语音信号处理实验SSP实验-7第七章矢量量化.ppt

(VQ,即VectorQuantization)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、?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。矢量量化的理论基础是香农(Shannon)的率失真理论。率失真理论指出,给定速率R条件下,所能达到的最小失真D(R),即:利用矢量量化,编码性能有可能任意接近率-失真函数D(R),其方法是增加维数k;该理论指出了矢量量化的优越性(每比特的信息量随维数增大)。率-失真理论在实际应用中的重要指导意义:实际算法与率失真函数相比较,分析系统还有多大的改进余地。但是,率-失真理论是一个存在性定理而非构造性定理,因为它没有指出如何构造矢量量化器。构造矢量量化器使用LBG算法(由Linde,Buzo和Gray提出)率-失真理论矢量量化研究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。2--22标量量化矢量量化的定义将信号序列的每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。其中量化矢量构成的集合称为码书或码本,码书中的每个矢量称为码字或者码矢。图7-1矢量量化概念示意图二维矢量量化: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