一种多级量化的方法及装置的制作方法

文档序号:2837535阅读:224来源:国知局
专利名称:一种多级量化的方法及装置的制作方法
技术领域
本发明涉及数据压缩技术领域,特别是涉及一种多级量化的方法及装置。
技术背景随着数据压缩技术的迅速发展,矢量量化得到广泛的应用。矢量量化是 一种高效的数据压缩技术,该技术将若干个标量数据柱构成一个矢量,然后在矢量空间中给以整体量化,从而压缩了数据而不损失多少信息。其过程为 将信号波形的k个采样点的每一帧或有k个参数的每一个参数集,构成k维欧氏 空间中的一个矢量,然后对矢量进行"集体"量化。矢量量化时,将k维无限 空间划分为M个区域边界,然后将输入信号的矢量与这些边界进行比较,并被 量化为"距离"最小的区域边界的中心矢量值。矢量量化过程的计算复杂度 主要集中于按照某种失真测度准则对码本进行搜索的过程,而空间复杂度主 要体现在使用的码本空间的大小。 一般来说,码本空间越大,所需存储量和 搜索的计算复杂度也越高,但同时量化精度也越高。目前, 一般采用多级量化或分裂码本量化的方法降低矢量量化过程的计 算复杂度。 一种两级量化的过程如图l所示,对输入矢量x采用码本l进行第一 级矢量量化,采用码本2进行第二级矢量量化。该两级矢量量化虽然只有M1 和M2尺寸的码本,但却相当于含有M1 .M2尺寸的一级矢量量化的码本效果。 因此,与一级矢量量化系统相比,失真和比较的运算量以及码;^储容量, 都分别从M1 . M2减少到M1+M2。分裂码本量化的方法用以在对高维矢量进行量化时降低搜索和存储的复 杂度。该方法将待量化的矢量分成两个或者多个子矢量进行量化。下面以分 裂成两个子矢量为例进行说明设输入矢量为x-[x,,X2,…,;^:f,所使用的码 本为Y,假设量化后的比特长度为L,则对于码本Y所需的存储空间为Wx21。 如果将x分为两个子矢量x。^^,X2,…,XK;f和X6^Xm,XK+2,…,Xw;T,相应地,所使用的码本也分裂为i;和i;,假设x。量化后的比特长度为4, ^量化 后的比特长度为A,在丄=丄。+丄6时,对于码本i;所需的存储空间为^x24, 对于码本K所需的存储空间为(7V -〖)x 2",所需的总的存储空间将远远小于码本Y所需的存储空间7Vx2、特别地,当x。和X6维数相等且对应维的分量有 相近的统计特性时,1 = 1;,可进一步节省存储量。在ITU (International Telecommunication Union,国际电4言耳关盟)的i吾音编 码标准一共轭结构代数码本激励线性预测声码器中,LPC (Linear Prediction Coding,线性预测编码)分析得到的信号谱参数LSF (Linear Spectrum Frequency,线谱频率)的量化用4阶MA (Moving Average Model,滑动平均 模型)预测量化器来预测当前帧的LSF系数,预测误差用二级矢量量化。第一 级是10维矢量,用7比特编码,Ll表示码本;第二级是将10维分裂为两个5维 的码本,L2表示较低的5维,L3表示较高的5维,分别用5比特编码。而在ITU的语音编码标准一共轭结构代数码本激励线性预测声码器的静 音压缩方案中,对噪声帧的LSF系数矢量量化采用了两级量化,第一级量化器 的输入为预测器的预测误差,第二级量化第一级量化的量化误差。其中,噪 声帧的第 一级量化码本是语音帧第 一级码本的子集,噪声帧的第二级码本是 语音帧第二级码本的子集。即从第二级量化码本的2个长度为32的码本中训练 出2个长度为16的子码本,码本索引存放在一个数表中。在实现本发明过程中,发明人发现现有技术中至少存在如下问题在采 用多级量化方法降低矢量量化过程的计算复杂度时,每一级量化的码本之间 是互相独立的,每个码本都需要相应的码本空间,因而造成了存储空间的浪 费,资源利用率低。发明内容本发明实施例要解决的问题是提供一种多级量化的方法及装置,以克服 现有技术中由于每一级量化的码本之间互相独立而造成的存储空间浪费的缺陷。为达到上述目的,本发明实施例的技术方案提供了一种多级量化的方法,包括以下步骤根据前级码本获取参考码本;根据所述参考码本和缩放因子, 获取本级码本;利用所述本级码本,对输入的矢量进行量化。本发明实施例的技术方案还提供了一种多级量化的装置,包括前级码 本存储单元,用于存储前一级或前几级的码本;参考码本获取单元,用于根 据所述前级码本存储单元存储的码本获取参考码本;缩放因子存储单元,用 于存储缩放因子;本级码本获取单元,根据所述参考码本获取单元获取的参 考码本和所述缩放因子存储单元存储的缩放因子,获取本级码本;矢量量化单元,用于利用所述本级码本获取单元获取的本级码本,对输入的矢量进行 量化。上述技术方案中的一个实施例具有如下优点本发明实施例通过本级 码本与前级码本的关联,可以根据前级码本获取本级码本,使得本级码本 无需相应的独立码本空间,从而节省了存储空间,提高了资源利用率。


