當(dāng)前位置:首頁 > 工業(yè)控制 > 工業(yè)控制
[導(dǎo)讀]摘 要: 為充分利用碼本的級間相關(guān)性,提出了一種聯(lián)合碼本優(yōu)化多級矢量量化(JCO-MSVQ)碼本設(shè)計方法。每次迭代時,先將訓(xùn)練矢量對碼字進(jìn)行聚類,再對各級碼本進(jìn)行聯(lián)合優(yōu)化,利用條件期望逐級更新碼本。實驗數(shù)據(jù)表明,

摘 要: 為充分利用碼本的級間相關(guān)性,提出了一種聯(lián)合碼本優(yōu)化多級矢量量化(JCO-MSVQ)碼本設(shè)計方法。每次迭代時,先將訓(xùn)練矢量對碼字進(jìn)行聚類,再對各級碼本進(jìn)行聯(lián)合優(yōu)化,利用條件期望逐級更新碼本。實驗數(shù)據(jù)表明,該算法在設(shè)計10維線譜頻率(LSF)參數(shù)量化碼本時,較隨機松弛算法(SR)碼本有更小的平均量化畸變。23比特/幀LSF參數(shù)量化器平均對數(shù)譜失真為0.87dB,達(dá)到了透明量化要求。
  關(guān)鍵詞: 多級矢量量化 線譜頻率 加權(quán)對數(shù)譜失真 透明量化


  矢量量化(Vector Quantization)是一種極其重要的信號壓縮方法,廣泛應(yīng)用于語音、圖像信號壓縮等領(lǐng)域。信息論的一個分支——“率-畸變理論”指出,無論對于何種信息源,即使是無記憶的信息源(即各個采樣信號之間互相統(tǒng)計獨立),矢量量化總是優(yōu)于標(biāo)量量化,且矢量維數(shù)越大優(yōu)度越高。因此,目前國內(nèi)外對于矢量量化技術(shù)的研究非常廣泛而深入。平衡考慮量化效果和運算復(fù)雜度,多級矢量量化(MSVQ)提供了一個很好的折衷辦法。
  線性預(yù)測編碼(LPC)參數(shù)能很好地表征語音信號的短時譜包絡(luò)信息,在各種LPC參數(shù)中,線譜頻率(LSF)[1]較其它參數(shù)能更有效地表達(dá)LPC信息。K.K.Paliwal和B.S.Atal仔細(xì)研究了用24~26個比特量化一個10階LSF參數(shù)的方法,提出了分裂矢量量化(Split Vector Quantization)和多級矢量量化MSVQ(Multistage Vector Quantization)兩種方案,并且試驗得到了用25比特的2級MSVQ能取得較好的量化效果(平均失真1dB,2~4dB概率小于2%,大于4dB為0)。
  MSVQ算法有效減小了碼本容量,但如果在量化比特有限的情況下,想取得透明的量化效果,必須解決兩個問題:(1)怎樣搜索碼本得到最佳匹配索引;(2)怎樣設(shè)計碼本。在算法設(shè)計中這兩個問題必須統(tǒng)一考慮。對前一個問題,為了方便一般采用序列搜索算法,依次搜索得到各級的最佳匹配矢量。在碼本設(shè)計中,更多的也是分級依次進(jìn)行碼本訓(xùn)練,割裂了各級碼本之間的相關(guān)性。本文將著重研究多級矢量量化的聯(lián)合優(yōu)化碼本設(shè)計問題。
1 問題分析
  傳統(tǒng)的MSVQ算法在LSF參數(shù)碼本設(shè)計時采用一種連續(xù)(stage-by-stage)的設(shè)計方法,第k級碼本只與前面的第1至第(k-1)級碼本有關(guān),而不考慮后續(xù)各級碼本,即將后續(xù)各級碼本內(nèi)容視為0。在量化時,同樣只在本級尋找1個最佳匹配矢量,然后得到余量矢量送入下一級量化。量化過程可以用式(1)表示,假設(shè)有2級碼本,需要找出各級碼本索引:
  
