4.

MODELAREA AUTOREGRESIV A
SEMNALELOR STAIONARE
semnalul vocal este produs de ctre un sistem a crui
funcie de transfer (aproximativ) este:

H z
A z

- ctigul modelului
p

A z a i z i

a 0 1

i 0

==> sistem autoregresiv (AR).

P (perioada)

Sonor/Nesonor
(decizia)

Generator periodic
(de impulsuri unitare)

e[n]

Generator aleator
(zgomot alb)

H z p

x[n]

i
a
i
z

i0

Schema bloc a modelului autoregresiv (de ordinul p) de producere a vorbirii


X z H z E z E z
A z
p

==>

x n a i x n i e n
i 1
p

==> xn a i xn i en
i 1

==> relaie de recuren liniar pentru generarea eantionului

x[n] din p eantioane anterioare
a(i) = coeficieni de predicie
pentru sunetele sonore: en n kP
k

pentru sunetele nesonore:

e[n] = zgomot alb de medie nul i varian unitar

4.1. Relaii de baz pentru modelul AR

Rspunsul la impulsul unitate

en n ==> x n h n
p

x n a i x n i e n
i 1
p

==> hn a i hn i n
i 1

==> hn a i h n i n
i 1

h n 0 pentru n 0 - sistemul AR este cauzal

 Funcia de autocorelaie a rspunsului la impuls

hh k

h n h n k h n h n k
n

n 0

h n a i h n i n
i 1

==> hh k a i hn i n hn k
n 0 i 1

p
2 k

a
i

==> . hh hh
i 1

==> funcia de autocorelaie se exprim printr-o relaie de recuren

liniar ce utilizeaz p eantioane anterioare ale sale

 Excitarea modelului AR de ctre un semnal aleator

x n e n h n

e n m h m
m

xx k E x n x n k



E hmen m hl en k l
m
l

hm hl E en men k l
hm hl E ene n k m l
hm hl ee k l m
m

hm hm r ee k r
m

 xx k

ee k r hm hm r ee k r hh r

==> xx k ee k hh k ee hh k

==> xx e j hh e j ee e j H e j ee e j

- zgomot alb ==> zz k z2 k

zz

2
z constant

pentru

xx k zz k hh k z2 k hh k z2hh k
xx e j zz e j hh e j z2 hh e j z2 H e j

- zgomot alb cu medie nul i varian unitar ==> z2 1

xx k hh k

xx e j hh e j

xx k a i xx k i 2 k
i 1

 Limitrile modelrii autoregresive

1) pentru sunetele nazale:
q

C z
X z E z
cu C z c i z i , c 0 1
A z
i 0
p

==> xn a i x n i c i en i
i 1

i 0

==> model autoregresiv cu medie ajustat

(ARMA = Auto-Regressive Moving Average).
2) includerea modelrii formei reale a excitaiei n transmitana
modelului AR
3) semnalul vocal - presupus staionar pe intervale de 20-25 ms
==> modelul AR este considerat fix doar pe acest interval.

4.2. Estimarea modelului AR

Predicia liniar
- semnal x[n] produs de ctre un sistem AR;
- excitaia sistemului AR este inaccesibil;
- ?! estimarea parametrilor modelului AR pe baza semnalului x[n].
p

x n a i x n i
i 1

Eroarea de predicie: n x n x n x n a i x n i
i 1
p

n a i x n i cu a 0 1
i 0
p

Se tie c:

a i x n i e n ; a 0 1
i 0

Dac a i a i ==> n e n

Filtrul invers: A z a i zi , a 0 1
i 0

z n z n A z X z
n

e[n]

A z

x[n]
Semnalul

Sistemul de
producere
(de tip AR(p))

observat

A z

n en ai ai

Filtrul
invers

Sistemul AR i filtrul invers

==> n cazul n care semnalul a fost produs de ctre un

sistem AR de ordinul p, dac , eroarea de predicie
reproduce excitaia cu excepia unui factor de multiplicare

 Estimarea coeficienilor de predicie

- Criteriul de optimizare este minimizarea varianei
erorii de predicie 2 0 2 n

k n n k
2

2 0 n n a i x n i 0
i 0

2 a i x n i a j x n j a i a j x n i x n j
i 0

j 0

i, j 0

2 a i a j xx i j
i, j 0

2
a i

0 pentru i 1, p

a j xx i j 0 cu i 1, p
j 0

a j xx i j xx i ; a 0 1, i 1, p
j 1

==> ecuaiile Yule-Walker (Yule - 1927, Walker -1931)

xx 0

xx 1
xxp xx 2

xx p

xx 1
xx 0
xx 1

xx p 1

xx 2
xx 1
xx 0

xx p 2

x xx 1, xx 2, ......... xx p
t

p xx x
xx
x xxp 1

a a 1 , a 2 ,......, a p

xx p

xx p 1
xx p 2

xx 0

==> xxp 1a x
t

 Estimarea ctigului modelului AR

p
a i xx k i 0 pentru k 1, p , a 0 1
i 0
p
a i i 2 expresia variantei minime

xx
,min

i 0
p
2 k cu k 0
a
i

xx
i 0

p
a i xx k i 0
i 0
p
a i i 2
xx
i 0

pentru k 1, p , a 0 1
pentru k 0, a 0 1

xx k xx k pentru k 0, p ==> ,min