图1是现有技术的一种两级量化的流程图; 图2是本发明实施例的一种二级量化的流程图; 图3是本发明实施例的另一种二级量化的流程图; 图4是本发明实施例的一种三级量化的流程图; 图5是本发明实施例的一种多级量化的装置的结构图; 图6是本发明实施例的另一种三级量化的流程图; 图7是本发明例的另一种多级量化的装置的结构图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式
作进一步详细描述 在基于线性预测的语音编码中,需要对线性预测参数矢量量化,以线性预测参数转换为IO维LSF ( Linear Spectrum Frequency,线谱频率)参数进行两级量化为例。本发明实施例的一种二级量化方法流程图如图2所示,具体包括以下步骤缩放因子(集)Y需要预先获得,可以通过如下的训练方法获得 Y需要用大量的样本训练得到,最简单的训练方法是通过第一级量化后的量化误差矢量空间半径与第一级量化矢量空间半径相比得到。假设有L个样本,每个样本是N维矢量,设第一级量化误差为<formula>formula see original document page 8</formula>其中,气。,xu ,…,i分别为前一级量化矢量中每一维的量化误差值; 第一级量化矢量为<formula>formula see original document page 8</formula>则比例因子Z可由下式计算得到<formula>formula see original document page 8</formula>其中,Xo,。,Xw,…,X^分别为前一级量化矢量中每一维的值或者用最小均方误差方法搜索出最优Y值。具体做法将0到2分成M^P分,令 y =2/ ,=4/…7 1)/用M个y值与前一级码本Yl相乘得到M个新码本分别用这M个码本对样本矢量进行量化,假设有L个样本,则第j个新码本 对每一个样本矢量搜索出最佳码本,同时得到最小加权量化误差e",设所有 样本最小加权量化误差之和计为<formula>formula see original document page 8</formula>每个码本^^对应一个A,在A中搜索出最小值Emin, Emin对应乙的就 是所求的最佳比例因子y值。如果量化精度不够,可以在(&m-l/N, 7"+l/N) 区间内继续分成N份,再在这N个rf直中搜索最佳值,循环迭代直至达到所需精度。以上阐述的是仅使用一个Y的情况,除此之外还可以训练出多个Y,存放在数表中,用n个比特对Y的索引进行量化。这样就可以将原来的码本数量增加2n倍,同时码本适应性增强,可以提高量化精度。步骤s201,根据现有量化技术对基于线性预测的语音编码的线性预测 参数进行矢量量化,得到一个索引值idxl,用7比特编码表示,即第一级 矢量量化,第一级量化码本用K ={y, |/ = 0, — 27 -1}来表示。步骤s202,第二级量化使用第 一级量化码本作为参考码本<formula>formula see original document page 9</formula>第二级量化码本与第一级量化码本的比例因子码本An已经训练好,用N 比特量化,即A _, = ^ I / = 0,…2" -1}。按照上述方法,第二级量化码本大小为7+N比特,码本为将预先设定的放缩比例因子集Y中的缩放因子的值与作为参考码本的第 一级码本Yl相乘,获取2W-l个新码本y。Yl, Y,Y1…Ym-iY1。这样就得到2W-1 个第二级量化码本的码本集。转步骤s203。步骤s203,分别用步骤s202所述的2W -1个码本对对应的样本矢量进行量 化。具体过程为使用第一级量化误差作为第二级量化的输入矢量,对生成的 "个码本进行全搜索。使下式加权均方误差最小的矢量在码本中的位置索引 idx2及所在的码本在码本集中的位置索引fidx,作为第二级量化的输出。