[發明專利]一種選擇預測矢量量化的迭代優化設計方法

無效

• 申請號: 200810235591.5
• 申請日: 2008-12-01
• 公開（公告）號: CN101420230A
• 公開（公告）日: 2009-04-29
• 發明（設計）人: 張雄偉;鄒霞;敖亮
• 申請（專利權）人: 中國人民解放軍理工大學
• 主分類號: H03M7/30
• 分類號: H03M7/30;G10L19/04;G10L19/14
• 代理公司: 南京經緯專利商標代理有限公司
• 代理人: 魏學成

技術領域

本發明涉及一種選擇預測矢量量化的迭代優化設計方法，屬于信源編碼領域。

背景技術

為了提高信源壓縮程度，矢量量化已經被廣泛應用于各種信源壓縮編碼算法。在各種壓縮編碼算法中，人們采用了不同的矢量量化結構，包括預測矢量量化、多級矢量量化、分裂矢量量化、分類矢量量化、增益形狀矢量量化和格狀矢量量化等。其中，預測矢量量化利用前面幀的參數乘以相應的預測系數得到對當前幀參數的預測值，將當前幀參數減去預測值得到預測殘差，對預測殘差進行量化。這種量化方法可以有效利用參數幀間相關性，提高參數量化效率，被廣泛應用于語音、圖像和視頻編碼算法。

常規的預測矢量量化采用固定的預測系數，沒有考慮幀間相關性的差異。對幀間相關性強的情況，需要采用較大的預測系數。對幀間相關性弱的情況，需要采用較小的預測系數。為此，選擇預測矢量量化提出采用多個預測矢量量化組合，每個組合對應一個預測系數和一個預測殘差量化碼本。對每一個輸入數據，分別采用各個預測矢量量化組合進行量化編碼，選擇量化誤差小的組合作為該輸入數據的量化碼本。

針對選擇預測矢量量化設計，Jan?Linden在1996年IEEE?Nordic?SignalProcessing?Symposium上發表的“Improving?predictive?vector?quantizers?in?speechcoding?applications”、Thomas?Eriksson在1995年International?Conference?onDigital?Signal?Processing?Vol.1，pp.96-101上發表的“A?safety-net?approach?forimproved?exploitation?of?speech?correlations”、在1996年International?Conferenceon?Acoustics?Speech?and?Signal?Processing?Vol.2，pp.765-768上發表的“Exploiting?interframe?correlation?in?spectral?quantization：a?study?of?differentmemory?VQ?scheme”中提出一種預測矢量量化和不預測矢量量化結合的矢量量化結構，采用所有訓練數據對不預測矢量量化進行碼本設計，采用前后幀相關性強的訓練數據對預測矢量量化進行碼本設計。Mei?Yong在1988年International?Conference?on?Acoustics?Speech?and?Signal?Processing?Vol.1，pp.402-405上發表的“Encoding?of?LPC?spectral?parameters?usingswitched-adaptive?interframe?vector?prediction”中提出在預測模式較少時采用前后幀相關系數與門限比較進行劃分，在預測模式較多時通過預測系數量化分類進行劃分，對分類的數據作為一個整體進行設計。Alan?McCree在1998年International?Conference?on?Acoustics?Speech?and?Signal?Processing?Vol.2，pp.593-596上發表的“A?1.7kb/s?MELP?coder?with?improved?analysis?andquantization”中提出對各個預測器采用特定的訓練數據進行訓練，并對預測器和量化器迭代優化設計。Rodrigo?C.de?Lamare在2001年InternationalSymposium?on?Signal?Processing?and?its?Applications?Vol.2，pp.727-730上發表的“Analysis?of?LSF?switched-predictive?vector?quantizers”中對各種選擇預測矢量量化進行了比較，在各種選擇預測矢量量化設計過程中，提出利用前后幀參數的頻譜距離大小來劃分訓練數據，對每一類訓練數據進行預測器和量化器設計。高戈在2002年《計算機工程與應用》第10期發表的“語音譜參數的增強雙預測多級矢量量化的碼本設計方法”中也提出了一種選擇預測矢量量化設計方法，也是根據參數前后幀間相關性進行訓練數據劃分。

以上這些選擇預測矢量量化設計方法都是采用固定的訓練數據劃分，沒有充分考慮這種劃分的適當性。這些劃分方法包括根據參數幀間相關性大小進行劃分和根據前后幀參數頻譜距離大小進行劃分兩類。

發明內容