一种多级量化的方法，其特征在于，包括以下步骤： 根据前级码本获取参考码本； 根据所述参考码本和缩放因子，获取本级码本； 利用所述本级码本，对输入的矢量进行量化。
【技术实现步骤摘要】
本专利技术涉及数据压缩
，特别是涉及一种多级量化的方法及装置。技术背景随着数据压缩技术的迅速发展，矢量量化得到广泛的应用。矢量量化是 一种高效的数据压缩技术，该技术将若干个标量数据柱构成一个矢量，然后在矢量空间中给以整体量化，从而压缩了数据而不损失多少信息。其过程为 将信号波形的k个采样点的每一帧或有k个参数的每一个参数集，构成k维欧氏 空间中的一个矢量，然后对矢量进行集体量化。矢量量化时，将k维无限 空间划分为M个区域边界，然后将输入信号的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。矢量量化过程的计算复杂度 主要集中于按照某种失真测度准则对码本进行搜索的过程，而空间复杂度主 要体现在使用的码本空间的大小。 一般来说，码本空间越大，所需存储量和 搜索的计算复杂度也越高，但同时量化精度也越高。目前， 一般采用多级量化或分裂码本量化的方法降低矢量量化过程的计 算复杂度。 一种两级量化的过程如图l所示，对输入矢量x采用码本l进行第一 级矢量量化，采用码本2进行第二级矢量量化。该两级矢量量化虽然只有M1 和M2尺寸的码本，但却相当于含有M1 .M2尺寸的一级矢量量化的码本效果。 因此，与一级矢量量化系统相比，失真和比较的运算量以及码;^储容量， 都分别从M1 . M2减少到M1+M2。分裂码本量化的方法用以在对高维矢量进行量化时降低搜索和存储的复 杂度。该方法将待量化的矢量分成两个或者多个子矢量进行量化。下面以分 裂成两个子矢量为例进行说明设输入矢量为x-[x,，X2，…,;^:f，所使用的码 本为Y,假设量化后的比特长度为L，则对于码本Y所需的存储空间为Wx21。 如果将x分为两个子矢量x。^^，X2，…,XK;f和X6^Xm,XK+2，…，Xw;T,相应地，所使用的码本也分裂为i;和i;,假设x。量化后的比特长度为4， ^量化 后的比特长度为A,在丄=丄。+丄6时，对于码本i;所需的存储空间为^x24, 对于码本K所需的存储空间为(7V -〖)x 2，所需的总的存储空间将远远小于码本Y所需的存储空间7Vx2、特别地，当x。和X6维数相等且对应维的分量有 相近的统计特性时，1 = 1;,可进一步节省存储量。在ITU (International Telecommunication Union,国际电4言耳关盟)的i吾音编 码标准一共轭结构代数码本激励线性预测声码器中，LPC (Linear Prediction Coding,线性预测编码)分析得到的信号谱参数LSF (Linear Spectrum Frequency,线谱频率)的量化用4阶MA (Moving Average Model,滑动平均 模型)预测量化器来预测当前帧的LSF系数，预测误差用二级矢量量化。第一 级是10维矢量，用7比特编码，Ll表示码本；第二级是将10维分裂为两个5维 的码本，L2表示较低的5维，L3表示较高的5维，分别用5比特编码。而在ITU的语音编码标准一共轭结构代数码本激励线性预测声码器的静 音压缩方案中，对噪声帧的LSF系数矢量量化采用了两级量化，第一级量化器 的输入为预测器的预测误差，第二级量化第一级量化的量化误差。其中，噪 声帧的第 一级量化码本是语音帧第 一级码本的子集，噪声帧的第二级码本是 语音帧第二级码本的子集。即从第二级量化码本的2个长度为32的码本中训练 出2个长度为16的子码本，码本索引存放在一个数表中。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题在采 用多级量化方法降低矢量量化过程的计算复杂度时，每一级量化的码本之间 是互相独立的，每个码本都需要相应的码本空间，因而造成了存储空间的浪 费，资源利用率低。
技术实现思路
本专利技术实施例要解决的问题是提供一种多级量化的方法及装置，以克服 现有技术中由于每一级量化的码本之间互相独立而造成的存储空间浪费的缺陷。为达到上述目的，本专利技术实施例的技术方案提供了一种多级量化的方法，包括以下步骤根据前级码本获取参考码本；根据所述参考码本和缩放因子， 获取本级码本；利用所述本级码本，对输入的矢量进行量化。本专利技术实施例的技术方案还提供了一种多级量化的装置，包括前级码 本存储单元，用于存储前一级或前几级的码本；参考码本获取单元，用于根 据所述前级码本存储单元存储的码本获取参考码本；缩放因子存储单元，用 于存储缩放因子；本级码本获取单元，根据所述参考码本获取单元获取的参 考码本和所述缩放因子存储单元存储的缩放因子，获取本级码本；矢量量化单元，用于利用所述本级码本获取单元获取的本级码本，对输入的矢量进行 量化。