提供一种用于通过确定语音编码算法的码本向量来编码语音信号的装置。该装置包含用于确定自相关矩阵R的矩阵确定器(110)，以及用于根据自相关矩阵R来确定码本向量的码本向量确定器(120)。矩阵确定器(110)被配置为通过确定向量r的向量系数来确定自相关矩阵R，其中，自相关矩阵R包含多个行及多个列，其中，向量r表示自相关矩阵R的列中的一个或行中的一个，其中R(i，j)＝r(|i-j|)，其中R(i，j)指示自相关矩阵R的系数，其中，i是第一索引，其指示自相关矩阵R的多个行中的一个，且其中j是第二索引，其指示自相关矩阵R的多个列中的一个。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及音频信号编码，且具体地，涉及在自相关域中利用ACELP编码语音信 号的装置。
技术介绍
在通过码激励线性预测（CELP)的语音编码中，通过线性预测（LP)模型来描述语 音信号的频谱包络（或等效地，短时时间结构），且通过长时预测器（LTP，亦称为自适应码 本（codebook))将预测残余模型化，且通过码本（亦称为固定码本）来表示残余信号。后 者，即固定码本，通常应用为代数码本，其中通过代数公式或算法来表示码本，因此不需要 储存整个码本，而仅需储存算法，同时允许一种快速搜寻算法。针对残余应用代数码本的 CELP编码译码器被称为代数码激励线性预测（ACELP)编码译码器（见、、、4])。 在语音编码中，利用代数残余码本是在诸如、、的主流编码译码器 中选择的方法。ACELP基于：通过线性预测（LP)滤波器将频谱包络模型化、通过长时预测 器（LTP)将浊音的基频模型化以及通过代数码本将预测残余模型化。在感知域中通过最小 平方算法来优化LTP参数及代数码本参数，其中该感知域由滤波器指定。 ACELP式算法中计算起来最为复杂的部分（即瓶颈）是残余码本的优化。目前唯 一已知的最佳算法将是针对每个子图框对大小为Np的空间的穷举式搜寻，其中在每个点 上，需要复杂性为CN 的评估。因为典型值为子图框长度N = 64 (亦即，5ms)，其中，p = 8个脉冲，所以此意味每秒有超过1020次的运算。显然此并非可行选择。为保持在硬件需 求所设定的复杂性限制内，码本优化方法必须使用非最佳反复算法来操作。过去已提出许 多此类算法以及对优化过程的改良，例如、、、、。 明确而言，ACELP优化是基于将语音信号x(n)描述为线性预测模型的输出，以使 得所评估的语音信号为 i I? >= -5", , Λ?^^i n-k)+iik) t , k 其中，a(k)为LP系数且tMk)为残余信号。此等式可以向量的形式表示为 X=He (2) 其中，矩阵H被定义为具有对角线h(0)及较低对角线h(l)，...，h (39)的下三角 Toeplitz卷积矩阵，且向量h(k)是LP模型的脉冲响应。应注意，在此表示法中，省略了感 知模型（其通常对应于加权的LP模型），但是假定感知模型包括在脉冲响应h(k)中。此省 略不影响结果的一般性，但是简化了表示法。如在中，应用对感知模型的包括。 通过平方误差来量测模型的适合度。亦即， c' = I λ1 Ir I - ,v< fc ef HJ HI #? - e I (飞） 此平方误差用来找到最佳的模型参数。此处，假定LTP及脉冲码本均用来将向量 e模型化。实际应用可在相关出版物（见)中找到。 在实践中，可将上述适合度量测简化如下。假设矩阵B = HtH包含h(n)的相关， 假设ck是第k个固定码本向量，且设定,其中，g是增益因子。通过假定g是最佳选 择，则通过使搜寻准则最大化来搜寻码本【主权项】1. 一种用于通过确定语音编码算法的码本向量来编码语音信号的装置，其中，所述装 置包括： 矩阵确定器（110)，用于确定自相关矩阵R，以及 码本向量确定器（120)，用于根据所述自相关矩阵R来确定所述码本向量， 其中，所述矩阵确定器（110)被配置为通过确定向量r的向量系数来确定所述自相关 矩阵R，其中，所述自相关矩阵R包括多个行及多个列，其中，所述向量r表示所述自相关矩 阵R的所述列中的一个或所述行中的一个，其中 R(i，j) = r(| i-j |)， 其中，R(i，j)表示所述自相关矩阵R的系数，其中，i是表示所述自相关矩阵R的所述 多个行中的一个的第一索引，并且其中，j是表示所述自相关矩阵R的所述多个列中的一个 的第二索引。2. 