Метод кодирования голосового источника турбулентного типа на основе гибридной модели линейного предсказания

В рамках актуального направления исследований в области речевой акустики – неинвазивного анализа процессов речеобразования – рассмотрена острая проблема недостаточной точности параметрических методов кодирования голосового источника турбулентного (шумового) типа. Для решения указанной проблемы разработан метод кодирования, основанный на гибридной модели линейного предсказания, в которой совмещаются преимущества параметрического и непараметрического подходов к моделированию речевых сигналов. Параметрический подход реализован в форме вектора коэффициентов линейного предсказания, а непараметрический подход – в форме клиппированной последовательности отсчётов ошибки линейного предсказания. С использованием авторского программного обеспечения поставлен и проведён натурный эксперимент над множеством звуков шёпотной речи контрольного диктора. Показано, что по сравнению с известным методом кодирования турбулентного источника на основе модели линейного предсказания с шумовым возбуждением разработанный метод характеризуется выигрышем 2,5 дБ и более в метрике относительного среднего квадратического значения ошибки линейного предсказания при гарантированной узнаваемости голоса диктора по декодированному (восстановленному) речевому сигналу. Полученные результаты будут полезны при разработке малозатратных систем и технологий цифровой обработки, синтеза и передачи речи с многократным сжатием данных. К числу перспективных направлений применения разработанного метода относятся системы цифровой голосовой биометрии, в которых узнаваемость голоса диктора является ключевым требованием к методу кодирования речевого сигнала.

1. Rabiner L. R., Shafer R. W. The ory and applications of digital speech processing, Pearson, London (2011).

2. Kadiri S. R., Alku P., Yegnanarayana B. Extraction and utilization of excitation information of speech: A Review. Proceedings of the IEEE, 109(12), 1920–1941 (2021). https://doi.org/10.1109/JPROC.2021.3126493 ; https://elibrary.ru/zszohh

3. Narendra N. P., Alku P. Glottal source information for pathological voice detection. IEEE Access, 8, 67745–67755 (2020). https://doi.org/10.1109/ACCESS.2020.2986171 ; https://elibrary.ru/msllfs

4. Ternström S. Special issue on current trends and future directions in voice acoustics measurement. Applied Sciences, 13(6), 3514 (2023). https://doi.org/10.3390/app13063514 ; https://elibrary.ru/arbxou

5. Савченко В. В., Савченко Л. В. Метод измерения параметров голосового источника речи для систем кодирования речевого сигнала с линейным предсказанием. Измерительная техника, 74(6), 74–84 (2025). https://doi.org/10.32446/0368-1025it.2025-6-74-84 ; https://elibrary.ru/swdckd

6. Chen J. H., Thyssen J. Analysis-by-synthesis speech coding. In: Benesty J., Sondhi M. M., Huang Y. A. (eds) Springer Handbook of Speech Processing. Springer, Berlin, Heidelberg, 351–392 (2008). https://doi.org/10.1007/978-3-540-49127-9_17

7. Cabral J. P., Richmond K., Yamagishi J., Renals S. Glottal spectral separation for speech synthesis. IEEE Journal of Selected Topics in Signal Processing, 8(2), 195–208 (2014). https://doi.org/10.1109/JSTSP.2014.2307274

8. Savchenko V. V. Method for reduction of speech signal autoregression model for speech transmission systems on low-speed communication channels. Radioelectronics and Communications Systems, 64(11), 592–603 (2021). https://doi.org/10.3103/S0735272721110030 ; https://elibrary.ru/ruvjvs

9. Савченко В. В., Савченко Л. В. Метод кодирования голосового источника речи со сжатием данных на основе модели линейного предсказания. Измерительная техника, 74(3), 67–78 (2025). https://doi.org/10.32446/0368-1025it.2025-3-67-78 ; https://elibrary.ru/deyysw

10. Li Y., Tao J., Erickson D., Liu B., Akagi M. F0-noise-robust glottal source and vocal tract analysis based on ARX-LF model. IEEE/ACM Transactions on Audio, Speech, and Language Processing, 29, 3375–3383 (2021). https://doi.org/10.1109/TASLP.2021.3120585 ; https://elibrary.ru/qjzvfy

11. Perrotin O., McLoughlin I. A spectral glottal flow model for source-filter separation of speech. 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Brighton, UK, 7160–7164 (2019). https://doi.org/10.1109/ICASSP.2019.8682625

12. Tokuda I. The source-filter theory of speech. Oxford Research Encyclopedia of Linguistics, Oxford (2021). https://doi.org/10.1093/acrefore/9780199384655.013.894

13. Gibson J. D. Mutual information, the linear prediction model, and CELP voice codecs. Information, 10(5), 179 (2019). https://doi.org/10.3390/info10050179

14. Zalazar I. A., Alzamendi G. A., Schlotthauer G. Symmetric and asymmetric Gaussian weighted linear prediction for voice inverse filtering. Speech Communication, 159, 103057 (2024). https://doi.org/10.1016/j.specom.2024.103057 ; https://elibrary.ru/hhmcjs

15. Савченко В. В., Савченко Л. В. Метод асинхронного анализа голосового источника речи на основе двухуровневой авторегрессионной модели речевого сигнала. Измерительная техника, 73(2), 55–62 (2024). https://doi.org/10.32446/0368-1025it.2024-2-55-62 ; https://elibrary.ru/ivulbm

16. Савченко В. В., Савченко Л. В. Метод акустического анализа голосового источника речи в режиме реального времени. Измерительная техника, 74(4), 64–73 (2025). https://doi.org/10.32446/0368-1025it.2025-4-64-73 ; https://elibrary.ru/grqhlg

17. Галунов В. И., Тампель И. Б. Механизм работы голосового источника. Акустический журнал, 27(3), 321–334 (1981).