<formula>formula see original document page 9</formula>在反量化时,首先利用第一级量化索引idxl在第一级码本中获得第一级反量化的矢量,用Yl(idxl)来表示;从缩放因子集Y中获得相应的缩放因子^舞, y舞xn为编码端使用的第二级码本,则第二级的重建矢量为z舛xn(^2),因 此最终反量化的结果为YKidxD+ xn,2)。本实施例通过本级码本与前级码本的关联,可以根据前级码本获取本 级码本,使得本级码本无需相应的独立码本空间,从而节省了存储空间,提高了资源利用率。本发明实施例的另一种二级量化方法流程图如图3所示,具体包括以下 步骤步骤s301,根据现有量化技术对基于线性预测的语音编码的线性预测 参数进行矢量量化,得到一个索引值idxl,用7比特编码表示。即第一级矢量量化设第 一级量化码本为"=""="…27-1}。由于经过一级量化之后,量化误差的动态范围进一步缩小,这时可以将前一级码本中的矢量合并以减少码本长度,可以起到节省比特的作用。例如,预先在7比特的第一级码本中挑出常用的K比特码本,将最常用的K比特码本索引号保存在数组中,假设用cb(i)^0,l,…,2K-l表示。这K比特的索引号构成第二级码本的参考码本Y2c。步骤s302,第二级量化码本与第一级量化码本的比例因子码本A"已经训练好,用N比特量化,即A^"^l 0,…2W-iL按照上述方法,第二级量化码本大小为K+N比特,码本为可以进一步减少码本长度,在7比特的第一级码本中挑出常用的K比特码本, 将最常用的K比特码本索引号存在数组中,假设用cb(i)一0,l,…,2K-l表示,则 第二级量化结果为K+N比特。因为去掉的是不常用的码本,所以这样量化不 会损失很多,却减少了量化比特数。步骤s303,用第一级量化误差作为目标矢量,在上述2N个码本中搜索使 下式中加权均方误差(MSE)最小所对应的码矢索引作为第二级量化的量化 输出。10其中,Wi是加权系数。量化输出的结巢分为两个部分, 一部分是矢量在码本中的位置索引idx2,另 一部分是缩放因子在缩放因子码本中的位置fidx。反量化时,首先利用第一级量化索引idxl在第一级码本中获得第一级反量化的矢量,用Yl(idxl)来表示;从缩放因子集Y中获得相应的缩放因子^^,^,x^c为编码端使用的第二级码本,则第二级的重建矢量为^血x y2c(c6(/血2)),因此最终反量化的结果为Y1 (idxl) + 5& x y2c(c6(/血2》。本实施例通过本级码本与前级码本的关联,可以才艮据前级码本获取本级 码本,使得本级码本无需相应的独立码本空间,从而节省了存储空间,提高 了资源利用率。本发明实施例的另一种三级量化方法流程图如图4所示。在本实施例中, 待量化的矢量为10维,前两级的量化方案分别使用独立的码本,用本发明的 方案加入第三级的量化方案。具体包括以下步骤预先训练缩放因子集的过程Y需要用大量的样本训练得到,最筒单的训练方法是通过第一级量化后的 量化误差矢量空间半径与第一级量化矢量空间半径相比得到。假设有L个样 本,每个样本是N维矢量,设第一级量化误差为<formula>formula see original document page 11</formula>第一级量化矢量为<formula>formula see original document page 11</formula>则比例因子Z可由式下式计算得到<formula>formula see original document page 11</formula>或者用最小均方误差方法搜索出最优rf直。具体做法将0到2分成M份,令y =2/ y =4/ ... y =2(iV-l)/ 用M个y值与前一级码本Yl相乘得到M个新码本分别用这M个码本对样本矢量进行量化,假设有L个样本,则第j个新码本 对每一个样本矢量搜索出最佳码本,同时得到最小加权量化误差e",设所有 样本最d 、加权量化误差之和计为<formula>formula see original document page 11</formula>每个码本^/i对应一个A,在A中搜索出最小值Emin, Emin对应^的就 是所求的最佳比例因子Y值。如果量化精度不够,可以在(^m-i/N, ^n+l/N) 区间内继续分成N份,再在这N个Y值中搜索最佳值,循环迭代直至达到所需精 度。以上阐述的是仅使用一个y的情况,除此之外还可以训练出多个Y,存放在 数表中,用n个比特对Y的索引进行量化。这样就可以将原来的码本数量增加 2n倍,同时码本适应性增强,可以提高量化精度。