  在序列搜索算法中,搜索yi時,假設(shè)zj為0,搜索zj時yi已經(jīng)固定。這樣的搜索算法顯然是一種次優(yōu)的搜索算法,解決這個問題的方法是全搜索[3]。全搜索是最優(yōu)的搜索算法,但是其計算復(fù)雜度卻是難以承受的。例如,一個25比特2級碼本(13-12結(jié)構(gòu)),其全搜索復(fù)雜度是上述連續(xù)搜索的2000倍以上。M進(jìn)制搜索[4]折衷解決了這個問題。在運算量大大減小的情況下,取得了逼近全搜索的量化效果。
  在碼本設(shè)計中,無論是經(jīng)典的GLA算法還是改進(jìn)的模擬退火(SA)算法,碼本設(shè)計都是逐級連續(xù)進(jìn)行的。利用各級碼本之間的相關(guān)性優(yōu)化碼本設(shè)計,可以較明顯地改善MSVQ的量化效果。在應(yīng)用聯(lián)合碼本設(shè)計方法量化音頻DCT系數(shù)時,已經(jīng)取得了大約0.4 dB的SNR改善[5]。本文在量化LSF參數(shù)時,對比300步的SR算法,得到了大約0.05dB、約1bit的加權(quán)對數(shù)譜失真(WLSD)[6]的改進(jìn)效果。
2 算法說明
2.1 失真距離量度
  對一個MSVQ碼本,為方便考慮假設(shè)共有2級碼本。LSF參數(shù)為10維矢量。對LSF參數(shù)而言,其敏感矩陣(sensitivity matrix)是對角陣,因此可以用加權(quán)最小均方誤差(WMSE)代替加權(quán)對數(shù)譜失真(WLSD)作為失真量度[6]。量化失真
  
  r的經(jīng)驗值一般為0.15。
2.2 理論推導(dǎo)
  對一個訓(xùn)練矢量集X和兩級碼本Y、Z,可以對X中每個矢量進(jìn)行2級全搜索,得到最佳索引值對(i,j)。根據(jù)i和j的不同可以對X中每個矢量進(jìn)行聚類。假設(shè)S為對第一級碼字形成的聚類,Si為所有X中第一級量化索引為i的訓(xùn)練矢量集合。同樣假設(shè)R為第二級碼字聚類,可知,{S1,S2,…,SK1}和{R1,R2,…,RK2}均是同一X集合的不同劃分。對于X∈Si,平均量化失真為:
  
  可以令v=E{x-U|x∈Si},則第三項為0。第二項恒為非負(fù),所以
  
  通過多次迭代,可以得到聯(lián)合優(yōu)化的最優(yōu)碼本。
2.3 算法描述
  (1)設(shè)置初始碼本,讀入訓(xùn)練矢量文件,并對其進(jìn)行兩級碼本全搜索,得到針對兩級碼本的聚類{S1,S2,…,SK1}和{R1,R2,…,RK2}。假設(shè)訓(xùn)練矢量個數(shù)為num,對所有訓(xùn)練矢量計算此時的量化失真之和,失真測度采用WLSD距離。設(shè)置迭代最大步數(shù)N,設(shè)置初始步數(shù)n=0;
  (2)n=n+1,利用式(9)更新第一級碼本;
  (3)重新對訓(xùn)練矢量集進(jìn)行全搜索,得到新的索引值對(i, j),然后利用式(10)更新第二級碼本;
  (4)再次對訓(xùn)練矢量集進(jìn)行量化搜索,得到新的索引值對(i, j),并重新計算量化總畸變Dn;
  (5)判斷n=N?若n<N,跳轉(zhuǎn)至(2)繼續(xù)進(jìn)行迭代;若n=N,結(jié)束迭代,保存更新后的碼字至碼本文件。
2.4 算法的進(jìn)一步優(yōu)化
  上述聯(lián)合優(yōu)化MSVQ算法中,很重要的一步就是對訓(xùn)練矢量進(jìn)行聚類,使每個訓(xùn)練矢量得到一個最匹配的索引值對(i, j)。(i, j)應(yīng)當(dāng)是通過全搜索得到的全局最佳匹配矢量。在不需要在線更新碼本的情況下,全搜索是可以采用的。然而如果在矢量維數(shù)較高時,想減小碼本訓(xùn)練的運算量,也可以采用M進(jìn)制序列搜索的方法。取M=8在實驗中得到了很好的效果。這樣即可得到一個性能近似的簡化版JCO-MSVQ碼本設(shè)計方法。
  另外,在碼本設(shè)計中,可能出現(xiàn)聚類中無訓(xùn)練矢量,即出現(xiàn)空聚類的情況。這時可以刪除該空聚類,并將包含訓(xùn)練矢量最多的那個聚類抖動成兩個聚類。這樣可以獲得更小的聯(lián)合量化誤差,如圖1所示。


