持续语音短期预测的最大预测增益分析
声音
2026-01-15 v1
摘要
信号预测被广泛应用于经济预测、回声消除和数据压缩等领域，特别是语音和音乐的预测编码。预测编码算法通过信号预测来降低数据传输或存储所需的比特率。预测增益是应用信号编码中衡量预测器质量的经典指标，因为它将均方预测误差与预测编码器的量化信噪比联系起来。为了评估预测器模型，了解独立于预测器模型的最大可达预测增益是理想的。在本文中，我们应用Nadaraya-Watson核回归（NWKR）和信息论上界，在一个新录制的持续语音/音素数据集上分析预测增益的上界。研究发现，对于清音，线性预测器始终能在最多0.3 dB的误差范围内达到最大预测增益。对于浊音，最优单抽头预测器被发现是线性的，但从两个抽头开始，最大可达预测增益比线性预测器的预测增益高出约2 dB至6 dB。此外，观察到了说话人/受试者之间的显著差异。所创建的数据集及代码可应研究请求获取。
引用
@article{arxiv.2601.09461,
title = {Analysis of the Maximum Prediction Gain of Short-Term Prediction on Sustained Speech},
author = {Reemt Hinrichs and Muhamad Fadli Damara and Stephan Preihs and Jörn Ostermann},
journal= {arXiv preprint arXiv:2601.09461},
year = {2026}
}
备注
Rejected at Eurasip for practical irrelevancy. Submitted here for reference. Originally accepted at DCC 2020 (Poster) but withdrawn due to page count limit