênfae. Em eguida, o inal é dividido em egmento cujo tamanho é ecolhido pelo uuáio, e aplicamo uma janela de hamming a cada egmento. Então, o inal poceado é entegue ao bloco que ealiza a análie LPC e calcula o ganho. Paa obte o pitch, o inal é pimeiamente egmentado em a aplicação da janela de hamming e aplicado a um filto paa-baixa com feqüência de cote em 800 Hz. Em eguida, o inal devidamente poceado é entegue ao bloco de detecção do pitch e caacteização do tipo de voz (vozeado/não vozeado), que com a infomaçõe poveniente do bloco que calculam a enegia e o AMDF do inal, detemina o pitch e o tipo de voz do egmento. O paâmeto do modelo de excitação uado na íntee LPC ão: o coeficiente geado na análie LPC, o ganho e o peíodo de pitch. Ete paâmeto ão uado no bloco de íntee LPC, que utiliza, como foma de excitação do filto de íntee, pulo obtido no geado de pulo glotai paa voz do tipo vozeada e uído banco paa voz não vozeada. Finalmente, a voz poceada no itema é econtituída. 24

25 4.2 Filto de Pé-Ênfae A aplicação de um filto de pé-ênfae ao inal de voz oiginal é neceáia, uma vez que o filto concenta a enegia elativa ao epecto de alta feqüência do inal, etiando a pate DC do inal, intoduzindo um zeo peto de ω=0. Além dio, há outa azõe paa e empega o filto de pé-ênfae. A pimeia azão é a pevenção conta intabilidade numéica, endo que o tabalho neta áea focaam-e no método da autocoelação. Aumindo que o inal de voz é dominado po componente em feqüência baixa, é batante peviível que um modelo LPC de odem elevada podeá eulta em uma matiz de autocoelação contaminada. Chamamo de um inal contaminado a um inal que contém componente indeejado ou que é dominado po uído. Um filto de pimeia odem deve e capaz de apoxima o epecto do inal ao epecto de um uído banco. Outa azão é que o componente de fae mínima do inal glotal pode e modelado po um filto imple de 2 pólo póximo a z=1. Então a caacteítica do lábio com o eu zeo peto de z=1, tende a cancela o efeito epectai de um do pólo glotai. Intoduzindo, um egundo zeo póximo a z=1, a contibuiçõe epectai da lainge e do lábio eiam eliminada, fazendo com que a análie LPC coepondee apena ao canal de voz humano. No entanto, apea do filto de pé-ênfae, o epecto de pedição linea não fica totalmente live do efeito da lainge e do lábio. Em geal, a pé-ênfae popicia ao pimeio fomante uma maio chance de influencia a voz. Deta maneia, paa o pojeto do filto de pé-ênfae, uamo um filto de odem um(1) com o paâmeto µ vaiando de 0.9 a 1.0 (0.9 µ < 1.0), com a eguinte caacteítica : Hpe ( z) = 1 µ z 1 10 Filto de Pé-ênfae H(jw) (db) w(d/) Figua. 15 Filto de Pé-ênfae com µ= Segmentação e Janelamento Paa aplicaçõe de poceamento de inai é neceáio eleciona uma poção do inal que poa e conideada etacionáia paa analiá-la. O inai de voz podem e conideado como etacionáio quando analiado 25

26 em pequeno egmento da odem de 20 m. Com ito, eduzem-e o efeito do inal de excitação na etimativa do coeficiente do filto de íntee, e obtêm-e uma melho etimativa do epecto da voz. O quado ou egmento de análie, I, coeponde ao númeo de amota que eá uado paa detemina o coeficiente da análie LPC. A azão I/L epeenta a taxa de upepoição ente doi egmento de análie adjacente. Em noo itema uaemo uma taxa de 50% (I=L/2), como motado na figua 16. Figua 16. Supepoição de doi egmento de voz. Outo conjunto de paâmeto muito impotante paa a análie LPC ão aquele elacionado a aplicação da janela. Ete paâmeto incluem o tipo e o tamanho do quado de análie e da janela. São caacteítica epectai deejávei da janela: uma lagua de banda eteita no lóbulo pincipal e gande atenuação no lóbulo lateai. Em geal, uma lagua de banda eteita deve eolve o pequeno detalhe do inal janelado, enquanto a gande atenuação no lóbulo lateai deve evita que o epecto do inal eja coompido pelo uído de aliaing. No entanto exite um compomio na ecolha do tipo de janela. A janela etangula peeva a caacteítica tempoai do inal, ma acaeta um tuncamento de maneia abupta do inal na extemidade. A janela de Hamming, Hanning, Blackman e Kaie apeentam caacteítica de tuncamento mai uave na extemidade, com uma maio ditoção do inal no domínio do tempo. Uando o método da autocoelação, a janela de noa ecolha, Hamming, é continuamente aplicada ao inal de voz. Em geal, uamo janela de Hamming ou de Hanning que pouem um caimento uave a fim de eduzi o efeito de tuncamento na extemidade do egmento. A janela com caimento mai uave cotumam poduzi melhoe eultado do que janela tiangulae ou etangulae. A equação caacteítica da janela de Hamming de odem N é: 2πn co =, w( n) N 1 0, n = 0,1,..., N 1 cao contáio 26

