一种矢量量化方法及矢量量化器技术

本发明专利技术公开了一种矢量量化方法，由基础码本矢量与其子矢量的调整矢量组合成的联合码本矢量对待量化矢量进行量化。本发明专利技术还提供相应的矢量量化器。由于采用调整矢量对基础码本矢量进行调整，有效扩大了基础码本矢量的动态范围，减小了失真度，使得进行单级量化能够达到或超过多级量化的效果，有效降低码本存储量和量化计算量；并且对基础码本矢量的调整以调整矢量的形式进行，使得能够充分利用待量化矢量减去基础码本矢量后某些维度间依然存在的相关性来设计调整矢量，达到以较少的调整矢量数目实现较大的动态调整范围的目的，同时由于利用了维度间的相关性，使得调整矢量数目较少，有利于减小量化的计算量。

【技术实现步骤摘要】

本专利技术涉及编码技术，具体涉及一种矢量量化方法及矢量量化器。
技术介绍
随着多媒体应用的飞速发展，数字压缩技术得到了广泛的重视和研究。无 论语音、图像或视频的传输都倚重于低码率高质量的压缩编码方式。目前广为采用的压缩编码方法包括行程长度编码、预测及内插编码、矢量量化(VQ: Vector Quantization)编码等。其中矢量量化编码方法是一种有损编码方式，以 其高压缩比和简单的解码方式在语音和图像压缩技术中被广泛使用。矢量量化编码的核心过程是对输入矢量进行量化的过程。在进行量化前， 先通过大量样本的训练或学习，或自组织特征映射神经网络的方法，得到一系 列的标准矢量模型，每一个标准矢量模型称为一个码本，若干码本合在一起称 为码书，码书实质上相当于数据库，各码本以其索引确定在码书中的位置。初 始的语音或图像等数据按照一定的方式形成输入矢量，矢量量化的过程简单说 来就是寻找与输入矢量距离最近的码本的索引的过程。在保证重现质量的前提 下，缩小码本容量，降低运算复杂度，是矢量量化方法研究与发展的主要目标 之一。下面以语音编码中一种对导抗语频率(ISF: Immittance Spectral Frequency) 进行矢量量化的方法——宽带自适应语音编解码(AMR-WB+ )方法为例，说 明现有矢量量化的具体处理过程。语音信号经过线性预测(LP: Linear Prediction)器，得到相应若干阶LP 系数，将LP系数转换到频域得到由若干个ISF参数组成的ISF矢量。AMR-WB+ 采用联合矢量量化(SVQ: combination of Split Vector Quantization)和多级矢 量量化(MSVQ: Multi-Stage Vector Quantization)的方式量化ISF矢量，具体 描述如下1、采用一阶滑动平均(MA: MovingAverage)预测法，求出当前第n帧 的ISF预测残差矢量r;设ISF矢量是16维矢量，那么r也是一个16维矢量。2、 对残差矢量r进行量化处理，如表1所示，表1是现有ISF矢量量化 过程的比特分配及码书使用表。先对r进行第一级分裂，得到两个一级子矢量， 分别是9维的rl的和7维的r2;分别用8比特量化rl和r2,则相应所使用 的码本的个数分别为256个9维码本和256个7维码本。3、 然后对rl和r2分别进行第二级分裂。9维的rl被分裂为三个二级子 矢量，分别是3维的rll，用6比特量化，对应的码本为64个3维码本；3 维的r12,用7比特量化，对应的码本为128个3维码本；3维的r13，用7 比特量化，对应的码本为128个3维码码本。7维的r2被分裂为两个二级子 矢量，分别是3维的r21,用5比特量化，对应的码本为32个3维码本；4 维的r22,用5比特量化，对应的码本为32个4维码本。在上述用码本对矢量(包括一级子矢量、二级子矢量等)进行量化时，通 过衡量矢量与相应的码本集合中各个码本之间的偏差来确定所选取的量化码 本。 一般可通过计算码本相对于矢量的失真度来表示这个偏差，AMR-WB+中 所采用的失真度一般可表示为，待量化矢量与相应码本同维度分量的差值的平 方和。通常可选择与待量化矢量相比失真度最小的码本作为量化码本。量化比 特记录所选择量化码本的索引，解码端可根据该索引找到相应的量化码本，从 而以相反的过程逐级恢复出最初输入矢量的比较好的近似值。表l<table>complex table see original document page 7</column></row><table>采用上述量化方法对语音信号的16维ISF矢量进行量化，能够获得4交高 的编码质量，但相应的码本存储量较大，由于计算时需要遍历所有码本，因此 量化复杂度也较高，计算量比较大。