上述技术方案中的一个实施例具有如下优点本专利技术实施例通过本级 码本与前级码本的关联，可以根据前级码本获取本级码本，使得本级码本 无需相应的独立码本空间，从而节省了存储空间，提高了资源利用率。附图说明图1是现有技术的一种两级量化的流程图； 图2是本专利技术实施例的一种二级量化的流程图； 图3是本专利技术实施例的另一种二级量化的流程图； 图4是本专利技术实施例的一种三级量化的流程图； 图5是本专利技术实施例的一种多级量化的装置的结构图； 图6是本专利技术实施例的另一种三级量化的流程图； 图7是本专利技术例的另一种多级量化的装置的结构图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述 在基于线性预测的语音编码中，需要对线性预测参数矢量量化，以线性预测参数转换为IO维LSF ( Linear Spectrum Frequency,线谱频率)参数进行两级量化为例。本专利技术实施例的一种二级量化方法流程图如图2所示，具体包括以下步骤缩放因子(集)Y需要预先获得，可以通过如下的训练方法获得 Y需要用大量的样本训练得到，最简单的训练方法是通过第一级量化后的量化误差矢量空间半径与第一级量化矢量空间半径相比得到。假设有L个样本，每个样本是N维矢量，设第一级量化误差为<formula>formula see original document page 8</formula>其中，气。，xu ，…，i分别为前一级量化矢量中每一维的量化误差值； 第一级量化矢量为<formula>formula see original document page 8</formula>则比例因子Z可由下式计算得到<formula>formula see original document page 8</formula>其中，Xo，。,Xw,…，X^分别为前一级量化矢量中每一维的值或者用最小均方误差方法搜索出最优Y值。具体做法将0到2分成M^P分，令 y =2/ ,=4/…7 1)/用M个y值与前一级码本Yl相乘得到M个新码本分别用这M个码本对样本矢量进行量化，假设有L个样本，则第j个新码本 对每一个样本矢量搜索出最佳码本，同时得到最小加权量化误差e,设所有 样本最小加权量化误差之和计为<formula>formula see original document page 8</formula>每个码本^^对应一个A,在A中搜索出最小值Emin, Emin对应乙的就 是所求本文档来自技高网...
【技术保护点】
一种多级量化的方法，其特征在于，包括以下步骤： 根据前级码本获取参考码本； 根据所述参考码本和缩放因子，获取本级码本； 利用所述本级码本，对输入的矢量进行量化。
【技术特征摘要】
1、一种多级量化的方法，其特征在于，包括以下步骤根据前级码本获取参考码本；根据所述参考码本和缩放因子，获取本级码本；利用所述本级码本，对输入的矢量进行量化。2、 如权利要求1所述多级量化的方法，其特征在于，所述参考码本包括 前一级码本或/人前一级或前几级码本中选择的码本。3、 如权利要求1所述多级量化的方法，其特征在于，所述参考码本为将 所述前一级码本中的矢量合并后形成的码本。4、 如权利要求1所述多级量化的方法，其特征在于，所述缩放因子由前 一级量化误差和前一级量化矢量确定。5、 如权利要求4所述多级量化的方法，其特征在于，当所述前一级量化i吴差为X! 二[a,o,X!,p…，X!,nF，所述前一级量4匕矢量为x0=[x00,x01 ，…，x0,w—!;T时，才艮据7>式获取所述缩放因子，其中L为样本的数量，N为矢量的维数，气。，Xu，…，x^ 分别为前一级量化矢量中每一维的量化误差值，x。，。，Xw，…，x。，n分别为前一 级量化矢量中每一维的值。6、如权利要求1所述多级量化的方法，其特征在于，所述缩放因子由以 下过程获取将O到2分成M份，根据公式;^^,^^，…，;v,2(n^获取M 个y值；根据所述M个y值与前一级码本Yl,获取M个新码本YoYl, ^Y1… 采用所述M个新码本对样本矢量进行量化，并根据公式五,Z获取每个码本对应的所有样本最小加权量化误差之和g.,其中L为样本 的数量，e,.,.为最小加权量化误差；乂根据每个码本对应的￡;,获取最佳缩放因子Y。7、 如权利要求4至6任一项所述多级量化的方法，其特征在于，当所述 缩放因子为...
【专利技术属性】
技术研发人员：艾雅·舒默特，代金良，殷福亮，马欣，张军，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：94
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。