三级量化的过程步骤s401,将输入的待量化矢量按照加权最小均方误差准则在第一级码 本中搜索,获得矢量在码本中的位置索引idxl。10其中,Wi是加权系数。步骤s402,将第一级量化的量化误差作为第二级量化的矢量,并且采用 分裂量化的技术,将第二级量化码本分裂为2个5维的码本《,",分别对高 5维和低5维进行与步骤s301中类似的量化过程,量化结果为两个位置索引步骤s403,分别计算出高、低5维的量化误差,作为第三级的量化矢量。 步骤s404,使用第二级量化的两个分裂码本作为第三级量化的两个分裂 码本的参考码本;使用缩放因子码表中的缩放因子作为参考码本的系数,这样就获得了一对码本集。缩放因子码表长度为2N ,则获得的2W对新的分裂 码本分别为"-K)X《,^x《,…^MX"l"-kxe,^xW,…^MX1^。步骤s405,分别将第三级的量化矢量的高、低5维在对应的码本集中搜 索,使得高、低5维子矢量加权均方误差和最小的矢量在码本中的位置他^^2 及对应的缩放因子索引fidx即为第三级的量化结果。<formula>formula see original document page 12</formula>£舞=Z —, - 7妙;r21),)+ Z - r脉"0'血32),)反量化时,首先利用第一级量化索引idxl在第一级码本中获得第一级反量 化的矢量,用Yl(idxl)来表示;然后利用第二级量化索引1'血^'血22分别在第二 级的两个分裂子码本中重建第二级反量化的分裂子矢量,分别用 《),")来表示;用第三级的量化缩放因子索引从缩放因子集y中获得 相应的缩放因子^, , /舞x《,y, x g为编码端使用的第三级码本的两个分裂 子码本,则第三级的重建子矢量分别为^妙x《(/血;)、^^><^(/血32),因此最终反量化的结果为<formula>formula see original document page 13</formula>本实施例通过本级码本与前级码本的关联,可以根据前级码本获取本级 码本,使得本级码本无需相应的独立码本空间,从而节省了存储空间,提高 了资源利用率。本发明实施例的一种多级量化的装置如图5所示,包括前级码本存储 单元51、参考码本获取单元52、缩》文因子存储单元53、本级码本获取单元 54和矢量量化单元55。其中前级码本存储单元51与参考码本获取单元52连 接,本级码本获取单元54分别与参考码本获取单元52、缩放因子生成单元 53和矢量量化单元55连接。前级码本存储单元51用于存储前一级或前几级的码本;参考码本获取单 元52用于根据前级码本存储单元51存储的码本获取参考码本,所述参考码 本包括前级码本存储单元51存储的前一级码本,或从前级码本存储单元51 存储的前一级或前几级码本中选择的码本,或将前级码本存储单元51存储的 前一级码本中的矢量合并后形成的码本;缩放因子存储单元53用于存储缩放 因子,所述缩放因子可预先通过训练得到;本级码本获取单元54根据参考码 本获取单元52获取的参考码本和缩放因子存储单元53存储的缩放因子,获 取本级码本;矢量量化单元55用于利用本级码本获取单元54获取的本级码 本,对输入的矢量进行量化。本发明实施例的另一种三级量化方法流程图如图6所示。在本实施例中, 需要量化谱和能量参数, 一般来说,谱的量化需要多级量化才能满足量化精 度的要求,而对能量的量化, 一般来说单级量化即可满足要求。假设能量参 数的量化已经完成,量化结果为idx—E。设待量化的谱矢量为10维,前两级 的量化方案分别使用独立的码本,用本发明的方案加入第三级的量化方案。第三级使用的缩放因子仍然可从缩放因子码表中获得,但是不再对缩放因子 的索引进行编码传输,而是通过使用前级量化的索引(同一量化矢量或者不 同量化矢量均可)直接映射得到待量化矢量第三级量化的缩放因子。具体包括以下步骤预先训练缩放因子集的过程用最小均方误差方法搜索出最优Y值。具体做法将0到2分成M份,令用M个y值与前一级码本Y1相乘得到M个新码本<formula>formula see original document page 14</formula>分别用这M个码本对样本矢量进行量化,假设有L个样本,则第j个新码本对每一个样本矢量搜索出最佳码本,同时得到最小加权量化误差吖',设所有 样本最小加权量化误差之和计为每个码本^《对应一个& ,在&中搜索出最小值Emin, Emin对应^的就是所求的最佳比例因子y值。