语音信号处理第四章矢量量化技术.pptVIP

矢量量化（VQ，即Vector Quantization）是一种极其重要的信号压缩方法。VQ在语音信号处理中占十分重要的地位。广泛应用于语音编码、语音识别和语音合成等领域。 量化分为两类： * 标量量化：将取样后的信号值逐个地进行量化。 * 矢量量化：将若干取样信号分成一组，即构成一个矢量，然后对此矢量一次进行量化。 凡是要用量化的地方都可以采用矢量量化。 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。 矢量量化的关键技术 码本设计 码字搜索 该方法用若干个低维数的码书作为乘积码，求得所需的高维数的码书。 如要设计一个高维数的码书，可以简单地用2个低维数的码书做乘积来获得。即用维数为k1，大小为M1的码书乘以维数为k-k1，大小为M2的码书，得到一个k 维码书，其大小为M=M1*M2。 例如：要设计一个维数k=8，大小为M=256的初始码书，可以由2个小码书相乘得到，其中一个维数为6，大小为16，另一个维数为2，码书大小为16。 码字搜索算法 码字搜索是矢量量化中的一个最基本问题，矢量量化过程本身实际上就是一个搜索过程，即搜索出与输入最为匹配的码矢。 矢量量化中最常用的搜索方法是全搜索算法和树搜索算法。全搜索算法与码本生成算法是基本相同的，在给定速率下其复杂度随矢量维数K以指数形式增长，全搜索矢量量化器性能好但设备较复杂。树搜索算法又有二叉树和多叉树之分，它们的原理是相同的，但后者的计算量和存储量都比前者大，性能比前者好。树搜索的过程是逐步求近似的过程，中间的码字是起指引路线的作用，其复杂度比全搜索算法显著减少，搜索速度较快。由于树搜索并不是从整个码本中寻找最小失真的码字，因此它的量化器并不是最佳的，其量化信噪比低于全搜索。 二叉树法与全搜索算法比较 无记忆的矢量量化系统：在量化每一个矢量时，都不依赖于这个矢量前面的任何矢量，即每个输入矢量都是独立进行量化的。 有记忆的矢量量化系统：在量化每一个输入矢量时，不仅与此矢量本身有关，而且也与前面的矢量有关，也就是在量化的时候，他通过记忆，利用了过去输入矢量的信息，利用了矢量与矢量之间的相关性，从而提高了矢量量化的性能。 VQ在语音识别中的用途 x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x 质心 x x x x x x x x x x x x x x x x x x x x x x 分裂1次，得到2个码字 J=2 2个码字的初始码本构成 S 3 乘积码书法 第一步：初始化。 给定全部参考矢量集合S， 设定失真控制门限 , 初始码本 ， 设置总失真 ， 初始迭代次数m=1，最大迭代次数为L。 最佳码本的设计 第二步：迭代。 （1）根据最邻近准则将S分成J个子集， （2）计算总失真 （3）计算新码字：每一个码字为其对应子集的质心。 （4）计算相对失真改进量， 与失真控制门限比较， 转入（5）； 转入（6）。 （5）若m大于L，则转入(6)，否则m+1，转入(1) （6）得到最终的码书 x x x x x x x x x x x x x x x x x x x x x S x x x x x x x x x x x x x x x x x x x x x J=4,m=1 x x x x x x x x x x x x x x x x x x x x x 新码字 if m+1=2重新开始 新码字 if m+1=3重新开始 x x x x x x x x x x x x x x x x x x x x x J=4,m=2 x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x 矢量量化系统中码本的形成是一个优化问题，即通过迭代运算使得系统的目标函数对全部训练矢量而言的平均量化误差达到最小值.但是这个目标函数在J个码字矢量构成的状态空间中是一个非凸函数，它有许多局部极小值，其中只有一个是优化目标所要达到的全局最小值.由于LBG算法是一种最陡下降算法,所以其迭代结果使目标函数落入哪个