矢量量化（Vector Quantization）是一種極其重要的信號(hào)壓縮方法，廣泛應(yīng)用于語(yǔ)音、圖像信號(hào)壓縮等領(lǐng)域。信息論的一個(gè)分支——“率-畸變理論”指出，無(wú)論對(duì)于何種信息源，即使是無(wú)記憶的信息源（即各個(gè)采樣信號(hào)之間互相統(tǒng)計(jì)獨(dú)立），矢量量化總是優(yōu)于標(biāo)量量化，且矢量維數(shù)越大優(yōu)度越高。因此，目前國(guó)內(nèi)外對(duì)于矢量量化技術(shù)的研究非常廣泛而深入。平衡考慮量化效果和運(yùn)算復(fù)雜度，多級(jí)矢量量化（MSVQ）提供了一個(gè)很好的折衷辦法。

線性預(yù)測(cè)編碼（LPC）參數(shù)能很好地表征語(yǔ)音信號(hào)的短時(shí)譜包絡(luò)信息，在各種LPC參數(shù)中，線譜頻率（LSF）較其它參數(shù)能更有效地表達(dá)LPC信息。K.K.Paliwal和B.S.Atal仔細(xì)研究了用24~26個(gè)比特量化一個(gè)10階LSF參數(shù)的方法，提出了分裂矢量量化（Split Vector Quantization）和多級(jí)矢量量化MSVQ（Multistage Vector Quantization）兩種方案，并且試驗(yàn)得到了用25比特的2級(jí)MSVQ能取得較好的量化效果（平均失真1dB，2~4dB概率小于2%，大于4dB為0）。

MSVQ算法有效減小了碼本容量，但如果在量化比特有限的情況下，想取得透明的量化效果，必須解決兩個(gè)問(wèn)題：（1）怎樣搜索碼本得到最佳匹配索引；（2）怎樣設(shè)計(jì)碼本。在算法設(shè)計(jì)中這兩個(gè)問(wèn)題必須統(tǒng)一考慮。對(duì)前一個(gè)問(wèn)題，為了方便一般采用序列搜索算法，依次搜索得到各級(jí)的最佳匹配矢量。在碼本設(shè)計(jì)中，更多的也是分級(jí)依次進(jìn)行碼本訓(xùn)練，割裂了各級(jí)碼本之間的相關(guān)性。本文將著重研究多級(jí)矢量量化的聯(lián)合優(yōu)化碼本設(shè)計(jì)問(wèn)題。

1、 問(wèn)題分析

傳統(tǒng)的MSVQ算法在LSF參數(shù)碼本設(shè)計(jì)時(shí)采用一種連續(xù)（stage-by-stage）的設(shè)計(jì)方法，第k級(jí)碼本只與前面的第1至第（k-1）級(jí)碼本有關(guān)，而不考慮后續(xù)各級(jí)碼本，即將后續(xù)各級(jí)碼本內(nèi)容視為0。在量化時(shí)，同樣只在本級(jí)尋找1個(gè)最佳匹配矢量，然后得到余量矢量送入下一級(jí)量化。量化過(guò)程可以用式（1）表示，假設(shè)有2級(jí)碼本，需要找出各級(jí)碼本索引：

在序列搜索算法中，搜索yi時(shí)，假設(shè)zj為0，搜索zj時(shí)yi已經(jīng)固定。這樣的搜索算法顯然是一種次優(yōu)的搜索算法，解決這個(gè)問(wèn)題的方法是全搜索。全搜索是最優(yōu)的搜索算法，但是其計(jì)算復(fù)雜度卻是難以承受的。例如，一個(gè)25比特2級(jí)碼本（13-12結(jié)構(gòu)），其全搜索復(fù)雜度是上述連續(xù)搜索的2000倍以上。M進(jìn)制搜索折衷解決了這個(gè)問(wèn)題。在運(yùn)算量大大減小的情況下，取得了逼近全搜索的量化效果。

在碼本設(shè)計(jì)中，無(wú)論是經(jīng)典的GLA算法還是改進(jìn)的模擬退火（SA）算法，碼本設(shè)計(jì)都是逐級(jí)連續(xù)進(jìn)行的。利用各級(jí)碼本之間的相關(guān)性優(yōu)化碼本設(shè)計(jì)，可以較明顯地改善MSVQ的量化效果。在應(yīng)用聯(lián)合碼本設(shè)計(jì)方法量化音頻DCT系數(shù)時(shí)，已經(jīng)取得了大約0.4 dB的SNR改善。本文在量化LSF參數(shù)時(shí)，對(duì)比300步的SR算法，得到了大約0.05dB、約1bit的加權(quán)對(duì)數(shù)譜失真（WLSD）的改進(jìn)效果。

2、 算法說(shuō)明

2.1 失真距離量度

對(duì)一個(gè)MSVQ碼本，為方便考慮假設(shè)共有2級(jí)碼本。LSF參數(shù)為10維矢量。對(duì)LSF參數(shù)而言，其敏感矩陣（sensitivity matrix）是對(duì)角陣，因此可以用加權(quán)最小均方誤差（WMSE）代替加權(quán)對(duì)數(shù)譜失真（WLSD）作為失真量度。量化失真

r的經(jīng)驗(yàn)值一般為0.15。

2.2 理論推導(dǎo)