18. Ramirez M. A. Modeling the unvoiced component in the canonical representation of speech. 16th International Conference on Digital Signal Processing, Santorini, Greece (2009). https://doi.org/10.1109/ICDSP.2009.5201232

19. Ahmadi F., McLoughlin I. V., Sharifzadeh H. R. Analysis-by-synthesis method for whisper-speech reconstruction. In: APCCAS 2008 – IEEE Asia Pacific Conference on Circuits and Systems. IEEE, 1280–1283 (2008). https://doi.org/10.1109/APCCAS.2008.4746261

20. Al-Heeti M. M., Hammad J. A., Mustafa A. S. Voice encoding for wireless communication based on LPC, RPE, and CELP. International Congress on Human-Computer Interaction, Optimization and Robotic Applications (HORA), Ankara, Turkey (2022). https://doi.org/10.1109/HORA55278.2022.9800026

21. Gudnason J., Thomas M. R. P., Ellis D. P. W., Naylor P. A. Data-driven voice source waveform analysis and synthesis. Speech Communication, 54(2), 199–211 (2012). https://doi.org/10.1016/j.specom.2011.08.003

22. Drugman T., Alku P., Alwan A., Yegnanarayana B. Glottal source processing: From analysis to applications. Computer Speech & Language, 28(5), 1117–1138 (2014). https://doi.org/10.1016/j.csl.2014.03.003

23. Tan L., Jiang J. Waveform quantization and compression. In Digital Signal Processing (3rd Edition). L. Tan, J. Jiang (Eds), Academic Press, 475–527 (2019). https://doi.org/10.1016/B978-0-12-815071-9.00010-5

24. Chaouch H., Merazka M. Multiple description coding technique to improve the robustness of ACELP based coders AMR-WB. Speech Communication, 108, 33–40 (2019). https://doi.org/10.1016/j.specom.2019.02.002

25. Al-Radhi M. S., Abdo O., Csapó T. G., Abdou Sh., Németh G., Fashal M. A continuous vocoder for statistical parametric speech synthesis and its evaluation using an audio-visual phonetically annotated Arabic corpus. Computer Speech & Language, 60, 101025 (2020). https://doi.org/10.1016/j.csl.2019.101025 ; https://elibrary.ru/auphsu

26. Савченко В. В., Савченко Л. В. Метод преобразования речевого сигнала для улучшения разборчивости речи. Радиотехника и электроника, 70(8), 753–760 (2025). https://doi.org/10.7868/S3034590125080062 ; https://elibrary.ru/ldijzq

27. Marple S. L. Digital spectral analysis with applications. 2nd ed. Dover Publications, Mineola, New York (2019).

28. Dzerjinsky R. I., Panov A. V., Sazonov A. I. Analysis and forecasting of microprocessor performance dynamics. In: Silhavy R., Silhavy P. (eds) Software engineering methods design and application. Proceedings of 13th Computer Science Online Conference 2024, Volume 1. Springer, Cham, 703–726 (2024). https://doi.org/10.1007/978-3-031-70285-3_55

29. Cao T., Xiang C., Wu Y., Zhang Y. Acoustic characteristics of whispered vowels: A dynamic feature exploration. Applied Acoustics, 228, 110362 (2025). https://doi.org/10.1016/j.apacoust.2024.110362 ; https://elibrary.ru/dsqoqi

30. Jesus L. M. T., Castilho S., Ferreira A., Costa M. C. Discriminative segmental cues to vowel height and consonantal place and voicing in whispered speech. Journal of Phonetics, 97, 101223 (2023). https://doi.org/10.1016/j.wocn.2023.101223 ; https://elibrary.ru/aytppp

31. Sayood K. Introduction to data compression. 5th ed., Morgan Kaufmann, Waltham (2017).

32. Савченко В. В., Савченко А. В. Метод измерения искажений речевого сигнала, переданного по каналу связи в биометрическую систему идентификации. Измерительная техника, (11), 65–72 (2020). https://doi.org/10.32446/0368-1025it.2020-11-65-72 ; https://elibrary.ru/izwdoc

33. Лезин Ю. С. Введение в теорию и технику радиотехнических систем. Радио и связь, Москва (1986).

34. Molla M. K. I., Hirose K., Hasan M. K. Voiced/non-voiced speech classification using adaptive thresholding with bivariate EMD. Pattern Analysis and Applications, 19, 139–144 (2016). https://doi.org/10.1007/s10044-015-0449-3