语音信号处理第3版——第3讲课件.ppt

第二步：迭代 2）计算失真： 1）根据最近邻准则将S分成J个子集 ， 即当 时，下式成立： 4）计算相对失真改进量 ： 3）计算新码字 将 与失真门限值 进行比较。若 则转入 6）否则转入5）； 5）若 则转至6），否则m加1，转至1） 第三步：结束 6）得到最终的训练码书 ， 并输出总失真 为了避免迭代算法无限制循环下去，这里设置了两个阈值参数：最大迭代次数L和失真控制门限 。 的值设得远小于1，当 时，表明再进行迭代运算失真得减小是有限的、可以停止运算。L是限制迭代次数的参数，防止 设置较低时迭代次数过多 三、初始码书的选择 随机选取法 分裂法 链映射法 3.1矢量量化 3.1.1矢量量化的基本原理 3.1.2失真测度 3.1.3 线性预测失真测度 3.1.4识别失真测度 3.1.5最佳码本设计 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。 矢量量化是实现数据压缩的一种有效方法，早在50和60年代就被用于语音压缩编码。直到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。80年代初，矢量量化技术的理论和应用研究得到迅速发展。 采用矢量量化技术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. 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。 这四种相互关联的性质是线性依赖(相关性)、非线性依赖(统计不独立)、概率密度函数的形状和矢量量化的维数， 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)。 标量量化是对信号的单个样本或参数的幅度进行量化；标量是指被量化的变量，为一维变量。 矢量量化的过程是将语音信号波形的K个样点的每一帧，或有K个参数的每一参数帧构成K维空间的一个矢量，然后对这个矢量进行量化。 标量量化可以说是K＝1的矢量量化。矢量量化过程和标量量化过程相似。将K维无限空间划分为M个区域边界，然后将输入矢量与这些边界进行比较，并被量化为“距离”最小的区域边界的中心矢量值。 矢量量化的定义 设有N个K维特征矢量 （X在K维欧几里德空间 中），其中，第i个矢量记为 可以被看作是语音信号中某帧参数组成的矢量。 把K维欧几里德空间 无遗漏地划分为J个互不相交的子空间 即满足 子空间 成为胞腔。 在每一个子空间 找一个代表矢量 ，则J个代表矢量可以组 成矢量集 Y是一个矢量量化器，在矢量量化里Y叫作码书或码本， 称为 码矢或码字。矢量个数J叫作码本长度，或者码本尺寸。 不同的划分或者不同的代表矢量选取方法就可以构成不同的矢量量化器 步骤：1）判断—— 具体属于哪个子空间 2）输出—— ，Q为量化器函数 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3-1（a）所示 矢量量化就是将这个平面划分为M块S1，S2，…，Si…SM，然后从每一块中找出代表值Yi（i＝1，2….M），这就构成一个有M个区间的二维矢量量化器。 图3-1（b）所示的是一个7区间的二维矢量量化器，即K＝2，M＝7。 图3-1 矢量量化概念示意图 通常这些代表值Yi称为量化矢量。 对一个矢量X进行量化，首先选择一个合适的失真测度，然后用最小失真原理，分别计算用量化矢量Yi替代X所带来的失真。 其中最小失真值所对应的那个量化矢量，就是矢量X的重构矢量（或恢复矢量） 注：根据香农信息论，矢量越长越好。实际中码书是不完备的， 即矢量数是有限的，而对于任何一个实际应用来说，矢量通常 是无限的。 在实际运用中，输入矢量和码书中码字不匹配的情况下，这种 失真是允许的。 存在的问题 （1）如何划分M个区域边界。 将大