码书分类重排矢量量化方法及其矢量量化器技术

一种码书分类重排矢量量化方法及其矢量量化器，其方法编码过程是输入残差矢量根据分类信息进行分类，在编码器中的分类重排码书中确定子码书搜索范围，在子码书中确定矢量量化值；解码过程是根据信道传到解码器端的量化索引，在解码器的分类重排码书中确定输入残差矢量的重构矢量。量化前预先用码书分类算法对码书分类，分类信息存储于分类器。其矢量量化器中编码器中的分类器、分类重排码书存储单元和量化模块，以及解码器中的分类重排码书存储单元和解码模块为关键部件。本发明专利技术分类器信息不需在信道传送，不占用量化比特，但编码时码字搜索范围通过分类器限定到了分类重排码书中的子码书，降低了矢量量化器的时间复杂度，达到了透明量化的效果。

【技术实现步骤摘要】

本专利技术涉及一种语音信号处理的矢量量化方法及其矢量量化器，具体地说，是一 种用于码书分类重排的矢量量化方法及其矢量量化器。
技术介绍
矢量量化器的构成包括编码器和解码器，其构成方式直接决定矢量量化器的存储 需求、码书搜索算法复杂度以及解码语音质量；在编码器和解码器中存放有矢量量化器码 书，其码书性能好坏以及码书的排列方式直接影响矢量量化器的量化性能。在语音编码算 法中最常用的矢量量化器有分裂矢量量化器、多级矢量量化器、分离均值多级分裂矢量量 化器S-MSVQ(Split-MultiStage Vector Quantiser)以及分类矢量量化器等。转换分类分 裂矢量量化器SSVQ(Switched Split Vector Quantiser)作为一种分类矢量量化器，近几 年在宽带语音编码算法量化参数导抗谱频率ISF量化过程中得到研究者的广泛关注。转换分类分裂矢量量化器SSVQ编码原理待量化的矢量首先要经过转换分类器， 得到其所属类的分类号。分类的过程相当于一个矢量量化的过程进入转换分类器的待 分类矢量需要根据规定好的加权失真测度计算方法，从事先训练好的转换分类矢量量化器 码书中找到与该矢量最近邻的那个码字，并将这个码字的索引值作为此待分类矢量的分类 号。然后根据得到的分类号，选择相应的分裂矢量量化器SVQ(Split Vector Quantiser), 对待量化的矢量进行分裂矢量量化。针对每一个分类号，转换分类分裂矢量量化器都有与 之相配套的分裂矢量量化器。转换分类分裂矢量量化器SSVQ码书的训练过程为首先利用LBG算法由整个训练 集得到m个质心矢量，并以此作为转换分类码书。然后根据分类信息将整个训练集分成m 个训练子集。最后针对每一个训练子集，先进行矢量分裂，再利用LBG算法训练每一个用于 分裂矢量量化的码书。转换分类分裂矢量量化器SSVQ特性主要在于充分利用了各维输入矢量之间的全 局相关性，通过把矢量空间分成许多不同的分裂矢量量化器，从而使分裂矢量量化的次优 特性可被限制在局部区域而不是整个矢量空间。因此，转换分类分裂矢量量化器特性与分 裂矢量量化器相比，在比特率、失真性能以及较低的计算复杂度等方面，都有了一个良好的 折中。量化时，首先用转换矢量量化器对输入矢量进行聚类，以充分利用输入矢量各维分量 之间的相关性。然后对每个聚类结果，用局部分裂矢量量化器进行量化。但转换分类分裂矢量量化器是以增加存储需求来换取量化性能的折中。其需要的 存储需求是分类数乘以码书大小。且在进行码书设计时需要大量的训练样本以得到各分类 码书。基于浊音约束的矢量量化器C-VBVQ (Constrained Voicing-based Vector Quantiser)所提出的码书设计思路，是将码书分为清音、浊音和传输语音三部分，三部分码 书分别根据清音、浊音和传输语音训练得到，量化时，输入矢量只在其中一个码书中搜索匹 配矢量，这种码书设计方法不需要增加码书存储空间和量化比特。其实质也是充 利用了码书的分类信息，但由于其基于语音特性，因此，在训练三部分码书时要分别进行。公开号为CN 101256773A，专利技术名称为“导抗谱频率参数的矢量量化方法及装置”， 于2008年9月3日公开。