语音信号处理（张力编）课件第四章.pptVIP

标量量化和矢量量化比较 标量量化是维数为k=1的矢量量化。一般矢量量化均指k1多维量化。 一个k维最佳矢量量化器的性能总是优于k个最佳标量量化器。 在相同的编码速率下，矢量量化的失真明显比标量量化的失真小；而在相同的失真条件下，矢量量化所需的码速率比标量量化所需的码速率低得多。 由于矢量量化的复杂度随矢量维数成指数形式增加，故矢量量化的复杂度比标量量化的复杂度高。 矢量量化的三大关键技术 码本设计 码字搜索 3、链映射法 (1)特征空间各矢量按规律排序：在待聚类的点中先任选一点，称之为X1排在首位，求其最近邻点称为X2，列为第二位……，依次类推，得一矢量序列X1，X2，…,XN (2)设Xi、Xi-1间的距离为di，则可得距离序列：d1,d2,…dN-1。 (3)做di~i的关系图 矢量量化技术用于语音信号处理的局限性 (1)完成全部搜索的计算量大，实时性差 (2)码本的形成过程中容易陷入局部最优 解决的办法 (1)无记忆的矢量量化器 (2)有记忆的矢量量化器 1、树形搜索的矢量量化系统 2、近邻划分算法的适量量化系统 第一、对每一个输入矢量X找到一个尽可能接近的码字，以此码字作为搜索的出发点， 第二、对每一个出发点初始码字找到其邻接码字， 第三、建立一套正确的搜索策略 算法的步骤： (1)搜索初始码字的确立：对X的每一维分量进行标量量化，根据标量量化的值确定与之最接近的码字矢量作为初始码字 (2)每个码字邻接码字的确定：利用最近邻条件确定J-1个不等式，由此确定最近邻区域 (3)搜索步骤： ①确定初始码字Yl,计算输入矢量X与Yl的失真d(X,Yl) ②计算X与Yl的各邻接码字之间的失真，如果所有失真都大于d(X,Yl)，那么Yl就是要找的码字，搜索结束 ③如果在Yl的邻接码字中遇到第一个与X的失真小于d(X,Yl)，以这个码字为初始码字，转入②继续搜索 3、多级矢量量化系统 思想：利用多个码本分级量化，后一个量化器量化的对象是前一个量化器的量化误差 有记忆的矢量量化系统 思想：利用矢量与矢量之间的相关性，提高矢量量化的性能 分类 反馈矢量量化 预测矢量量化PVQ(Predictive VQ) 有限状态矢量量化FSVQ(Finite-State VQ) 自适应矢量量化 FSVQ工作原理：S为有限个状态所构成的状态空间，S={sn,n=1,2,…N},每个状态都有一个编码器asn、解码器bsn、和码本cn，进行编码时，除了要输出该码本中最小失真的那个码矢的角标Jn外，还要给出下一个状态Sn+1。也就是说：每个编码量化的状态是根据上一个状态和上一个编码结果来确定的。 假设输入信号矢量为Xi . . . . . . x 训练集合X M 训练矢量 . . . . . . . 码本C y1 y2 yN N 个码字 . . . . . . . x d(x,y1) d(x,y0) d(x, yN-1) min d(x,yj) 码本C y0 y1 yN-1 所谓最佳设计，就是从大量信号样本中训练出好的码本；从实际效果出发寻找到好的失真测度定义公式；用最少的搜索和计算失真的运算量。 一、最佳码本设计的原则 最佳码本的设计，就是在一定条件下，使得d(X,Y)的统计平均最小。需满足下列条件： （1）最邻近准则；根据该条件对信号空间进行最佳划分，得到Sl称为一个胞腔。 （2）所有选择码字Yl的输入矢量X的集合为Sl， Yl是Sl中所有矢量的质心。根据这两条原则，这个算法就是LBG算法。 Nl为集合中矢量的个数 x x x x x x x x x x x 质心的形成 LBG算法是一种递推算法，从一个事先选定的初始码本开始迭代。把训练序列按照码本中的元素根据最邻近准则分组，对每一分组找质心，得到新的码本，又作为初始码本，再进行分组，重复上述过程，直到系统性能满足要求和不再有明显的改进为止。 二、LBG算法 初始码本的选择 随机选取法：从训练序列中随机选取J个矢量作为初始码字，从而构成初始码本。 . . . . . . x . . . . 训练集合X . . 初始码本 J=2个码字 分裂法 （1）求出S中全体训练序列的质心 （2）然后在S中找一个与此质心的失真测度最大的矢量 ，再在S中找一个与 的失真测度最大的矢量 （3）以 和 为基准，根据最邻近准则，进行S的划分，得到两个子集 和 ，求其质心； （4）对这两个子集分别按同样方法进行处理，可以得到四个子集。依次类推，经过r次分裂，得到J=2r 个子集，分别求子集的质心，得到J个初始码字，构成初始码本。 x x x x x x x x x x x x x x x x x x x x x x