Capitolo 2 Codifica del segnale vocale - InfoCom
Capitolo 2 Codifica del segnale vocale - InfoCom
Capitolo 2 Codifica del segnale vocale - InfoCom
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
2.3. CODIFICA BASATA SU MODELLI 11<br />
di variazione <strong>del</strong> <strong>segnale</strong> di errore ˜en. Si osservi che le regole per l’adattamento <strong>del</strong> predittore e <strong>del</strong> quantizzatore<br />
dipendono da quantitá note al decodificatore e non necessitano <strong>del</strong>la trasmissione di ulteriore informazione. Il bit-rate<br />
risultante per questo tipo di codifica édi32Kb/s.<br />
Predizione e Stima Ottima<br />
Il problema <strong>del</strong>la predizione lineare si inquadra nel problema piú generale <strong>del</strong>la stima lineare di un <strong>segnale</strong> yn a<br />
partire da un insieme di osservazioni xn secondo il criterio <strong>del</strong> minimo errore quadratico medio. In tale scenario, la<br />
stima lineare é realizzata mediante filtraggio ottimo, nel senso che i coefficienti fn <strong>del</strong> filtro che realizza la stima<br />
sono ricavati in modo che la distanza quadratica media fra la stima ˆyn = <br />
i fixn−i disponibile all’uscita <strong>del</strong> filtro<br />
e il <strong>segnale</strong> yn che si vuole ricostruire sia minima. Sia S il supporto (finito o infinito numerabile) su cui é diverso<br />
da zero il filtro che realizza la stima. I coefficienti <strong>del</strong> filtro ottimo sono quelli che minimizzano<br />
C def<br />
=E (yn − ˆyn) 2 <br />
=E (yn − <br />
fixn−i) 2<br />
<br />
=E y 2 n + <br />
fifkxn−ixn−k − 2 <br />
<br />
i∈S<br />
ovvero quelli che annullano<br />
⎧<br />
∂C<br />
⎨ <br />
=0=E 2<br />
∂fm ⎩<br />
k∈S,k=m<br />
i∈S k∈S<br />
fkxn−mxn−k +2fmxn−mxn−m − 2ynxn−m<br />
In altre parole il filtro ottimo verifica la relazione<br />
<br />
fkRx[m − k] =Ryx[m]<br />
k∈S<br />
⎫<br />
⎬<br />
⎭<br />
i∈S<br />
fiynxn−i<br />
Per questa scelta <strong>del</strong> filtro, l’errore (yn − ˆyn) é ortogonale in senso statistico, ovvero incorrelato, alle osservazioni:<br />
<br />
E {(yn − ˆyn)xn−m} =E ynxn−m − <br />
<br />
= Ryx[m] − <br />
fkRx[m − k] =0<br />
k∈S<br />
fkxn−kxn−m<br />
Ció sipuóinterpretare geometricamente osservando che la stima lineare (appartenente, cioé, al sottospazio <strong>del</strong>le<br />
osservazioni) ottima nel senso <strong>del</strong>l’errore quadratico medio, é quella per cui l’errore é ortogonale al sottospazio<br />
<strong>del</strong>le osservazioni (Principio di Ortogonalitá).<br />
Tale criterio di stima ottima é di rilevante interesse in diverse applicazioni, quali l’equalizzazione di <strong>segnale</strong>, il<br />
restauro di immagini sfocate, l’interpolazione o estrapolazione di serie aleatorie. Un caso particolare di stima ottima<br />
lineare é quello in cui lo spazio <strong>del</strong>le osservazioni é costituito da P campioni di una serie aleatoria xn−1, ···,xn−P<br />
ed il <strong>segnale</strong> che si desidera stimare é il campione attuale <strong>del</strong>la serie, xn. In tal caso, il problema di stima prende il<br />
nome di predizione lineare; infatti, ponendo S = {1, 2 ...P}, Ryx[m] =Rxx[m] e aggiungendo l’equazione per<br />
il calcolo <strong>del</strong>la potenza <strong>del</strong>l’errore di predizione, le equazioni normali coincidono con le sopra esposte equazioni di<br />
Yule Walker.<br />
2.3 <strong>Codifica</strong> basata su mo<strong>del</strong>li<br />
La codifica basata su mo<strong>del</strong>li scaturisce da due ordini di considerazioni.<br />
k∈S