|
|
Все эти схемы моделируют нашу собственную глотку. Где синтезирующий фильтр это есть как-бы полость рта, которая формирует спектральную огибающую речевого сигнала, и голосовые связки, которые дают сигнал, возбуждающий этот фильтр. Short-term как раз выделяет из сигнала, как Вы сказали, резонансные форманты. То есть формирует систему, похожую на наш "естественный фильтр". Однако оставшийся сигнал не подходит для возбуждения этого фильтра непосредственно, так как имеет слишком много составляющих, на достаточную передачу которых потребовалось бы слишком много бит потока. Для того, чтобы сжать этот оставшийся сигнал, и вступает в дело long-term предиктор. Он, исходя из анализа большего количества данных, чем один фрейм, формирует информацию о возбуждении синтезирующего фильтра, вычисляя такие варианты импульсов и ослабленных сдвинутых копий предыдущего сигнала возбуждения, чтобы минимизировать ошибку выходного сигнала. Таким образом получается всего-лишь несколько амплитуд и позиций импульсов, и период основного тона. Подав эти импульсы на фильтр в декодере, плюс к ним ослабленный и задержанный (причем возможно несколько копий) сигнал предыдущего возбуждения, получается неплохое приближение амплитудного спектра к тому, что был на входе кодера. При этом на передачу необходимо всего-лишь квантованные позиции и амплитуды импульсов, вместо целой кучи выборок сигнала...
P.S. Какой именно вариант long-term предиктора и квантователя импульсов возбуждения применен в том GSM, о котором Вы ведете речь, но я думаю о VSELP, CELP или ACELP. А в принципе это общий подход к вокодерам, построенным по принципу "анализ через синтез".
E-mail: 
info@telesys.ru