对自适应多速率宽带语音编码算法AMR-WB的量化参数导抗谱频 率参数采用了各维非等系数帧间预测的方式对导抗谱频率预测残差进行分裂矢量量化，这 种量化方法需要在编码端和解码端分别存放预测系数和上一帧的量化参数，并根据预测系 数、当前帧残差失量的量化矢量以及上一帧的量化参数来得到当前帧的量化矢量，因此算 法复杂度偏高。公开号为CN 101192408A，专利技术名称为“选择导谱频率系数的矢量量化方法及装 置”，于2008年6月4日公开。对自适应多速率宽带语音编码算法AMR-WB的量化参数导抗 谱频率参数对每一组子矢量分别进行帧间强相关、弱相关矢量量化，计算强、弱相关矢量量 化后的残差信号，并计算强、弱相关残差信号的量化误差，本专利技术基于导抗谱频率系数的短 时相关性、长时相关性，对导抗谱频率系数的每一维分别使用不同的预测系数，因此也是一 种预测矢量量化方法，算法复杂度依然偏高。
技术实现思路
本专利技术在码书分类重排量化比特不增加、量化谱失真达到透明量化效果的情况 下，解决矢量量化器中的编码器码书和解码器码书的码字排列方式不规则，为找到输入残 差矢量对应的量化矢量，矢量量化器码字搜索需要采用穷尽搜索的方法所造成的矢量量化 器时间复杂度和空间复杂度与矢量量化器量化性能不能良好折中的问题，并提供一种码书 分类重排矢量量化方法及其矢量量化器。为了解决上述问题和实现上述目的，本专利技术所采取的措施包括码书分类重排矢量 量化方法及其矢量量化器，其中码书分类重排矢量量化方法是基于16维导抗谱频率参数ISF，包括编码过程和解 码过程所述的编码过程是输入待量化矢量减去编码器中的矢量均值得到输入残差矢 量；输入残差矢量根据分类信息进行分类，在编码器中的分类重排码书中确定编码器 端矢量量化的码书搜索范围，再根据欧式距离测度确定编码器端输入残差矢量的矢量量化 值和编码器端输入残差矢量的量化索引；所述的解码过程是根据信道传送到解码器端的量化索引，在解码器中的分类重排 码书中确定解码器端的矢量量化值，加上解码器中的矢量均值确定输入待量化矢量的重构矢量。上述方法中，其输入残差矢量分裂为9维子矢量和7维子矢量后根据分类信息进 行分类，在编码器中的9维分类重排码书中确定编码器端9维子矢量进行量化的码书搜索 范围，再根据欧式距离测度确定编码器端输入残差矢量9维子矢量的矢量量化值和量化索 引；在编码器中的7维分类重排码书中确定编码器端7维子矢量进行量化的码书搜索 范围，再根据欧式距离测度确定编码器端输入残差矢量7维子矢量的矢量量化值和量化索 引。上述方法中，其分类重排码书的获得方法包括如下步骤得到码书训练序列首先计算输入训练矢量各分量的均值，并分别存放在编码器矢量均值存储单元和 解码器矢量均值存储单元；再将所有输入训练矢量减去各分量的均值，得到输入训练矢量 的残差矢量，即为码书设计阶段所用的码书训练序列；码书设计阶段码书设计用LBG算法，其初始码书从码书训练序列中随机选取，失真测度采用欧 式距离；码书分类阶段将码书设计阶段设计的码书，用码书分类算法进行分类；码书分类算法采用蚁群聚类算法或LBG算法，码书分类算法运行结束，保存分类 算法所产生的分类信息和属于同一个分类信息的输入矢量个数，每一分类信息确定一个子 码书的质心，具有相同质心的输入码字构成一个子码书，属于同一个子码书质心的输入矢 量个数确定对应子码书的大小；其中蚁群聚类算法分类数由算法自动确定，属于同一聚类半径内的码字划分为一类， 同一类所有码字的质心为该类的分类信息；LBG算法码书大小用分类数代替，所产生的各胞腔的形心为各类的分类信息，划分 到同一个胞腔的输入矢量归为一类；码书重排阶段将码书分类阶段确定的子码书按子码书质心的排列顺序重新排列组合在一起，构 成构成分类重排码书。上述方法中，其分类信息进行分类是根据码书分类阶段得到的子码书质心，用欧 式距离测度确定与输入残差矢量距离最近的子码书质心；再根据确定的子码书质心在子码 书质心存本文档来自技高网...

