第六讲VQ_语音信号处理第4章.ppt

矢量量化的基本原理 问题分解 1.矢量量化基本原理 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。 矢量量化（VQ，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。 凡是要用量化的地方都可以采用矢量量化。 VQ的定义 K维欧几里德空间 中的任意矢量 X 到K维空间 有限子集 Y 的映射 术语 码本 Codebook 码字 CodeWord 码本大小 Codebook Size Voronoi Cell 胞腔 矢量量化简约历史 早在50和60年代就被用于语音压缩编码。 70年代线性预测技术被引入语音编码后，矢量量化技术才活跃起来。 70年代末，Linda, Buzo 等人解决了码本生成问题 80年代初，矢量量化技术的理论和应用研究得到迅速发展。 采用矢量量化的压缩作用 对信号波形或参数进行压缩处理，可以获得很好的效益，使存储要求、传输比特率需求或和计算量需求降低. 量化压缩案例 10KHz, 16-bit PCM → 160,000bps 100 spectral vectors of dimension p=10 → 100×10×32 = 32,000bps 5→1 VQ: 1024 codebook 100×10 = 1000bps 32→1 矢量量化的形象说明 以K＝2进行说明： 当K＝2时，所得到的是二维矢量。所有可能的二维矢量就形成了一个平面。 记为（a1,a2）,所有可能的（a1,a2） 就是一个二维空间。如图7-1（a）所示 图7-2 矢量量化系统的组成 工作过程： 在编码端，输入矢量Xi与码书中的每一个码字进行比较，分别计算出它们的失真。有哪些信誉好的足球投注网站到失真最小的码字 的序号 （或该码字所在码书中的地址），这些序号就作为传输或存储的参数。 在恢复时，根据此序号从恢复端的码书中找出相应的码字 。由于两本码书完全相同，此时失真最小，所以 就是输入矢量Xi的重构矢量。 特点： 传输存储的不是矢量本身而是其序号，所以 据有高必威体育官网网址性能 收发两端没有反馈回路，因此比较稳定 矢量量化器的关键是编码器的设计，译码器 只是简单的的查表过程。 VQ的优、劣势 自由构造量化区域的形状 码本大小可随意选择 量化失真 码本存储 一、如何划分M个区域边界 方法是：将大量欲处理的信号的矢量进行统计划分，进一步确定这些划分边界的中心矢量值来得到码书。 二、类中心计算方法 三、两矢量的相似度测度 这个测度就是两矢量间的距离，或以其中某一矢量为基准时的失真度。它描述了当输入矢量用码书所对应的矢量来表征时所付出的代价。 四、如何准备码本训练集 完备性：根据具体应用而定 失真度选择必须具备的特性 必须在主观评价上有意义，即小的失真应该对应于好的主观语音质量； 必须是易于处理的，即在数学上易于实现，这样可以用于实际的矢量量化器的设计； 平均失真存在并且可以计算； 易于硬件实现 失真测度主要有均方误差失真测度（即欧氏距离）、加权的均方误差失真测度、板仓－斋藤（Itakura－Saito）距离，似然比失真测度等，还有人提出的所谓的“主观的”失真测度。 一、欧氏距离－均方误差 设输入信号的某个K维矢量X，与码书中某个K维矢量Y进行比较，xi,yi分别表示X和Y中的各元素 ，则定义均方误差为欧氏距离： 分裂法 * * 采用矢量量化的效果优于标量量化的原因？ 矢量量化能有效的应用矢量中各分量之间的四种相互关联性质来消除数据中的冗余度。 线性依赖(相关性) 非线性依赖(统计不独立) 概率密度函数的形状 矢量量化的维数 而标量量化仅能利用线性依赖和概率密度函数的形状来消除冗余度。 矢量量化研究的目的？ 针对特定的信息源和矢量维数，设计出一种最优化的量化器，在R（量化速率）一定的情况下，给出的量化失真尽可能接近D(R)(最小量化失真)。 图7-1 矢量量化概念示意图 2. VQ问题分解 失真测度是矢量量化和模式识别中一个十分重要的问题，选择合适与否直接影响系统的性能。 失真是将输入信号矢量用码书的重构矢量来表征时的误差或所付出的代价。这种代价的统计平均值（平均失真）描述了矢量量化器的工作性。 3. 失真测度 几种其他常用的欧氏距离： r方平均误差 2. r平均误差 3.绝对值平均误差 4.最大平均误差 二、线性预测失真测度