3 實驗結(jié)果和分析
  實際應(yīng)用中,碼本訓(xùn)練采用107 MB的語音文件,得到342302幀LSF參數(shù)(10維)和加權(quán)系數(shù),訓(xùn)練矢量集足夠大。在實際的2kbps語音編碼算法中,對LSF參數(shù)進(jìn)行3級矢量量化,比特分配為9/8/6,共23bits。利用聯(lián)合優(yōu)化碼本生成算法進(jìn)行300步迭代,與SR算法的第三級300步迭代結(jié)果進(jìn)行比較,得到訓(xùn)練碼本總畸變數(shù)據(jù),如圖2所示。


  可以看到,同樣步數(shù)的JCO-MSVQ算法較SR算法能取得更小的量化畸變。SR算法經(jīng)過一定步數(shù)的迭代,基本沒有下探的空間。而JCO-MSVQ算法則能繼續(xù)優(yōu)化碼本,獲得更好的量化效果。并且,與SR算法不同,JCO-MSVQ算法中量化畸變是單調(diào)遞減的,因在訓(xùn)練過程中每一步都是最優(yōu)的(簡化算法中是多進(jìn)制搜索,因而是次優(yōu)的)。
  統(tǒng)計量化譜失真,聯(lián)合碼本優(yōu)化MSVQ比其他的MSVQ有明顯的改善。在同一個LSF量化器中分別采用23bits SR碼本(碼本1)、24bits SR碼本(碼本2)和23bits聯(lián)合優(yōu)化碼本(碼本3),測試語音為一個3.5MB的語音文件,既有男聲也有女聲,共11348幀LSF參數(shù)。統(tǒng)計量化譜失真得到表1所示數(shù)據(jù)。
  從表1數(shù)據(jù)可以看到,同是23bits的量化,聯(lián)合碼本設(shè)計MSVQ與應(yīng)用SR算法生成碼本的MSVQ相比較,有大約1個比特的改善,接近于應(yīng)用SR算法24bits量化的效果。甚至優(yōu)于文獻(xiàn)[2]中MSVQ算法的26bits量化(平均譜失真0.93dB)。平均譜失真為0.87dB,大于4dB的譜失真統(tǒng)計為0,達(dá)到了透明量化的要求。


  本文研究結(jié)果已經(jīng)成功應(yīng)用于1/2kbps可變速率聲碼器項目中。

本站聲明: 本文章由作者或相關(guān)機構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點,本站亦不保證或承諾內(nèi)容真實性等。需要轉(zhuǎn)載請聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請及時聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫毥谦F公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

加利福尼亞州圣克拉拉縣2024年8月30日 /美通社/ -- 數(shù)字化轉(zhuǎn)型技術(shù)解決方案公司Trianz今天宣布,該公司與Amazon Web Services (AWS)簽訂了...

關(guān)鍵字: AWS AN BSP 數(shù)字化

倫敦2024年8月29日 /美通社/ -- 英國汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動 BSP

北京2024年8月28日 /美通社/ -- 越來越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運行,同時企業(yè)卻面臨越來越多業(yè)務(wù)中斷的風(fēng)險,如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報道,騰訊和網(wǎng)易近期正在縮減他們對日本游戲市場的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會開幕式在貴陽舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機 衛(wèi)星通信

要點: 有效應(yīng)對環(huán)境變化,經(jīng)營業(yè)績穩(wěn)中有升 落實提質(zhì)增效舉措,毛利潤率延續(xù)升勢 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競爭力 堅持高質(zhì)量發(fā)展策略,塑強核心競爭優(yōu)勢...

關(guān)鍵字: 通信 BSP 電信運營商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺與中國電影電視技術(shù)學(xué)會聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會上宣布正式成立。 活動現(xiàn)場 NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會上,軟通動力信息技術(shù)(集團(tuán))股份有限公司(以下簡稱"軟通動力")與長三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