如果量化精度不够,可以在(^m-l/N, Z麵+l/N) 区间内继续分成N份,再在这N个Y值中搜索最佳值,循环迭代直至达到所需精 度。使用以上阐述的训练过程可训练出多个缩放因子,存放在缩放因子数表 中,缩放因子数表长度为2"。如果用实施例2中的方法,在2"个缩放因子码表 中搜索最优的缩放因子并进行编码, 一是计算复杂度比较高,另外是需要传 输缩放因子的索引,需要额外的编码比特,因此在该实施例中,我们可以提 供一种低复杂度并且不需要额外的比特的增强量化方案。编码端三级量化的过程步骤s601,将输入的待量化矢量按照加权最小均方误差准则在第一级码 本中搜索,获得矢量在码本中的位置索引idxl。10其中,Wi是力。权系数。步骤s602,将第一级量化的量化误差作为第二级量化的矢量,并且釆用分裂量化的技术,将第二级量化码本分裂为2个5维的码本^,C,分别对高 5维和低5维进行与步骤s301中类似的量化过程,量化结果为两个位置索引/^V;,他^步骤s603,分别计算出高、低5维的量化误差,作为第三级的量化矢量。 步骤s604,缩放因子的索引在量化时除了可以通过如前所述的搜索整个 缩放因子数表得到,也可以使用前级的量化结果通过比特映射得到,本步骤 即使用能量的量化索引idx—E的高n比特映射出第三级量化的缩放因子并获得 相应的第三级码本:假设idx—E共有m个比特,则其高n比特为idx_ E >> (m - n),符号"》,,表示右移操作,则映射出第三级量化的缩放因子为^—相应地,高、低5维的第三级码本分别为g £>>(_)x^p32 =[必—£>>—)xr32},其中y〖、y〖是第三级码本的参考码本,可以是第二级量化码本,也可以是 第一级码本的子码本。步骤s605,分别将第三级的量化矢量的高、低5维在获得的第三级码本 中搜索,获取高、低5维子矢量加权均方误差和最小的矢量在码本中的位置 /血;,/血32,即为第三级的量化结果,£辩=I] - /舞《),)2+1] - ^&y22 o'血32), )2解码端反量化时,首先利用第一级量化索引idxl在第一级码本中获得第一级反量化的矢量,用Yl(idxl)来表示;然后利用第二级量化索引必;,必分别在第二级的两个分裂子码本中重建第二级反量化的分裂子矢量,分别用《)," (z'血22)来表示;第三级的缩放因子使用能量的量化索引从缩放因子集Y中获得/必—£>>—), Ki£ xyU& £>>(m_n) xy32为编码端使用的第三级码本的两个分裂子码本,则第三级的重建子矢量分别为£>>(m— }x^(/血;)、/(E》(一 X^(必32),因此最终反量化的结果为二 1 n(/cM), + K),+几血£>>—)xy;(/血;),, /<5本实施例通过本级码本与前级码本的关联,可以才艮据前级码本获取本级 码本,使得本级码本无需相应的独立码本空间,从而节省了存储空间,提高 了资源利用率。另外,由于采用了一种根据已知量化结果映射缩放因子的方 法,从而可以省去搜索缩放因子的计算复杂度核对缩放因子索引的编码比特, 进一步提高了量化的效率。此外,在本实施例的具体应用中,除了使用能量参数的量化结果映射缩 放因子外,还可以使用待量化的i普参数前级(第一级或第二级)的量化索引 来映射缩放因子,这样,即使没有其他参数的结果时,仍然可以使用本发明 的方案对待量化的矢量进行增强量化。如图7所示,本发明实施例多级量化的装置进一步可以包括缩放因子搜索单元71和/或缩放因子映射单元72,缩放因子搜索单元71用于通过搜索缩放因 子数表得到缩放因子,发送给缩放因子存储单元53;缩放因子映射单元72用 于使用前级的量化结果通过比特映射得到缩放因子,发送给缩放因子存储单 元53。本实施例通过本级码本与前级码本的关联,可以根据前级码本获取本级 码本,使得本级码本无需相应的独立码本空间,从而节省了存储空间,提高了资源利用率。通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发 明可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件, 但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案 本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来, 该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算 机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实 施例所述的方法。以上所述仅是本发明的实施方式,应当指出,对于本技术领域的普通技 术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰, 这些改进和润饰也应视为本发明的保护范围。
