Метод редукции авторегрессионной модели речевого сигнала для систем передачи речи по низкоскоростным каналам связи

Рассмотрена задача редукции, или сокращения порядка p >> 1 авторегрессионной модели (АР-модель) речевого сигнала по критерию минимума потерь полезной информации. Задача сформулирована как оптимизационная в терминах дискретного спектрального моделирования. Указано, что наиболее острой проблемой при ее решении является необходимость масштабирования параметров АР-модели под моделируемый сигнал на каждом шаге итеративных вычислений. Для преодоления указанной проблемы предложено использовать в качестве целевого функционала оптимизационной задачи меру информационного рассогласования сигналов в частотной области со свойством масштабной инвариантности. На ее основе разработан новый метод редукции АР-модели, в котором операция масштабирования вынесена за рамки итеративной процедуры оптимизации. Эффективность предложенного метода обоснована теоретически и исследована экспериментально. Показано, что основным эффектом его применения по сравнению с методом Берга, является выигрыш по точности редуцированной АР-модели в информационной метрике Кульбака–Лейблера. Полученные результаты адресованы исследователям и разработчикам систем и технологий цифровой передачи речи по низкоскоростным каналам связи.