第四章_矢量量化技术.pptxVIP

第四章 矢量量化技术4.1概述4.2矢量量化的基本原理4.3矢量量化的失真测度4.4矢量量化器的最佳码本设计4.5矢量量化技术的优化设计4.1概述 矢量量化（Vector Quantization，VQ）技术是20世纪70年代后期发展起来的一种数据压缩和编码技术，广泛应用于语音编码、语音合成、语音识别和说话人识别等领域。矢量量化在语音信号处理中占有十分重要的地位，在许多重要的研究课题中，矢量量化都起着非常重要的作用。4.2矢量量化的基本原理 一、矢量量化的基本原理 二、矢量量化在语音识别中的应用 三、矢量量化的关键之处一、矢量量化的基本原理1、矢量的定义 若干个标量数据组成一个矢量，标量的个数就为矢量的维数。如语音信号某一帧中提取的声道参数，共K个，Xi={ai1,ai2,…,aiK}。则Xi是一个K维矢量。设共有N个K维矢量X={X1,X2,…,XN},其中第i个矢量为Xi，i=1,2,…N。类比过来，N个语音帧，每帧中共有K个声道参数，共组成N个K维矢量。一、矢量量化的基本原理2、矢量空间的划分 把K维欧几里德空间 无遗漏的划分为J个互不相交的子空间R1,R2…RJ , 这些子空间Rj称为胞腔。 在每一个子空间Rj找一个代表矢量Yj ，则J个代表矢量可以组成矢量集为 Y={Y1,Y2,…,YJ} 这样就组成了一个矢量量化器，在矢量量化里Y叫做码书或码本； Yj称为码矢或码字；Y内矢量的个数J则叫做码本长度或者码本尺寸。一、矢量量化的基本原理3、矢量量化的过程 当给矢量量化器输入一个任意矢量 进行矢量量化时，矢量量化器首先判断它属于哪个子空间Rj ，然后输出该子空间Rj的代表矢量Yj。矢量量化过程就是用Yj代替Xi的过程，或者说把Xi量化成了Yj ，即 Yj＝Q(Xi)，1?j?J，1?i?N 式中， Q(Xi)为量化器函数。从而矢量量化的全过程完成一个从K维欧几里德空间 中的矢量Xi到K维空间有限子集Y的映射 Q： 一、矢量量化的基本原理4、判断规则 当给矢量量化器输入一个任意矢量Xi进行矢量量化时，首先要选择一个合适的失真测度，而后根据最小失真原理，分别计算用各码矢Yj代替Xi所带来的失真。其中产生最小失真的那个码矢Yj，就是Xi的重构矢量（或称恢复矢量），或者称为矢量Xi被量化成了那个码矢。二、矢量量化在语音识别中的应用 矢量量化技术在语音识别中应用时，一般是先用矢量量化的码本作为语音识别的参考模板，即系统词库中的每一个字（词）做一个码本作为该字（词）的参考模板。识别时对于任意输入的语音特征矢量序列X1,X2,…,XN ，计算该序列对每一个码本的总平均的失真量化误差，即语音每一帧特征矢量与码本的失真之和除以该语音的长度（帧数）。总平均失真误差最小的码本所对应的字（词）即为识别结果，这一过程如下图所示。二、矢量量化在语音识别中的应用三、矢量量化的关键之处1、设计一个好的码本关键在于如何划分J个区域边界。这需要大量的输入信号矢量，经过统计实验才能确定，这个过程称为“训练”或“学习”。应用聚类算法，按照一定的失真度准则，对训练的数据进行分类，从而把训练数据在多维空间中划分成一个个以码字为中心的胞腔，常用的是LBG算法来实现。三、矢量量化的关键之处2、未知矢量的量化对未知矢量，按照选定的失真测度准则，把未知矢量量化为失真测度最小的区域边界的中心矢量值（码字矢量），并获得该码字的序列号。其次是未知矢量量化时的搜索策略，好的搜索策略可以减少量化时间。4.3矢量量化的失真测度 一、失真测度的定义 二、欧氏距离测度 三、线性预测失真测度 四、识别失真测度一、失真测度的定义失真测度（距离测度）就是将输入矢量Xi用码本重构矢量Yj来表征时所产生的误差或失真的度量方法，它可以描述两个或多个模型矢量之间的相似程度。K维语音特征矢量X和码本Y的失真测度d(X,Y)需满足下列条件： 1）对称性 d(X,Y)＝d(Y,X) 2）正值性 d(X,Y)0；d(X,X)=0 3）d(X,Y)在频域有物理意义 4）对d(X,Y)有高效率的计算方法最常用的失真测度是欧氏距离测度、加权欧氏距离测度、识别失真测度等。 二、欧氏距离测度 设未知模式的K维特征为X，与码本中某个K维码矢Y进行比较， ， 分别表示X和Y的同一维分量( )，则几种常用的欧氏距离测度如下： 1）均方误差欧氏距离 这里， 的下标2表示平方误差。 2）r方平均误差 二、欧氏距离测度 3）r平均误差 4）绝对值平均误差 5）最大平均误差二、欧氏距离测度 6）加权欧氏距离测度 式中， 称为加权系数。 常用的加权系数有三、线性预测失真测度当语音信号特征矢量是用线性预测方法求出的LPC系数时，为了比较用这种参数表征的矢量，不宜直接使用欧氏距离。因为，仅由预测