权利要求
1、一种多级量化的方法,其特征在于,包括以下步骤根据前级码本获取参考码本;根据所述参考码本和缩放因子,获取本级码本;利用所述本级码本,对输入的矢量进行量化。
2、 如权利要求1所述多级量化的方法,其特征在于,所述参考码本包括 前一级码本或/人前一级或前几级码本中选择的码本。
3、 如权利要求1所述多级量化的方法,其特征在于,所述参考码本为将 所述前一级码本中的矢量合并后形成的码本。
4、 如权利要求1所述多级量化的方法,其特征在于,所述缩放因子由前 一级量化误差和前一级量化矢量确定。
5、 如权利要求4所述多级量化的方法,其特征在于,当所述前一级量化i吴差为X! 二[a,o,X!,p…,X!,nF,所述前一级量4匕矢量为x0=[x00,x01 ,…,x0,w—!;T时,才艮据7>式获取所述缩放因子,其中L为样本的数量,N为矢量的维数,气。,Xu,…,x^ 分别为前一级量化矢量中每一维的量化误差值,x。,。,Xw,…,x。,n分别为前一 级量化矢量中每一维的值。
6、如权利要求1所述多级量化的方法,其特征在于,所述缩放因子由以 下过程获取将O到2分成M份,根据公式;^^,^^,…,;v,2(n^获取M 个y值;根据所述M个y值与前一级码本Yl,获取M个新码本YoYl, ^Y1… 采用所述M个新码本对样本矢量进行量化,并根据公式五,Z获取每个码本对应的所有样本最小加权量化误差之和g.,其中L为样本 的数量,e,.,.为最小加权量化误差;乂"根据每个码本对应的£;,获取最佳缩放因子Y。
7、 如权利要求4至6任一项所述多级量化的方法,其特征在于,当所述 缩放因子为多个时,将所述多个缩放因子存放在数表中,并对所述缩放因子 的索引进行量化。
8、 如权利要求7所述多级量化的方法,其特征在于,所述缩放因子的索 引在量化时通过搜索整个缩放因子数表得到,或使用前级的量化结果通过比 特映射得到。
9、 如权利要求8所述多级量化的方法,其特征在于,所述前级的量化结 果包括当前待量化的能量参数的量化结果或谱参数的量化结果。
10、 一种多级量化的装置,其特征在于,包括 前级码本存储单元,用于存储前一级或前几级的码本; 参考码本获取单元,用于根据所述前级码本存储单元存储的码本获取参考码本;缩放因子存储单元,用于存储缩放因子;本级码本获取单元,根据所述参考码本获取单元获取的参考码本和所述 缩放因子存储单元存储的缩放因子,获取本级码本;矢量量化单元,用于利用所述本级码本获取单元获取的本级码本,对输 入的矢量进行量化。
11、 如权利要求IO所述多级量化的装置,其特征在于,所述参考码本获 取单元获取的参考码本包括所述前级码本存储单元存储的前一级码本,或从 所述前级码本存储单元存储的前一级或前几级码本中选择的码本。
12、 如权利要求IO所述多级量化的装置,其特征在于,所述参考码本获 取单元获取的参考码本为将所述前级码本存储单元存储的前一级码本中的矢 量合并后形成的码本。
13、 如权利要求10、 11或12所述多级量化的装置,其特征在于,所述 多级量化的装置进一步包括缩放因子搜索单元,用于通过搜索缩放因子数表得到缩放因子,发送给缩;故因子存储单元;和/或缩放因子映射单元,用于使用前级的量化结果通过比特映射得到缩放因 子,发送给缩放因子存储单元。
全文摘要
本发明公开了一种多级量化的方法,包括以下步骤根据前级码本获取参考码本;根据所述参考码本和缩放因子,获取本级码本;利用所述本级码本,对输入的矢量进行量化。本发明还公开了一种多级量化的装置。本发明通过本级码本与前级码本的关联,可以根据前级码本获取本级码本,使得本级码本无需相应的独立码本空间,从而节省了存储空间,提高了资源利用率。
文档编号G10L19/00GK101335004SQ20071019703
公开日2008年12月31日 申请日期2007年12月3日 优先权日2007年11月2日
发明者代金良, 军 张, 殷福亮, 艾雅·舒默特, 欣 马 申请人:华为技术有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1