27 1 Tipo de janela Magnitude Amota Figua 17. Tipo de janela: Hamming (azul), Hanning (vede) e tiangula (vemelho). 4.4 Análie LPC Na análie LPC, o modelo do pedito linea aume que o inal de voz é um poceo autoegeivo decito pela eguinte equação: p ( n) = a ( n i) + gu( n), i= 1 i onde (n) é um inal de voz poduzido inteticamente pelo modelo, u(n) é o inal de excitação, a i ão o coeficiente de pedição, p a odem do pedito e g é o paâmeto de ganho que é uado paa caa a enegia da voz intética com a da voz oiginal. O modelo de íntee pode e epeentado da eguinte maneia: p g i S( z) = X ( z), onde g epeenta o ganho e. 1 A( z) A z a z ( ) = i e( n) = ( n p) a ( n p p i= 1 i + i) i= 1 Figua 18. Realização de um filto de análie de pedição linea. 27

28 Na análie LPC de inai de voz, o paâmeto do modelo de excitação e do canal de voz humano ão apoximado pelo inal de entada. A tanfomada z da função de tanfeência do filto que modela o canal de voz humano e da excitação ão multiplicada no domínio z. Do ponto de vita do domínio da feqüência, o canal de voz humano caega a infomação epectal ob a foma de uma envoltóia. Em um modelo LPC, o canal de voz humano é epeentado po um filto de apena pólo H(z). Como o inai de voz ão um poceo não etacionáio, H(z) deve e um um filto cujo coeficiente ão vaiante no tempo a cada quado. Como o canal de voz humano vaia de foma lenta, o inai de voz podem e conideado como um poceo etocático cuja popiedade vaiam lentamente. Ito no leva a aumi o inal como etacionáio em cuto peíodo de tempo na análie LPC. Potanto, o inal de voz pode e conideado etacionáio dento de uma janela de N amota, e podemo modela a voz atavé de um filto H(z), com o coeficiente de A(z) endo obtido atavé da análie de pedição linea e atualizado a cada egmento do inal. Em um pedito linea de odem p, a amota atual da equência de voz é etimada atavé de uma combinação linea de p amota paada. O paâmeto da pedição linea ão obtido minimizando-e o eo médio quadático da pedição: ε 2 2 = 0, i = 1,2,..., p ε = E ( e( n)) = E ( ( n) ˆ( n)) a i A olução paa eta minimização poduz uma éie de equaçõe de matize Toeplitz, ito é paa m=1,2,...p: p ( m) a ( m i) = 0, i= 1 i, onde [ ] [ ] onde voz. ( m) = E[ ( n + m) ( n) ] é a equência de autocoelação do egmento de 28

