码本大小对矢量量化性能影响的研究.ppt

码本大小对矢量量化性能影响的研究 —— 信息工程 冯丹 指导老师：简志华 矢量量化的概念 随着计算机和大规模集成电路的飞速发展，科技越加 发达，大量的语音、图像等多媒体信息要进行存储、处理 与传输 , 需要很大的存储空间和信道带宽。因此必须对数 字信号进行量化压缩来提高存储效率和减小存储空间。矢 量量化是 20 世纪 70 年代后期发展起来的一种极其重要的数 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。矢量量化在量化时用输出组 集合（码本）中最匹配的一组输出值（码字）来代替一组 输入采样值（输入矢量），其理论基础是香农的速率失真 理论，其基本原理是用码本中与输入矢量最匹配的码字的 索引代替输入矢量进行传输和存储，而解码时只需简单的 查表操作。 国内外研究动态 早在 20 世纪 50 年代就提出了矢量量化方法，后来在 50 和 60 年代被用于语音压缩编码， 70 年代后矢量量化技术应 用逐渐广泛起来， 80 年代初，矢量量化技术得到迅速发展。 在二十世纪六十年代初期和中期，出现了最早的矢量量化 思想。 1980 年由 Linde ， Buzo 和 Gray 将聚类算法引入到矢 量量化器设计中，提出了一种著名的矢量量化码书设计算 法，即 LBG 算法（又称为 GLA 算法），该算法物理概念清 晰 , 算法理论严密且算法容易实现， LBG 算法是矢量量化 技术发展的一个甩程碑 , 从此展开了对矢量量化的理论和 应用的全面研究。 矢量量化在语音识别中的 基本过程 矢量量化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，对输入的语音信号进行 预处理，即对语音信号进行分帧即加窗。然后进行语音特 征参数的提取，即 Mel 频率倒谱系数 (Mel Frequency Cepstrum Coeficient ， MFCC) 。接下来，进行最重要的步 骤 -- 矢量量化的码本设计，较常应用的码本设计算法就是 LBG(Linde-Buzo-Gray) 算法。最后，计算每个码本的总平 均的失真量化误差，就是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（或词）即为识别结果。具体过程如下 方框图所示 ： 分帧、加窗 提取特征参 数 运用 LBG 算法设计 码本 计算平均失真 语音信号 判决结果并 输出 一 分帧、加窗 在按帧进行语音分析，提取语音参数前，有一些经常使 用的短时分析技术必须预先进行，如加窗和分帧处理。分 帧虽然可以采用连续分段的方法，但为了使帧与帧之间平 滑过渡，保持其连续性，一般要采用如下图所示的交叠分 段方法。前一帧和后一帧的交叠部分称为帧移。帧移和帧 长的比值一般取 0~1/2 。 为了保持语音信号的短时平稳性，利用窗函数来减 少由截断处理导致的 Gibbs 效应。使用最多的两种窗函 数是矩形窗、汉明窗。其表达式如下：（其中 N 为帧长） 矩形窗： 汉明窗： 1,0 ( 1) 0, ( ) { n N n n ? ? ? ? ? ? 其他值 0.54 0.46cos[2 /( 1)],0 1 0 n= n ={ n N n N ? ? ? ? ? ? ? ， 其他值 （ ） 二 提取特征参数（ Mel 频率倒谱系数 MFCC ） MFCC 是在 Mel 标度频率域提取出来的倒谱参数， Mel 标 度描述了人耳频率的非线性特性，它与频率的关系可用下 式近似表示 : Mel （ f ） =2595*lg （ 1+f/700 ） 式中 f 为频率， 单位为 Hz 。 Mel 倒谱系数的提取过程如图所示： 三 运用 LBG 算法设计码本 LBG 算法是基于分裂技术的劳埃德迭代算法，也称 GLA 算法，该算法的主要特点是每次迭代是失真减小的 , 是一种 递推算法，从一个事先选定的初始码本开始进行迭代，直到系统性能满足要求或者不再有明显的改进为止。下 面给出以欧氏距离计算两个矢量畸变时的 LBG 算法的具体实现步骤： (1) 设定码本和迭代训练参数：设全部输入训练矢量 X 的集合为 S ；设置码本的尺寸为 J ；设置迭代算法的最大迭代 次数为 L ；设置畸变改进阈值为 δ 。 (2) 设定初始化值：设置 J 个码字的初值 ；设置畸变初值 =∞ ；设置迭代次数初值 m=1 。 （ 3 ）假定经过 m 次迭代根据最近邻准则将 S 分成了 J 个子集 ，即当 X ∈ 时，下式应成立： d （ X, ） ≤d （ X, ） ∪ i ， i≠l （ 4 ） 计算总畸变 ) ： = (5) 计算畸变改进量 ? 的相对值 ： = =