کدگذاری گفتار با استفاده از پیش بینی غیر خطی بر پایه بسط سری های ولترا

در سال های اخیر به منظور کاهش بیشتر نرخ بیت و از آنجا پهنای باند توجه روز افزونی به استفاده از مدل ها و تکنیک های غیر خطی پیش بینی در کدگذاری گفتار شده است. معمولا شبکه های عصبی برای این هدف به کار می روند که منجر به تا 3dB کاهش بیشتر در انرژی سیگنال تحریک می شوند. پیش بینی غیر خطی همچنین می تواند بر پایه بسط سری های ولترا انجام گیرد که در آن برای سادگی معمولا بسط به بخش های نخست و دوم محدود می شود (پیش بینی درجه دو). مطالعات اولیه نشان دادند که در مقایسه با شبکه های عصبی استفاده از فیلترهای ولترا منجر به یک کاهش بسیار بیشتر در انرژی سیگنال تحریک می شود (6 تا 10dB). با این وجود به دلیل ناپایداری این کاهش نمی تواند منجر به کاهش نرخ بیت یا بهبود نسبت سیگنال به نویز شود. این ناپایداری در دکد کننده به دلیل وجود خطای محاسباتی (برای نمونه ناشی از چندی کردن سیگنال تحریک) و حساسیت بالای محاسبات به این خطا ایجاد می شود.
در کار اصیلی که در اینجا ارایه می شود ناپایداری در کدک در هر دو نوع پیش بینی پیشرو و پسرو به ترتیب با استفاده از الگوریتم های کمترین مربع ها (LS) و کمترین میانگین مربع های (LMS) سیگنال خطا بررسی می شود. نشان داده می شود که پایداری در عوض فدا کردن بخش عمده ای از صرفه جویی به دست آمده در انرژی سیگنال تحریک به دست می آید به گونه ای که سطح کاهش نهایی اغلب همانند شبکه های عصبی می باشد. در پیش بینی پیشرو پس از پایدارسازی و با وجود اندکی افزایش در پیچیدگی عملیاتی در 20 تا 45%قالب ها افزودن بخش درجه دو سودمند خواهد بود. بر این اساس الگوریتمی توسعه می یابد که پیش بینی غیر خطی تنها بر روی این قالب ها انجام گیرد. این الگوریتم باعث بهبود تا 4dB در نسبت سیگنال به نویز نهایی می شود. پیش بینی غیر خطی پسرو متوالی با وجودی که از نقطه نظر پیاده سازی بسیار مناسب تر است در مقایسه با پیش بینی خطی کارایی بهتری را نتیجه نمی دهد.