第07章矢量量化要点分析.ppt

* 短时傅立叶变换主要用于语音分析合成系统，由其逆变换可以精确地恢复语音波形；短时傅立叶变换存在的条件：x(m)w(n-m)对所有的n值绝对可和;在很多语音系统中往往都是利用功率谱参与运算。 * 矩形窗虽然频域分辨率高，但旁瓣过高，频谱泄漏过大，相邻谐波之间干扰过大，以致不能准确地反映基频，故分析短时谱一般采用海明窗;另外窗宽太大将失去短时性，分帧失去意义;频率分辨率高则对应着时间分辨率低;从短时谱中我们可以看见频谱的快变化即各次谐波，它是由周期性激励引起，也能看到慢变化，是由声道滤波器的共振峰特性引起。 * * 矩形窗虽然频域分辨率高，但旁瓣过高，频谱泄漏过大，相邻谐波之间干扰过大，以致不能准确地反映基频，故分析短时谱一般采用海明窗;另外窗宽太大将失去短时性，分帧失去意义;频率分辨率高则对应着时间分辨率低;从短时谱中我们可以看见频谱的快变化即各次谐波，它是由周期性激励引起，也能看到慢变化，是由声道滤波器的共振峰特性引起。 * * * * 矩形窗虽然频域分辨率高，但旁瓣过高，频谱泄漏过大，相邻谐波之间干扰过大，以致不能准确地反映基频，故分析短时谱一般采用海明窗;另外窗宽太大将失去短时性，分帧失去意义;频率分辨率高则对应着时间分辨率低;从短时谱中我们可以看见频谱的快变化即各次谐波，它是由周期性激励引起，也能看到慢变化，是由声道滤波器的共振峰特性引起。 * 矩形窗虽然频域分辨率高，但旁瓣过高，频谱泄漏过大，相邻谐波之间干扰过大，以致不能准确地反映基频，故分析短时谱一般采用海明窗;另外窗宽太大将失去短时性，分帧失去意义;频率分辨率高则对应着时间分辨率低;从短时谱中我们可以看见频谱的快变化即各次谐波，它是由周期性激励引起，也能看到慢变化，是由声道滤波器的共振峰特性引起。 * 矩形窗虽然频域分辨率高，但旁瓣过高，频谱泄漏过大，相邻谐波之间干扰过大，以致不能准确地反映基频，故分析短时谱一般采用海明窗;另外窗宽太大将失去短时性，分帧失去意义;频率分辨率高则对应着时间分辨率低;从短时谱中我们可以看见频谱的快变化即各次谐波，它是由周期性激励引起，也能看到慢变化，是由声道滤波器的共振峰特性引起。 * 矩形窗虽然频域分辨率高，但旁瓣过高，频谱泄漏过大，相邻谐波之间干扰过大，以致不能准确地反映基频，故分析短时谱一般采用海明窗;另外窗宽太大将失去短时性，分帧失去意义;频率分辨率高则对应着时间分辨率低;从短时谱中我们可以看见频谱的快变化即各次谐波，它是由周期性激励引起，也能看到慢变化，是由声道滤波器的共振峰特性引起。 * 短时谱的取样包含时域(n)的取样和频域(ω)的取祥，比一维信号的取样要复杂，最终的目的是为了使短时谱取样后不产生混叠失真，从而能由之准确地恢复原语音信号。此处的取样是指将每个语音帧看作某波形自变量的一点，然后对此波形进行取样，取样间隔为时域取样率的倒数。 * 第7章 矢量量化 7.1 概述 7.2 矢量量化基本原理 7.3 失真测度 7.4 最佳矢量量化器和码本的设计 7.5 降低复杂度的矢量量化系统 * 7.1 概述 矢量量化（Vector Quantization，VQ）是一种极其重要的信号压缩方法，是自上世纪70年代末才发展起来的。 矢量量化广泛应用于图像、语音压缩编码、移动通信、语音识别与合成、文献检索及数据库检索等领域。 矢量量化不仅可以压缩表示语音参数所需的数码率，而且在减少运算量方面也是非常高效的。 * 7.1 概述 语音数字通信的两个关键问题是：语音质量和传输数码率。 这两个参数相互矛盾： （1）要获得较高的语音质量，就必须使用较高的传输数码率； （2）为了实现高效地压缩传输数码率，就不能得到良好的语音质量。 但是，矢量量化却是一种既能高效压缩数码率、又能保证语音质量的编码方法。 * 量化分为两大类：标量量化和矢量量化。 标量量化：把抽样后的信号值逐个进行量化。 矢量量化：将若干个取样信号分成一组，即构成一个矢量，然后对此矢量一次进行量化。各矢量中的元素是作为一个整体联合进行量化的。 矢量量化是由标量量化推广和发展而来的，凡是要用量化的地方都可以应用矢量量化。 矢量量化是不可逆压缩方法，具有比特率低、解码简单、失真较小等优点。 7.1 概述 * 矢量量化总是优于标量量化，且矢量维数越大性能越优越。这是因为矢量量化有效地应用了矢量中各分量间的各种相互关联的性质。 矢量量化的理论基础是仙农信