实时音频编解码之六 LTP长时预测

Posted 2022-05-18 shichaog

本文谢绝任何形式转载，谢谢。

1.4.6 LTP

LPC方法的压缩率比较高，但是音质不高，只用LPC方法的编解码语音具有“机器音”的特征，这是由于LPC系数阶数通常取10~20点，这一长度包含了共振峰信息但并不足以囊括所有的基频周期，且LPC对语音和非语音两者的混合处理的并不好，更高的LPC阶数可以减小解码端预测误差提高语言质量，但是编码端需要更多的算力和编码比特位，LTP目的是获取语音信号采样点之间的基音周期关系，LTP预测的输入为$e_x[n]$输出为$e[n]$，长短时预测级联结构如图所示，对于语音[FB,SWB,WB] LPC=16，其它LPC=10，进行LTP量化：

图 长短时预测级联结构

长时预测系统传递函数是：
$$H(z)=1+b{z}^{-T}$$
传递函数的参数b是长时增益（基频增益），可以用下式计算，T是基频周期。b和T的获取称为长时LP分析，使用LSE准则获取参数b和T，
$$b=-\frac{\sum nx[n]x[n-T]}{\sum n{x}^2[n-T]},T=\max \frac{\sum nx[n]x[n-T]}{\sum n{x}^2[n-T]}$$
长时预测的误差比短时预测误差更小，但长时预测对基频周期性消除有限，问题症结在于长时系数应该比短时系数更新的更为频繁，一种方法是LPC系数基于帧，而LTP系数基于子帧，这使得两级滤波的”白化“作用更为明显。

理想的长短时滤波是将信号完全”白化“（误差信号的自相关等于0），这样可以通过输入控制解码滤波（编码滤波逆过程）参数和输入激励信号白噪声就可以恢复原始语音信号。

图长短时线性预测语音合成模型

由于实际中LPC的阶数在10~20阶，误差信号并不是真正意义上的白噪声，因而激励信号也常常是伪白噪声，伪随机噪声噪声通过滤波的方式合成语音，这就要求滤波器是稳定，LPC滤波通过约束反射系数的方法确保短时预测滤波的稳定性。
结合LPC和LTP可以对发音的声道参数建模的语音编解码，可以获得更自然的语音编码质量。