一种增强的LPC参数多级矢量量化技术
[09-12 18:39:59] 来源:http://www.88dzw.com 传感技术 阅读:8232次
文章摘要:2 算法说明2.1 失真距离量度对一个MSVQ码本,为方便考虑假设共有2级码本。LSF参数为10维矢量。对LSF参数而言,其敏感矩阵(sensitivity)是对角阵,因此可以用加权最小均方误差(WMSE)代替加权对数谱失真(WLSD)作为失真量度[6]。量化失真其中,wi为功率谱幅度加权,ci为LSF参数人耳听觉加权r的经验值一般为0.15。2.2 理论推导对一个训练矢量集X和两级码本Y、Z可以对X中每个矢量进行2级全搜索,得到最佳索引值对(i,j)。根据i和j的不同可以对X中每个矢量进行聚类。假设S为对第一级码字形成的聚类,Si为所有X中第一级量化索引为i的训练矢量集合。同样假设R为第二级
一种增强的LPC参数多级矢量量化技术,标签:传感技术知识,传感器与检测技术,http://www.88dzw.com2 算法说明
2.1 失真距离量度
对一个MSVQ码本,为方便考虑假设共有2级码本。LSF参数为10维矢量。对LSF参数而言,其敏感矩阵(sensitivity)是对角阵,因此可以用加权最小均方误差(WMSE)代替加权对数谱失真(WLSD)作为失真量度[6]。量化失真
其中,wi为功率谱幅度加权,ci为LSF参数人耳听觉加权
r的经验值一般为0.15。
2.2 理论推导
对一个训练矢量集X和两级码本Y、Z可以对X中每个矢量进行2级全搜索,得到最佳索引值对(i,j)。根据i和j的不同可以对X中每个矢量进行聚类。假设S为对第一级码字形成的聚类,Si为所有X中第一级量化索引为i的训练矢量集合。同样假设R为第二级码字聚类,可知,{S1,S2,…,SK2}均是同一X集合的不同划分。对于X∈Si,平均量化失真为:
因此,在不改变第二级码本的情况下,更新第一级码字yi可以减少平均失真,新的码字为如下条件期望值:
yi'=E{x-Q2(x-yi)x∈Si}
同样,在第一级码本固定的情况下,第二级码本按(10)式更新得到的将是最优码字。
zj'=E{x-Q1(x)x∈Si}
通过多次迭代,可以得到联合优化的最优码本。
2.3 算法描述
(1)设置初始码本,读入训练矢量文件,并对其进行两级码本全搜索,得到针对两级码本的聚类{S1,S2,…,SK1}和{S1,S2,…,SK2}。假设训练矢量个数为num,对所有训练矢量计算此时的量化失真之和失真测度采用WLSD距离。设置迭代最大步数N,设置初始步数n=0;
(2)n=n+1,利用式(9)更新第一级码本;
(3)重新对训练矢量集进行全搜索,得到新的索引值对(i,j),然后利用式(10)更新第二级码本;
(4)再次对训练矢量进行量化搜索,得到新的索引值对(i,j),并重新计算量化总畸变Dn;
(5)判断n=N?若n<N,跳转至(2)继续进行迭代;若n=N,结束迭代,保存更新后的码字至码本文件。
2.4 算法的进一步优化
上述联合优化MSVQ算法中,很重要的一步就是对训练矢量进行聚类,使每个训练矢量得到一个最匹配的索引值对(i,j)。(i,j)应当是通过全搜索得到的全局最佳匹配矢量。在不需要在线更新码本的情况下,全搜索是可以采用的。然而如果在矢量维数较高时,想减小码本训练的运算量,也可以采用M进制序列搜索的方法。取M=8在实验中得到了很好的效果。这样即可得到一个性能近似的简化版JC0-MSVQ码本设计方法。
- 上一篇:蓝牙无线抄表传感器的设计
《一种增强的LPC参数多级矢量量化技术》相关文章
- › 一种增强的LPC参数多级矢量量化技术
- 在百度中搜索相关文章:一种增强的LPC参数多级矢量量化技术
- 在谷歌中搜索相关文章:一种增强的LPC参数多级矢量量化技术
- 在soso中搜索相关文章:一种增强的LPC参数多级矢量量化技术
- 在搜狗中搜索相关文章:一种增强的LPC参数多级矢量量化技术