MODELAGEM PARAMÉTRICA LPC E PRONY INTEGRADA AO FILTRO DE KALMAN PARA REDUÇÃO DE RUÍDO EM SINAIS DE FALA: ANÁLISE COMPARATIVA E AVALIAÇÃO ESTATÍSTICA

Resumo

Este trabalho apresenta um estudo experimental comparativo entre duas estratégias de modelagem paramétrica incorporadas ao filtro de Kalman para redução de ruído em sinais de voz: modelos autorregressivos (LPC-AR) e modelos polo-zero estimados pelo método de Prony (ARMA). O protocolo experimental considerou controle da relação sinal-ruído segmentada de entrada (≈3 dB), múltiplas realizações estocásticas e dois cenários de ruído (branco e colorido AR(1)). O desempenho foi avaliado por meio de métricas complementares: relação sinal-ruído segmentada de saída (segSNR_out), divergência de Itakura–Saito (IS), intelligibilidade objetiva de curto prazo (STOI) e tempo de processamento. Os resultados, reportados como média ± desvio padrão e analisados por teste de Friedman com pós-hoc, indicam que a abordagem Kalman+LPC apresentou desempenho global superior e maior consistência estatística, especialmente sob ruído branco, com menor custo computacional. A formulação Kalman+Prony mostrou estabilidade numérica adequada, com polos majoritariamente dentro do círculo unitário, mas não apresentou ganho sistemático em relação ao modelo all-pole. A análise de Pareto evidenciou um compromisso entre distorção espectral e energia residual, sem vantagem clara do modelo ARMA nas condições avaliadas. Conclui-se que, para os cenários testados, o modelo LPC integrado ao filtro de Kalman constitui a alternativa mais robusta em termos de desempenho médio, estabilidade e eficiência computacional.