[发明专利]用于棱椎矢量量化编索引和解索引的方法和装置

说明书

用于音频/视频信号的棱椎矢量量化索引编制的方法包括：获得(402)对音频/视频信号采样进行表示的整数型输入矢量。从整数型输入矢量提取(404)前导符号。前导符号是整数型输入矢量中的端非零系数的符号。端非零系数是整数型输入矢量中的第一个非零系数和最后一个非零系数之一。使用棱椎矢量量化枚举方案将整数型输入矢量编索引(406)为表示音频/视频信号采样的输出索引。将棱椎矢量量化枚举方案设计为忽略端非零系数的符号。输出(408)输出索引和前导符号。因此，还公开了对应的解索引方法、编码器、解码器和计算机程序。

本申请是申请日为2015年2月26日、进入中国国家阶段日2016年8月8日、申请号为201580007694.4(“用于音频/视频采样矢量的棱椎矢量量化编索引和解索引的方法和装置”)的中国专利申请的分案申请。

技术领域

所提出的技术大体上涉及音频/视频信号的编码/解码，并具体地涉及用于音频/视频采样矢量的棱椎矢量量化编索引和解索引的方法和装置。

背景技术

在要发送或存储音频或视频信号时，通常对信号进行编码。在编码器中，将表示音频/视频信号采样的矢量编码为由多个系数或参数来表示。从而可以高效地发送或存储这些系数或参数。在接收到或获取到系数或参数时，执行从系数或参数到音频/视频信号采样的解码，以获取原始音频/视频信号。已将很多不同种类的编码技术用于音频/视频信号。

一个方案基于矢量量化(VQ)。已知对于某个长度的分组采样(矢量)而言，无约束矢量量化(VQ)是最优的量化方法。然而，存储器和搜索复杂度约束已导致了对结构化矢量量化器的开发。在搜索复杂度和存储器要求的意义上，不同结构给出了不同折中。一种这样的方法是增益-形状矢量量化，其中，使用形状矢量vec和增益G来表示目标矢量x：

不同于直接量化目标矢量，该概念是量化{vec，G}对。从而使用针对规范化形状输入进行调谐的形状量化器和处理信号动态的增益量化器来编码增益和形状分量。该结构在例如音频编码中使用得很好，因为划分为动态和形状(或精细结构)很好地契合了感知听觉模型。

首先使用对结构的了解(例如，L1(绝对幅值)规范化或L2(能量)规范化)来搜索所选择的结构化矢量量化器中的有效条目。在已经找到有效矢量之后，需要高效地创建表示该特定矢量的索引(或码字)，然后向接收机发送该索引。索引创建(也称为编索引或枚举)会使用所选择的结构的特性，并在结构化VQ中为所找到的矢量创建唯一索引(码字)。

在接收侧，解码器需要将索引高效地分解为曾在编码器侧确定的相同矢量。该分解可通过使用大表查找在操作方面以非常低的复杂度进行，然而这是以庞大的所存储的只读存储器(ROM)表为代价。备选地，可以对分解(也称为解索引)进行设计，使得其使用对所选择的结构的了解以及潜在地还使用可用目标硬件数值运算来通过算法方式将索引高效地分解为唯一的矢量。

以每秒百万次运算(MOPS)为单位且在所要求的程序ROM和动态随机存取存储器(RAM)的意义上，以及在表ROM的意义上，良好设计的结构化VQ在编码器搜索复杂度、编码器编索引复杂度和解码器解索引复杂度之间具有良好的平衡。

很多音频编解码(例如，CELT、IETF/Opus音频和ITU-T G.719)使用包络及形状VQ以及包络混合型增益-形状VQ来编码目标音频信号的频谱系数(在修改离散余弦变换(MDCT)域中)。CELT/IETF OPUS音频使用PVQ矢量量化器，而G.719针对R＝1比特/维度编码使用并轻微扩展RE8代数矢量量化器，并针对VQ速率高于1比特/维度使用非常低复杂度的D8晶格量化器(Lattice quantizer)。PVQ代表棱椎矢量量化器，其是使用L1范数(∑abs(矢量))来实现快速搜索的VQ。还已发现PVQ可提供非常高效的编索引。PVQ已活跃了一些时日，但最开始是由Fischer于1983～86来开发的。