INFLUENCIA DEL ORDEN DEL MODELO DE PRONY EN LA MATRIZ DE COVARIANZA DEL FILTRO DE KALMAN PARA LA REDUCCIÓN DE RUIDO EN SEÑALES DE VOZ: EVALUACIÓN MEDIANTE LA RELACIÓN SEÑAL-RUIDO SEGMENTADA Y LA DIVERGENCIA DE ITAKURA–SAITO

Resumen

Este trabajo investiga la influencia del orden del modelo de predicción basado en Prony en la construcción/parametrización de las matrices involucradas en el filtro de Kalman aplicado a la reducción de ruido en señales de voz. A diferencia de los enfoques tradicionales que adoptan LPC (modelo all-pole), se emplea un modelo IIR basado en Prony (numerador + denominador) estimado directamente a partir de la señal ruidosa en ventanas de corto tiempo, lo que permite capturar estructuras espectrales con polos y ceros y, en consecuencia, modificar la estadística de la innovación utilizada en la covarianza de proceso. Para aislar el efecto del orden del modelo, se mantiene fija la misma señal ruidosa con una relación señal-ruido segmentada de entrada (segSNR in ≈ 3 dB), variando únicamente el orden del predictor M ∈ {6, 8,…,20}. El desempeño se cuantifica mediante la segSNR de salida y la divergencia de Itakura–Saito (IS) entre densidades espectrales de potencia estimadas mediante el método de Welch. Los resultados con palabras aisladas muestran una tendencia consistente: órdenes bajos (típicamente M=6 or M=8) presentaron un mejor compromiso entre la ganancia de segSNR y una menor distorsión espectral (IS), mientras que órdenes mayores degradaron progresivamente la fidelidad espectral.