對(duì)一個(gè)訓(xùn)練矢量集X和兩級(jí)碼本Y、Z，可以對(duì)X中每個(gè)矢量進(jìn)行2級(jí)全搜索，得到最佳索引值對(duì)（i，j）。根據(jù)i和j的不同可以對(duì)X中每個(gè)矢量進(jìn)行聚類。假設(shè)S為對(duì)第一級(jí)碼字形成的聚類，Si為所有X中第一級(jí)量化索引為i的訓(xùn)練矢量集合。同樣假設(shè)R為第二級(jí)碼字聚類，可知，{S1，S2，…，SK1}和{R1，R2，…，RK2}均是同一X集合的不同劃分。對(duì)于X∈Si，平均量化失真為：

2.3 算法描述

（1）設(shè)置初始碼本，讀入訓(xùn)練矢量文件，并對(duì)其進(jìn)行兩級(jí)碼本全搜索，得到針對(duì)兩級(jí)碼本的聚類{S1，S2，…，SK1}和{R1，R2，…，RK2}。假設(shè)訓(xùn)練矢量個(gè)數(shù)為num，對(duì)所有訓(xùn)練矢量計(jì)算此時(shí)的量化失真之和，失真測(cè)度采用WLSD距離。設(shè)置迭代最大步數(shù)N，設(shè)置初始步數(shù)n=0；

（2）n=n+1，利用式（9）更新第一級(jí)碼本；

（3）重新對(duì)訓(xùn)練矢量集進(jìn)行全搜索，得到新的索引值對(duì)（i， j），然后利用式（10）更新第二級(jí)碼本；

（4）再次對(duì)訓(xùn)練矢量集進(jìn)行量化搜索，得到新的索引值對(duì)（i， j），并重新計(jì)算量化總畸變Dn；

（5）判斷n=N？若n＜N，跳轉(zhuǎn)至（2）繼續(xù)進(jìn)行迭代；若n=N，結(jié)束迭代，保存更新后的碼字至碼本文件。

2.4 算法的進(jìn)一步優(yōu)化

上述聯(lián)合優(yōu)化MSVQ算法中，很重要的一步就是對(duì)訓(xùn)練矢量進(jìn)行聚類，使每個(gè)訓(xùn)練矢量得到一個(gè)最匹配的索引值對(duì)（i， j）。（i， j）應(yīng)當(dāng)是通過(guò)全搜索得到的全局最佳匹配矢量。在不需要在線更新碼本的情況下，全搜索是可以采用的。然而如果在矢量維數(shù)較高時(shí)，想減小碼本訓(xùn)練的運(yùn)算量，也可以采用M進(jìn)制序列搜索的方法。取M=8在實(shí)驗(yàn)中得到了很好的效果。這樣即可得到一個(gè)性能近似的簡(jiǎn)化版JCO-MSVQ碼本設(shè)計(jì)方法。

另外，在碼本設(shè)計(jì)中，可能出現(xiàn)聚類中無(wú)訓(xùn)練矢量，即出現(xiàn)空聚類的情況。這時(shí)可以刪除該空聚類，并將包含訓(xùn)練矢量最多的那個(gè)聚類抖動(dòng)成兩個(gè)聚類。這樣可以獲得更小的聯(lián)合量化誤差，如圖1所示。

3、 實(shí)驗(yàn)結(jié)果和分析

實(shí)際應(yīng)用中，碼本訓(xùn)練采用107 MB的語(yǔ)音文件，得到342302幀LSF參數(shù)（10維）和加權(quán)系數(shù)，訓(xùn)練矢量集足夠大。在實(shí)際的2kbps語(yǔ)音編碼算法中，對(duì)LSF參數(shù)進(jìn)行3級(jí)矢量量化，比特分配為9/8/6，共23bits。利用聯(lián)合優(yōu)化碼本生成算法進(jìn)行300步迭代，與SR算法的第三級(jí)300步迭代結(jié)果進(jìn)行比較，得到訓(xùn)練碼本總畸變數(shù)據(jù)，如圖2所示。

可以看到，同樣步數(shù)的JCO-MSVQ算法較SR算法能取得更小的量化畸變。SR算法經(jīng)過(guò)一定步數(shù)的迭代，基本沒(méi)有下探的空間。而JCO-MSVQ算法則能繼續(xù)優(yōu)化碼本，獲得更好的量化效果。并且，與SR算法不同，JCO-MSVQ算法中量化畸變是單調(diào)遞減的，因在訓(xùn)練過(guò)程中每一步都是最優(yōu)的（簡(jiǎn)化算法中是多進(jìn)制搜索，因而是次優(yōu)的）。

統(tǒng)計(jì)量化譜失真，聯(lián)合碼本優(yōu)化MSVQ比其他的MSVQ有明顯的改善。在同一個(gè)LSF量化器中分別采用23bits SR碼本（碼本1）、24bits SR碼本（碼本2）和23bits聯(lián)合優(yōu)化碼本（碼本3），測(cè)試語(yǔ)音為一個(gè)3.5MB的語(yǔ)音文件，既有男聲也有女聲，共11348幀LSF參數(shù)。統(tǒng)計(jì)量化譜失真得到表1所示數(shù)據(jù)。

從表1數(shù)據(jù)可以看到，同是23bits的量化，聯(lián)合碼本設(shè)計(jì)MSVQ與應(yīng)用SR算法生成碼本的MSVQ相比較，有大約1個(gè)比特的改善，接近于應(yīng)用SR算法24bits量化的效果。甚至優(yōu)于文獻(xiàn)［2］中MSVQ算法的26bits量化（平均譜失真0.93dB）。平均譜失真為0.87dB，大于4dB的譜失真統(tǒng)計(jì)為0，達(dá)到了透明量化的要求。

本文研究結(jié)果已經(jīng)成功應(yīng)用于1/2kbps可變速率聲碼器項(xiàng)目中。

責(zé)任編輯：gt