摘　要： 為充分利用碼本的級(jí)間相關(guān)性，提出了一種聯(lián)合碼本優(yōu)化多級(jí)矢量量化(JCO-MSVQ)碼本設(shè)計(jì)方法。每次迭代時(shí)，先將訓(xùn)練矢量對(duì)碼字進(jìn)行聚類，再對(duì)各級(jí)碼本進(jìn)行聯(lián)合優(yōu)化，利用條件期望逐級(jí)更新碼本。實(shí)驗(yàn)數(shù)據(jù)表明，該算法在設(shè)計(jì)10維線譜頻率(LSF)參數(shù)量化碼本時(shí)，較隨機(jī)松弛算法(SR)碼本有更小的平均量化畸變。23比特/幀LSF參數(shù)量化器平均對(duì)數(shù)譜失真為0.87dB，達(dá)到了透明量化要求。
　　關(guān)鍵詞： 多級(jí)矢量量化 線譜頻率 加權(quán)對(duì)數(shù)譜失真 透明量化

　　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)^[1]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)z_j為0，搜索z_j時(shí)y_i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^[3]。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^[4]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^[5]。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)^[6]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^[6]。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，S_i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，…，S_K1}和{R₁，R₂，…，R_K2}均是同一X集合的不同劃分。對(duì)于X∈S_i，平均量化失真為：
　　
　　可以令v=E{x-U|x∈S_i}，則第三項(xiàng)為0。第二項(xiàng)恒為非負(fù)，所以
　　
　　通過(guò)多次迭代，可以得到聯(lián)合優(yōu)化的最優(yōu)碼本。
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,…，S_K1}和{R₁，R₂，…，R_K2}。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D_n；
　　(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。