语音信号处理第4章-矢量量化.ppt

第四章语音信号的矢量量化





概述
矢量量化(VQ,Vector Quantization)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
概述
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
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。
概述
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)。
矢量量化的基本原理
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,或有K个参数构成K维空间的一个矢量,然后对这个矢量进行量化。
矢量量化将K维无限空间划分为M个区域边界,然后将输入矢量Xi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。
矢量量化的基本原理
将信号序列{xi}的每K个连续样点分成一组,形成K维欧式空间中的一个矢量,矢量量化就是把这个K维输入矢量X映射成另一个K维量化矢量。
量化矢量构成的集合{Yi} 称为码书或码本,码书中的每个矢量Yi称为码字或者码矢。
矢量量化的基本原理
以K=2进行说明:所有可能的二维矢量就形成了一个平面,记为( a1,a2 )。
(a1,a2)就是一个二维空间。
矢量量化的基本原理
矢量量化的码本设计:将二维平面划分为J个互不相交的子区域,S1,S2,…,SJ,从每一子区域中找出代表值Yi(i=1,2….J),构成一个有J个区间的二维矢量量化器。图示的是一个7区间的二维矢量量化器,即K=2,J=7。
J个量化矢量构成的集合{Yi} 称为码书或码本
码书中的每个量化矢量Yi (i=1,2….J)称为码字或码矢。
矢量量化的基本原理
区域划分不同或者量化矢量选取不同,构成不同的矢量量化器。
根据仙农信息论,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。
矢量量化的基本原理
矢量量化过程: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,分别计算矢量X和各个量化矢量Yi之间的失真。
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)。