[发明专利]基于语音多带激励编码LSP参数的量子压缩方法

说明书

技术领域：

本发明涉及编码技术领域，尤其涉及一种基于语音多带激励编码LSP参数的量子压缩方法。

背景技术：

在经典通信领域，传输的信息具有一定的冗余性，去除信息冗余以减少传输信息比特的方法称为压缩，信息的压缩可以起到节约资源的目的。在量子通信领域，也要进行量子压缩，以达到节约传输量子比特的目的。

现有的量子压缩编码的方法是在量子信息论的基础上提出来的，主要有分布式压缩，固定长度压缩，变长压缩等。而且，量子压缩算法具体的应用只在图像压缩方面。其中：

分布式压缩是指将源量子态分发至两个或更多的小组中，每个小组在发送消息至接收方前，对分到的量子态进行独立压缩，而接收方可以据此重建原始输入。该类压缩方式，不能合理的利用各态矢之间的相关性，因此只在理论上进行了验证，而无实例。

在固定长度压缩中，需要信源的密度矩阵，并称密度矩阵的特征值张量空间为典型子空间，发送的信源信息在发送端判断是否为典型序列，若为典型序列，则可以用较少的量子比特来发送；若非典型序列，则任意发送典型子空间内的任一序列至接收端。

变长压缩是将量子码字通过幺正变换变为长度缩短的新量子码字，并通过其他渠道将原量子码字的长度告知接收端，由接收端根据收到的量子码字及原码字长度，对接受码字添加一定个数的0，使码字长度恢复原长，再进行该幺正变换的逆变换而恢复原量子码字。

还有学者提出了基于量子神经模型和人工神经网络的量子反向传播(quantum reverse propagation，QBP)算法，并用于图像压缩，用更少的学习迭代过程得到了比BP算法更好的重建图像质量。

因此，到目前为止，已经有很多人研究了量子压缩问题，但是并未有人将量子与语音压缩进行结合的实例。

多带激励(Multi-Band Excitation，MBE)模型是Griffin和Lim于1988年针对传统二元模型中的缺点提出一种新的语音模型。简单的二元清/浊音模型中，将一整段语音完全判决为清音或者浊音，但在实际语音中，这一段语音可能既含有清音又含有浊音，如果根据某个标准只判决为一种，那么可能会在合成语音中产生嗡嗡声。

发明内容：

针对上述问题填补该领域的空白，本发明基于语音多带激励编码LSP参数的量子压缩方法，以256大小的码本为例包括如下步骤：

1)通过参数提取、压缩、排序，将语音的LSP参数转换为经典二进制序列，长度为经典二进制8比特；

2)将二进制的0和1分别对应到量子态的|a〉和|b〉可以得到|aaaaaaaaa〉，|aaaaaaaab〉…|bbbbbbbbb〉256种态矢；

3)据表1，将|M〉＝{|aaaaaaaa〉，|aaaaaaab〉…|bbbbbbbb〉}划分为概率较大的正交空间

以及概率较小的正交补子空间

其中，表示其中|λ_a〉和|λ_b〉的个数与前相同但位置不同的量子态矢；

4)应用幺正变换U，对不同子空间的输入序列进行变换；

5)发送端对|ψ′〉的第八个比特进行测量；

6)接收端对所接收的信息后面添加|0〉，并进行解压缩操作，可以得到如下两种状态之一

7)将得到的八位态矢对应至经典二进制信息，生成最终的LSP参数。

作为优选，所述LSP参数采用码本的形式进行压缩和传输；每一组LSP参数是10维的向量，当一帧语音输入需要压缩时，从码本中来寻找与该向量最接近的向量，只传输该码本的编码即可，如果码本的大小为N，则需要传输的经典比特个数为log₂N。

作为优选，所述语音的LSP参数提取自包含中外男女老少语音的语音库，用N大小的码本进行压缩，记录码本内LSP参数被选中的次数，并按照选中次数进行排序；以N＝256为例，将选中次数最多的LSP参数编码为00000000，其次的为00000001，再次为00000010。

作为优选，所述编码原则为选中的次数越多，参数编码中包含0的个数越多；反之，则包含1的个数最多。