根据权利要求1所述的装置， 其中，所述矩阵确定器（110)被配置为通过应用以下公式来确定所述向量r的所述向 量系数：其中，h(k)表示线性预测模型的感知加权脉冲响应，并且其中，k是为整数的索引，并 且其中，1是为整数的索引。3. 根据权利要求1或2所述的装置， 其中，所述矩阵确定器（110)被配置为根据感知加权线性预测器来确定所述自相关矩 阵R。4. 根据前述权利要求中的一项所述的装置， 其中，所述码本向量确定器（120)被配置为通过应用以下公式来确定所述码本向量其中，R是所述自相关矩阵，并且其中，i是所述语音编码算法的一个所述码本向量，并 且其中，f ? ?5是归一化相关。5. 根据权利要求4所述的装置， 其中，所述码本向量确定器（120)被配置为确定所述语音编码算法的所述码本向量I* 所述码本向量i将以下归一化相关最小化6. 根据前述权利要求中的一项所述的装置，其中，所述码本向量确定器（120)被配置 为通过进行矩阵分解来分解所述自相关矩阵R。7. 根据权利要求6所述的装置，其中，所述码本向量确定器（120)被配置为进行所述矩 阵分解以便确定对角矩阵D，以确定所述码本向量。8. 根据权利要求7所述的装置， 其中，所述码本向量确定器（120)被配置为通过利用以下公式来确定所述码本向量其中，D是对角矩阵，其中，f是第一向量，并且其中，/是第二向量。9. 根据权利要求7或8所述的装置，其中，所述码本向量确定器（120)被配置为对所述 自相关矩阵R进行Vandermonde分解来分解所述自相关矩阵R，以便进行所述矩阵分解来确 定所述对角矩阵D，以确定所述码本向量。10. 根据权利要求7至9中的一项所述的装置，其中，所述码本向量确定器（120)被配 置为利用以下等式 Cx| I2= 11DVx11 2 来确定所述码本向量，其中，C表示卷积矩阵，其中，V表示傅立叶变换，并且其中，X表 示所述语音信号。11. 根据权利要求7至10中的一项所述的装置，其中，所述码本向量确定器（120)被配 置为对所述自相关矩阵R进行奇异值分解来分解所述自相关矩阵R，以便进行所述矩阵分 解来确定所述对角矩阵D，以确定所述码本向量。12. 根据权利要求7至10中的一项所述的装置，其中，所述码本向量确定器（120)被配 置为对所述自相关矩阵R进行Cholesky分解来分解所述自相关矩阵R，以便进行所述矩阵 分解来确定所述对角矩阵D，以确定所述码本向量。13. 根据前述权利要求中的一项所述的装置，其中，所述码本向量确定器（120)被配置 为根据所述语音信号的零脉冲响应来确定所述码本向量。14. 根据前述权利要求中的一项所述的装置， 其中，所述装置是用于通过利用代数码激励线性预测语音编码来编码所述语音信号的 编码器，并且 其中，所述码本向量确定器（120)被配置为基于所述自相关矩阵R将所述码本向量确 定为代数码本的码本向量。15. -种用于通过确定语音编码算法的码本向量来编码语音信号的方法，其中，所述方 法包括： 确定自相关矩阵R，以及 根据所述自相关矩阵R来确定所述码本向量， 其中，确定自相关矩阵R包括确定向量r的向量系数，其中，所述自相关矩阵R包括多 个行及多个列，其中，所述向量r表示所述自相关矩阵R的所述列中的一个或所述行中的一 个，其中 R(i，j) = r(| i-j |)， 其中，R(i，j)表示所述自相关矩阵R的系数，其中，i是表示所述本文档来自技高网...
【技术保护点】
一种用于通过确定语音编码算法的码本向量来编码语音信号的装置，其中，所述装置包括：矩阵确定器(110)，用于确定自相关矩阵R，以及码本向量确定器(120)，用于根据所述自相关矩阵R来确定所述码本向量，其中，所述矩阵确定器(110)被配置为通过确定向量r的向量系数来确定所述自相关矩阵R，其中，所述自相关矩阵R包括多个行及多个列，其中，所述向量r表示所述自相关矩阵R的所述列中的一个或所述行中的一个，其中R(i，j)＝r(|i‑j|)，其中，R(i，j)表示所述自相关矩阵R的系数，其中，i是表示所述自相关矩阵R的所述多个行中的一个的第一索引，并且其中，j是表示所述自相关矩阵R的所述多个列中的一个的第二索引。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：汤姆·贝克斯特伦，马库斯·穆赖特鲁斯，纪尧姆·福奇斯，克里斯蒂安·赫尔姆里希，马丁·迪茨，
申请(专利权)人：弗兰霍菲尔运输应用研究公司，
类型：发明
国别省市：德国;DE
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。