Desenvolvimento de software para correção de picote em arquivos de áudio: processamento digital de sinais em Python para reconstrução de sinal picotado com ênfase em auxílio a ferramentas de análise de voz

Abstract

A perda de dados nas comunicações por Voz sobre Protocolo de Internet (Voice over Internet Protocol – VoIP) é um problema recorrente nos meios de telefonia modernos que causa deformidades no áudio recebido por um aparelho. A VoIP é uma forma de transmissão de voz dividida em pacotes, portanto o não recebimento de uma parcela de sinal pode acarretar pequenos intervalos de silêncio, chamados de picotes. Nesse contexto surgem técnicas de ocultação de perda de pacotes (packet loss concealment – PLC) que buscam reconstruir segmentos de áudio com base em partes adjacentes recebidas corretamente. Neste trabalho aborda-se a implementação de diferentes técnicas de reconstrução de áudio para correção de arquivos com características de perda de pacotes, como os provenientes de comunicação VoIP, com foco em auxiliar ferramentas de análise de voz a obterem melhores resultados. As ferramentas de análise visadas são módulos de reconhecimento de identidade por biometria de voz e de transcrição de áudio. Explora-se métodos de reconstrução de sinal em obras e documentações já concebidas, como o algoritmo de PLC apresentado no Anexo A do codec G.711. Implementa-se em Python funções de replicação de periodo de tom (pitch waveform replication – PWR), soma sobreposta (overlap adding – OLA) e codificação por predição linear (Linear Predictive Coding – LPC) em sentidos frontal (forward), inverso (backward) e bilateral. Obtém-se resultados promissores com a aplicação de todos os algoritmos nos testes com biometria de voz, especialmente a estratégia baseada em PWR. Para os testes com ferramenta de transcrição de áudio, de outro modo, obtém-se resultados negativos com as técnicas baseadas em LPC, sendo o algoritmo baseado em PWR o único com resultados que favorecem a ferramenta. Os códigos implementados podem ser úteis no tratamento de sinal em sistemas que façam gravação de chamadas por VoIP e analisem seu conteúdo para fins diversos, havendo domínio das ferramentas utilizadas e noção de como os algoritmos se demonstram eficazes.Data loss in Voice over Internet Protocol (VoIP) is a recurring problem in modern telecommunication, which causes distortions in the audio received by equipment. VoIP is a transmission form based in divided packets, thus not receiving a segment of signal may result in small silence intervals, called chops. In this context arise packet loss concealment (PLC) techniques, which seek to reconstruct audio segments based on correctly received adjacent parts. This work discusses the implementation of different audio reconstruction techniques to correct files with packet loss characteristics, such as those originating from VoIP, with a focus on helping voice analysis tools to obtain better results. The targeted analysis tools are identity recognition by voice biometrics and audio transcription modules. Signal reconstruction methods are explored in previous works and documentation, such as the PLC algorithm presented in Annex A of codec G.711. Code is implemented in Python with functions of pitch waveform replication (PWR), overlap adding (OLA) and linear prediction coding (LPC) in forward, backward and bilateral directions. All algorithms have positive results in voice biometrics tests, especially the PWR-based strategy. For tests with the audio transcription tool, on the other hand, negative results are obtained with techniques based on LPC, with the PWR-based algorithm being the only one with results favoring the tool. The implemented codes may be useful in signal processing in systems that record VoIP calls and analyze their content for different purposes, being aware of the tools used and how the algorithms prove to be effective.