多模式多级码本联合优化方法技术

本发明专利技术公开了一种多模式多级码本联合优化方法，属于低速率语音编码矢量量化技术领域，解决了现有的多模式多级码本训练中，误码对系统失真的影响较大的技术问题。该多模式多级码本联合优化方法包括：输出待量化矢量；对所述待量化矢量进行训练，获得各模式各级初始化码本；对所述各模式各级初始化码本进行码本索引的重排，获得新的码本；对所述待量化矢量，利用新的码本，寻找使得系统失真最小的最优胞腔和量化索引；利用输入残差矢量和对应的量化索引，更新各级各模式最优码字，并迭代至预设次数；获取最后一次迭代得出的码本。

【技术实现步骤摘要】

本专利技术涉及低速率语音编码矢量量化
，具体地说，涉及一种多模式多级 码本联合优化方法。
技术介绍
随着音频技术的发展，低速率语音编码在无线通信、卫星通信等领域有着广泛的 应用。 在低速率语音编码中，由于受到存储量及运算量的限制，往往采用受约束的矢量 量化方式，其中包括树型矢量量化、分类矢量量化、多级矢量量化、变换域矢量量化等，以降 低码本的存储量和运算量。其中，以多级矢量量化最为常用。另一方面，分模式矢量量化 虽然会增加一定的存储量，但是它可以在不额外增加比特的情况下，有效的降低量化误差。 在低速率语音编码的众多应用领域中，往往时刻伴随着误码的存在。对于多模式多级矢量 量化，一旦发生误码，不仅各级码本索引会出错，而且模式的选择也会出错，这样在解码端 合成的参数往往与编码端的输入参数出现较大的偏差，严重影响合成语音的可懂度和舒适 度。 传统的分模式多级矢量量化，以信源最优为准则进行码本训练和码本的联合优 化，由于不考虑信道误码情况，信源最优的多模式多级矢量量化的系统失真即为量化失真。 这样训练出来的最优码字均匀分布在整个量化空间中，而一旦发生误码，整个系统失真也 本文档来自技高网...

【技术保护点】
一种多模式多级码本联合优化方法，其特征在于，包括：步骤1，输出待量化矢量；步骤2，对所述待量化矢量进行训练，获得各模式各级初始化码本，其中，级数为M；步骤3，对所述各模式各级初始化码本进行码本索引的重排，获得新的码本；步骤4，对所述待量化矢量，利用新的码本，寻找使得系统失真最小的最优胞腔和量化索引；步骤5，对于第m级码本，利用本级的输入残差矢量和对应的量化索引，更新本级各模式最优码字，其中，m的初始值为1；步骤6，比较m与M的值；如果m<M，则将m的值加1，并返回步骤4；如果m＝M，则进行步骤7；步骤7，判断迭代次数t是否达到预设值T，其中，t的初始值为1；如果t&lt;T，则将t的值加...

【技术特征摘要】

【专利技术属性】
技术研发人员：徐敬德，崔慧娟，唐昆，
申请(专利权)人：清华大学，信瑞递北京科技有限公司，
类型：发明
国别省市：北京;11