29 A mema equação ob a foma maticial é dada po : = = = ) ( (3) (2) (1) ) ( (3) (2) (1). (0) 3) ( 2) ( 1) ( 3) ( (0) (1) (2) 2) ( (1) (0) (1) 1) ( (2) (1) (0) M M a a a a M M M M M M Μ Μ Λ Μ Μ Μ Μ Λ Λ Λ x 1 x x x R a a R ou equivalentemente: = ) ( (3) (2) (1). (0) 3) ( 2) ( 1) ( 3) ( (0) (1) (2) 2) ( (1) (0) (1) 1) ( (2) (1) (0) ) ( (3) (2) (1) 1 M M M M M M M M a a a a Μ Λ Μ Μ Μ Μ Λ Λ Λ Μ A eqüência de autocoelação pode e etimada atavé da N amota do inal de voz uando-e um etimado do tipo polaizado ou não polaizado. O etimadoe do tipo polaizado ão empe deejávei, uma vez que gealmente poduzem polinômio de fae mínima e po ete motivo foam utilizado em noa implementação do itema LPC. Etimado do tipo polaizado: : = + = 1 0 ) ( ) ( 1 ) ( ˆ m N i n m n m N m Etimado do tipo não polaizado: = + = 1 0 ) ( ) ( 1 ) ( ~ m N i n m n N m 4.5 Ganho No modelo LPC o ganho é uado paa poduzi inal de voz intético que tenha a mema enegia do inal de voz oiginal. O cálculo do ganho é ealizado elacionando a enegia na aída do filto de análie LPC de cada egmento com a enegia do egmento de inal oiginal. O ganho é uma função do 29

30 coeficiente da função autocoelação do egmento de voz analiado e do coeficiente do filto de análie. p g ( n) = x (0) a( k) x ( k) k = AMDF 1 2 A função AMDF ( Aveage Magnitude Diffeence Function ) mota a difeença média de um inal delocado obe o pópio inal e é definida paa um egmento de inal de voz etacionáio: AMDF( τ ) = 1 N um max j= 1 ( j) ( j + τ ) Então é fomado um inal com a difeença ente o inal e o memo inal adiantado e oma-e a difeença ente o valoe da amota. O valo da função AMDF é empe zeo paa τ=0, e exibe ponto de mínimo, que coepondem ao peíodo de pitch de um inal de voz do tipo vozeado da vogal e, como motado na figua AMDF Amota Figua 19. Função AMDF da vogal e. 4.7 Enegia A enegia de um inal de voz aumido como etacionáio paa cada um do n egmento dete inal com N amota pode e expea pela eguinte equação: E( n) = N k = 1 2 ( k) 4.8 Detecção de Pitch O inal difeença AMDF é fomado pelo pópio inal ataado, e omando-e a magnitude da difeença ente o valoe da amota. O inal difeença é 30

31 empe zeo paa τ=0, e exibe ponto de mínimo no atao coepondente ao peíodo de pitch do inai de voz do tipo vozeado AMDF Amota Figua 20. AMDF paa egmento de voz do tipo vozeada. O peíodo de pitch coeto é deteminado fazendo-e uma pocua pelo pimeio ponto de mínimo aboluto. O ponto a que chamamo de mínimo aboluto é aquele de meno valo em todo o egmento de voz poceado. O ponto de mínimo locai deivado do egundo hamônico da feqüência fundamental de pitch ão ejeitado quando a azão do valo máximo pelo valo mínimo é meno que o valo mínimo global. O demai ponto de mínimo aboluto ão ejeitado dando pefeência a valoe de mínimo de feqüência mai alta( ou valoe menoe de τ) quando o valoe de mínimo etão póximo ente i ( e peto do mínimo global). Se a azão do valo máximo pelo valo mínimo etive abaixo de um limia, então o quado ou egmento é claificado como não vozeado. Na vedade, quando o AMDF paa τ é zeo, a azão do valo máximo pelo mínimo eá empe infinito. Paa eolve ete poblema, o AMDF é calculado paa o valoe poívei de τ (2.5m - 10m). Paa detecta o quado ilencioo, uamo o cálculo da enegia. Se a enegia do egmento é meno que um dado limia, então o quado é chamado não vozeado em a neceidade de ealiza a ecolha do pico de mínimo. Duante a implementação, uamo tamanho de egmento de 80 e 160 amota, coepondendo a 10 e 20 m, epectivamente. Na pimeia pate do algoitmo, o AMDF do egmento é achado, decatando-e o fato 1/ummax, uma vez que a azão ente o valoe máximo e mínimo é um valo elativo. Ecolhemo o valo de ummax 40 e o valo máximo de τ=80, o que coeponde a 10 m ou o valo máximo do peíodo do pitch epeado. Além do cálculo do AMDF, o valoe máximo e mínimo do AMDF e a enegia de cada egmento ão também calculado no início do algoitmo e eão uado mai adiante. A egunda pate do algoitmo coeponde a buca da etimativa do pitch e da decião do tipo de inal de voz do egmento de voz de inteee. Nete pocedimento, o pimeio nulo coepondendo ao peíodo de pitch é obtido e então a decião a epeito da voz é tomada. 31