[发明专利]一种选择预测矢量量化的迭代优化设计方法

说明书

技术领域

本发明涉及一种选择预测矢量量化的迭代优化设计方法，属于信源编码领域。

背景技术

为了提高信源压缩程度，矢量量化已经被广泛应用于各种信源压缩编码算法。在各种压缩编码算法中，人们采用了不同的矢量量化结构，包括预测矢量量化、多级矢量量化、分裂矢量量化、分类矢量量化、增益形状矢量量化和格状矢量量化等。其中，预测矢量量化利用前面帧的参数乘以相应的预测系数得到对当前帧参数的预测值，将当前帧参数减去预测值得到预测残差，对预测残差进行量化。这种量化方法可以有效利用参数帧间相关性，提高参数量化效率，被广泛应用于语音、图像和视频编码算法。

常规的预测矢量量化采用固定的预测系数，没有考虑帧间相关性的差异。对帧间相关性强的情况，需要采用较大的预测系数。对帧间相关性弱的情况，需要采用较小的预测系数。为此，选择预测矢量量化提出采用多个预测矢量量化组合，每个组合对应一个预测系数和一个预测残差量化码本。对每一个输入数据，分别采用各个预测矢量量化组合进行量化编码，选择量化误差小的组合作为该输入数据的量化码本。

针对选择预测矢量量化设计，Jan Linden在1996年IEEE Nordic SignalProcessing Symposium上发表的“Improving predictive vector quantizers in speechcoding applications”、Thomas Eriksson在1995年International Conference onDigital Signal Processing Vol.1，pp.96-101上发表的“A safety-net approach forimproved exploitation of speech correlations”、在1996年International Conferenceon Acoustics Speech and Signal Processing Vol.2，pp.765-768上发表的“Exploiting interframe correlation in spectral quantization：a study of differentmemory VQ scheme”中提出一种预测矢量量化和不预测矢量量化结合的矢量量化结构，采用所有训练数据对不预测矢量量化进行码本设计，采用前后帧相关性强的训练数据对预测矢量量化进行码本设计。Mei Yong在1988年International Conference on Acoustics Speech and Signal Processing Vol.1，pp.402-405上发表的“Encoding of LPC spectral parameters usingswitched-adaptive interframe vector prediction”中提出在预测模式较少时采用前后帧相关系数与门限比较进行划分，在预测模式较多时通过预测系数量化分类进行划分，对分类的数据作为一个整体进行设计。Alan McCree在1998年International Conference on Acoustics Speech and Signal Processing Vol.2，pp.593-596上发表的“A 1.7kb/s MELP coder with improved analysis andquantization”中提出对各个预测器采用特定的训练数据进行训练，并对预测器和量化器迭代优化设计。Rodrigo C.de Lamare在2001年InternationalSymposium on Signal Processing and its Applications Vol.2，pp.727-730上发表的“Analysis of LSF switched-predictive vector quantizers”中对各种选择预测矢量量化进行了比较，在各种选择预测矢量量化设计过程中，提出利用前后帧参数的频谱距离大小来划分训练数据，对每一类训练数据进行预测器和量化器设计。高戈在2002年《计算机工程与应用》第10期发表的“语音谱参数的增强双预测多级矢量量化的码本设计方法”中也提出了一种选择预测矢量量化设计方法，也是根据参数前后帧间相关性进行训练数据划分。

以上这些选择预测矢量量化设计方法都是采用固定的训练数据划分，没有充分考虑这种划分的适当性。这些划分方法包括根据参数帧间相关性大小进行划分和根据前后帧参数频谱距离大小进行划分两类。

发明内容