선형 예측 부호화 (영어: Linear Predictive Coding, LPC)는 음성 신호 처리 및 압축에 사용되는 핵심 기술 중 하나이다. 이 방법은 과거의 샘플을 기반으로 현재 음성 샘플을 예측하는 선형 모델을 사용하여 음성 신호의 특징을 분석하고 효율적으로 부호화한다. 주로 음성의 효율적인 압축 및 합성, 음성 인식 등 다양한 분야에 응용된다.
작동 원리
선형 예측 부호화의 핵심은 사람의 발성 기관을 모사하는 '소스-필터' 모델에 기반을 둔다. 여기서 소스는 성대의 진동(유성음)이나 기관 내 공기의 마찰(무성음)에 의해 발생하는 여기 신호를 의미하며, 필터는 구강, 비강 등 발성 기관의 형태에 의해 형성되는 공명 특성을 나타낸다.
LPC는 이러한 발성 기관의 필터 특성을 선형 예측 필터의 계수(prediction coefficients)로 근사화한다. 즉, 현재의 음성 샘플은 이전 몇 개의 음성 샘플의 선형 조합으로 예측될 수 있다고 가정하며, 예측 오차(residual error)를 최소화하는 방식으로 필터 계수를 결정한다. 이 계수들은 음성 신호의 스펙트럼 포락선(spectral envelope) 정보를 효율적으로 표현한다.
부호화 과정
LPC는 크게 분석 단계와 합성 단계로 나눌 수 있다.
-
분석 단계 (Encoding):
- 음성 신호를 짧은 프레임(보통 10~30ms)으로 나눈다.
- 각 프레임에 대해 선형 예측 계수(LPC coefficients), 피치(pitch) 정보(유성음의 경우), 게인(gain) 값(에너지 정보) 등을 추출한다.
- 이러한 파라미터들은 원본 음성 신호보다 훨씬 적은 데이터 양으로 음성 신호의 중요한 특징을 나타내므로, 효율적인 압축이 가능하다.
-
합성 단계 (Decoding):
- 수신된 파라미터들을 이용하여 음성을 재구성한다.
- 피치 정보를 바탕으로 유성음 또는 무성음 여기 신호(excitation signal)를 생성하고, 이 신호를 선형 예측 필터에 통과시켜 음성을 합성한다. 이 필터는 분석 단계에서 추출된 LPC 계수를 사용한다.
주요 응용 분야
- 음성 코덱 (Speech Codecs): 초기 디지털 음성 통신 시스템(예: GSM, AMR) 및 VoIP(Voice over IP)에서 낮은 비트 전송률로 음성을 압축하는 데 널리 사용되었다. CELP(Code-Excited Linear Prediction)와 같은 고급 코덱도 LPC의 기본 원리를 활용하여 예측 필터를 구성한다.
- 음성 인식 (Speech Recognition): 음성 특징 파라미터 추출에 사용되어 음성 인식 시스템의 전처리 단계에서 중요한 역할을 한다. 예를 들어, LPC에서 파생된 MFCC(Mel-Frequency Cepstral Coefficients)는 음성 인식 분야에서 널리 사용되는 특징 벡터이다.
- 음성 합성 (Speech Synthesis): 텍스트-음성 변환(TTS) 시스템에서 자연스러운 음성을 생성하는 데 활용된다. LPC 파라미터를 조작하여 다양한 목소리나 억양을 만들 수 있다.
- 음성 변조 및 복원 (Speech Modification and Restoration): 음성의 피치나 속도를 변경하거나 손상된 음성 신호를 복원하는 데 적용될 수 있다.
장점 및 한계
장점: 선형 예측 부호화는 음성 신호의 효율적인 압축 및 분석에 매우 효과적이며, 상대적으로 낮은 계산 복잡도로 구현이 가능하다는 장점을 가진다. 이는 특히 낮은 전력 소비와 실시간 처리 능력이 중요한 임베디드 시스템이나 통신 환경에서 유리하다.
한계: 음성 신호에 최적화된 모델이므로 음악이나 복잡한 비음성 신호에는 적합하지 않다. 또한, 음성 품질이 경우에 따라 다소 인공적으로 들릴 수 있다는 한계가 있다. 이러한 단점을 보완하기 위해 CELP와 같은 다양한 변형 및 발전된 코덱들이 개발되었다.