[发明专利]一种矢量量化方法及矢量量化器

说明书

技术领域

本发明涉及编码技术，具体涉及一种矢量量化方法及矢量量化器。

背景技术

随着多媒体应用的飞速发展，数字压缩技术得到了广泛的重视和研究。无论语音、图像或视频的传输都倚重于低码率高质量的压缩编码方式。目前广为采用的压缩编码方法包括行程长度编码、预测及内插编码、矢量量化(VQ：Vector Quantization)编码等。其中矢量量化编码方法是一种有损编码方式，以其高压缩比和简单的解码方式在语音和图像压缩技术中被广泛使用。

矢量量化编码的核心过程是对输入矢量进行量化的过程。在进行量化前，先通过大量样本的训练或学习，或自组织特征映射神经网络的方法，得到一系列的标准矢量模型，每一个标准矢量模型称为一个码本，若干码本合在一起称为码书，码书实质上相当于数据库，各码本以其索引确定在码书中的位置。初始的语音或图像等数据按照一定的方式形成输入矢量，矢量量化的过程简单说来就是寻找与输入矢量距离最近的码本的索引的过程。在保证重现质量的前提下，缩小码本容量，降低运算复杂度，是矢量量化方法研究与发展的主要目标之一。

下面以语音编码中一种对导抗谱频率(ISF：Immittance Spectral Frequency)进行矢量量化的方法——宽带自适应语音编解码(AMR-WB+)方法为例，说明现有矢量量化的具体处理过程。

语音信号经过线性预测(LP：Linear Prediction)器，得到相应若干阶LP系数，将LP系数转换到频域得到由若干个ISF参数组成的ISF矢量。AMR-WB+采用联合矢量量化(SVQ：combination of Split Vector Quantization)和多级矢量量化(MSVQ：Multi-Stage Vector Quantization)的方式量化ISF矢量，具体描述如下：

1、采用一阶滑动平均(MA：Moving Average)预测法，求出当前第n帧的ISF预测残差矢量r；设ISF矢量是16维矢量，那么r也是一个16维矢量。

2、对残差矢量r进行量化处理，如表1所示，表1是现有ISF矢量量化过程的比特分配及码书使用表。先对r进行第一级分裂，得到两个一级子矢量，分别是9维的r1的和7维的r2；分别用8比特量化r1和r2，则相应所使用的码本的个数分别为256个9维码本和256个7维码本。

3、然后对r1和r2分别进行第二级分裂。9维的r1被分裂为三个二级子矢量，分别是：3维的r11，用6比特量化，对应的码本为64个3维码本；3维的r12，用7比特量化，对应的码本为128个3维码本；3维的r13，用7比特量化，对应的码本为128个3维码码本。7维的r2被分裂为两个二级子矢量，分别是：3维的r21，用5比特量化，对应的码本为32个3维码本；4维的r22，用5比特量化，对应的码本为32个4维码本。

在上述用码本对矢量(包括一级子矢量、二级子矢量等)进行量化时，通过衡量矢量与相应的码本集合中各个码本之间的偏差来确定所选取的量化码本。一般可通过计算码本相对于矢量的失真度来表示这个偏差，AMR-WB+中所采用的失真度一般可表示为，待量化矢量与相应码本同维度分量的差值的平方和。通常可选择与待量化矢量相比失真度最小的码本作为量化码本。量化比特记录所选择量化码本的索引，解码端可根据该索引找到相应的量化码本，从而以相反的过程逐级恢复出最初输入矢量的比较好的近似值。

                         表1

采用上述量化方法对语音信号的16维ISF矢量进行量化，能够获得较高的编码质量，但相应的码本存储量较大，由于计算时需要遍历所有码本，因此量化复杂度也较高，计算量比较大。

发明内容

本发明解决的技术问题是提供一种能够降低量化复杂度的矢量量化方法及矢量量化器。

一种矢量量化方法包括：获取待量化矢量；获取基础码本矢量，所述基础码本矢量由若干基础子矢量组成；所述若干个基础子矢量中，至少有一个二维或二维以上的基础子矢量对应于一个调整矢量集合，所述调整矢量集合包含N个与该基础子矢量同维度的调整矢量；至少一个所述调整矢量集合满足，N小于该调整矢量集合中全部调整矢量各维度的不同取值的全部可能组合数；获取与基础子矢量对应的调整矢量；将基础码本矢量和一个或一个以上与不同基础子矢量对应的调整矢量的组合视为联合码本矢量，根据联合码本矢量与所述待量化矢量的偏差，从可能的联合码本矢量中选择用于量化的联合码本矢量；获得与被选择的联合码本矢量对应的基础码本矢量的索引以及调整矢量的索引。