【技术保护点】
一种码书分类重排矢量量化方法，基于１６维导抗谱频率参数ＩＳＦ，包括编码过程和解码过程：其编码过程包括输入待量化矢量减去编码器中的矢量均值得到输入残差矢量，输入残差矢量根据分类信息分类，在编码器中分类重排码书中确定编码器端矢量量化的子码书搜索范围，再根据欧式距离测度确定编码器端输入残差矢量的矢量量化值和编码器端输入残差矢量的量化索引；其解码过程包括根据信道传送到解码器端的量化索引，在解码器中的分类重排码书中确定解码器端的矢量量化值，再加上解码器的矢量均值确定输入待量化矢量的重构矢量。

【技术特征摘要】
一种码书分类重排矢量量化方法，基于16维导抗谱频率参数ISF，包括编码过程和解码过程其编码过程包括输入待量化矢量减去编码器中的矢量均值得到输入残差矢量，输入残差矢量根据分类信息分类，在编码器中分类重排码书中确定编码器端矢量量化的子码书搜索范围，再根据欧式距离测度确定编码器端输入残差矢量的矢量量化值和编码器端输入残差矢量的量化索引；其解码过程包括根据信道传送到解码器端的量化索引，在解码器中的分类重排码书中确定解码器端的矢量量化值，再加上解码器的矢量均值确定输入待量化矢量的重构矢量。2.如权利要求1所述的方法，其输入残差矢量是分裂为9维子矢量和7维子矢量后根 据分类信息分类，在编码器中的9维分类重排码书中确定编码器端9维子矢量进行量化的 码书搜索范围，再根据欧式距离测度确定编码器端输入残差9维子矢量的矢量量化值和量 化索引；在编码器中的7维分类重排码书中确定编码器端7维子矢量进行量化的码书搜索范 围，再根据欧式距离测度确定编码器端输入残差7维子矢量的矢量量化值和量化索引。3.如权利要求1或2所述的方法，其分类重排码书的获得方法包括如下步骤(1)得到码书训练序列计算输入训练矢量各分量的均值，分别存放在编码器矢量均值存储单元和解码器矢量 均值存储单元，再将所有输入训练矢量减去各分量的均值，得到输入训练矢量的残差矢量， 即为码书设计阶段所用的码书训练序列；(2)码书设计阶段用LBG算法，其初始码书从码书训练序列中随机选取，失真测度采用欧式距离；(3)码书分类阶段将码书设计阶段设计的码书，由码书分类算法分类；码书分类算法采用蚁群聚类算法或LBG算法，保存分类算法所产生的分类信息和属于 同一个分类信息的输入矢量个数，每一分类信息确定一个子码书质心，具有相同质心的输 入码字构成一个子码书，属于同一个子码书质心的输入矢量个数确定对应子码书的大小； 其中蚁群聚类算法分类数由算法自动确定，属于同一聚类半径内的码书划分为一类，同一 类所有码书的质心为该类的分类信息；LBG算法码书大小用分类数代替，所产生的各胞腔的形心为各类的分类信息，划分到同 一个胞腔的输入矢量归为一类；(4)码书重排阶段将码书分类阶段确定的子码书按子码书质心的排列顺序重新排列组合在一起，构成分 类重排码书。4.如权利要求1或2所述的方法，其分类信息分类是根据码书分类阶段得到的子码 书质心，由欧式距离测度确定与输入残差矢量距离最近的子码书质心；再根据确定的...

【专利技术属性】
技术研发人员：张雪英，李凤莲，贾海蓉，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：14[中国|山西]