技术实现思路
本专利技术解决的技术问题是提供一种能够降低量化复杂度的矢量量化方法 及矢量量化器。一种矢量量化方法包括获取待量化矢量；获取基础码本矢量，所述基础 码本矢量由若干基础子矢量组成；所述若干个基础子矢量中，至少有一个二维 或二维以上的基础子矢量对应于一个调整矢量集合，所述调整矢量集合包含N 个与该基础子矢量同维度的调整矢量；至少一个所述调整矢量集合满足，N小 于该调整矢量集合中全部调整矢量各维度的不同取值的全部可能组合数；获取 与基础子矢量对应的调整矢量；将基础码本矢量和一个或一个以上与不同基础 子矢量对应的调整矢量的组合视为联合码本矢量，根据联合码本矢量与所述待 量化矢量的偏差，从可能的联合码本矢量中选择用于量化的联合码本矢量；获 得与被选择的联合码本矢量对应的J^5出码本矢量的索引以及调整矢量的索引。一种矢量量化器，包括矢量输入单元，用于获取待量化矢量；基础码本 单元，用于提供基础码本矢量，所述基础码本矢量由若干基础子矢量组成；所 述若干个基础子矢量中，至少有一个二维或二维以上的基础子矢量对应于一个 调整矢量集合，所述调整矢量集合包含N个与该基础子矢量同维度的调整矢 量；至少一个所述调整矢量集合满足，N小于该调整矢量集合中全部调整矢量 各维度的不同取值的全部可能组合数；调整矢量单元，用于提供与基础子矢量 对应的调整矢量；量化单元，用于从所述基础码本单元和调整矢量单元获取基 础码本矢量和调整矢量，将基础码本矢量和一个或一个以上与不同基础子矢量 对应的调整矢量的组合视为联合码本矢量，根据联合码本矢量与所述待量化矢 量的偏差，从可能的联合码本矢量中选择用于量化的联合码本矢量；量化输出 单元，用于获得与所述量化单元选择的联合码本矢量对应的基础码本矢量的索 引以及调整矢量的索引。上述矢量量化方法中采用由基础码本矢量与其子矢量的调整矢量组合成 的联合码本矢量对待量化矢量进行量化的方法；由于采用调整矢量对基础码本 矢量进行调整，能够充分利用维度间的相关性，以较少的调整矢量数目实现较 大的动态调整范围，有利于减小量化的计算量，降低运算复杂度。 附图说明图l是本专利技术实施例一矢量量化方法流程示意图； 图2是本专利技术实施例二矢量量化方法流程示意图； 图3是本专利技术实施例三矢量量化方法流程示意图； 图4是本专利技术实施例四矢量量化方法流程示意图； 图5是本专利技术实施例五矢量量化器逻辑结构示意图； 图6是本专利技术实施例五中量化单元的 一种逻辑结构示意图； 图7是本专利技术实施例五中量化单元的另 一种逻辑结构示意图； 图8是本专利技术实施例六矢量量化器逻辑结构示意图； 图9是本专利技术实施例七矢量量化器逻辑结构示意图； 图IO是本专利技术实施例八矢量量化器逻辑结构示意图。 具体实施例方式本专利技术实施例提供了一种矢量量化方法，由基础码本矢量与其子矢量的调 整矢量组合成的联合码本矢量对待量化矢量进行量化。本专利技术实施例还提供相 应的矢量量化器。以下分别进行详细说明。实施例一、 一种矢量量化方法，流程如图1所示，包括步骤 Al、获取待量化矢量。本实施例中所称待量化矢量，可以是矢量量化过程中最初输入的原始矢 量、原始矢量分裂得到的某个子矢量、原始矢量经过一级或多级量化后的残差 矢量、残差矢量分裂得到的某个子矢量等。例如，假设对于L维矢量v,v= (Vi, v2,…，vL}可将其本文档来自技高网...

【技术保护点】
一种矢量量化方法，其特征在于，包括：　获取待量化矢量；　获取基础码本矢量，所述基础码本矢量由若干基础子矢量组成；所述若干个基础子矢量中，至少有一个二维或二维以上的基础子矢量对应于一个调整矢量集合，所述调整矢量集合包含Ｎ个与该基础子矢量同维度的调整矢量；至少一个所述调整矢量集合满足，Ｎ小于该调整矢量集合中全部调整矢量各维度的不同取值的全部可能组合数；　获取与基础子矢量对应的调整矢量；　将基础码本矢量和一个或一个以上与不同基础子矢量对应的调整矢量的组合视为联合码本矢量，根据联合码本矢量与所述待量化矢量的偏差，从可能的联合码本矢量中选择用于量化的联合码本矢量；　获得与被选择的联合码本矢量对应的基础码本矢量的索引以及调整矢量的索引。

【技术特征摘要】

【专利技术属性】
技术研发人员：李立雄，张德军，吴文海，张亮，王庭红，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：94[中国|深圳]