使用关于非典型子序列的部分信息的语音和音频编码参数的量化的制作方法

专利名称：使用关于非典型子序列的部分信息的语音和音频编码参数的量化的制作方法
技术领域：
本发明涉及信息编码领域，本发明特别涉及使用关于待量化的数 据序列中子序列的非典型行为的信息的数据量化。15背景技术语音和音频编码器一般是通过统计冗余去除和感知不相关去除 的组合以及随后对剩余的归一化参数进行量化(编码)来对信号进行 编码。通过这个组合，当前大部分先进的语音和音频编码器以小于1 或2比特/输入的采样速率操作。但是，即使通过统计和不相关去除技20术获得改善，根据定义，所考虑的比特率经常使得以小于1比特/标量 参数的速率对许多归一化参数进行编码。以此速率是非常难以在不增 加复杂度的情况下提高量化器的性能的。由于比特分配(资源分配) 的粒度和量化器的性能是有限的，特别是当在统计等价的参数间均衡 地分配比特时，也非常难以控制或利用量化和/或不相干去除的感知效25 果。在包括音频和语音编码器设计的先进的编码器设计中所见到的 许多压缩，是由于对冗余和不相关进行有效地编码和/或将其作为从信 号中去除的目标的编码早期阶段和使用有效技术对剩余的统计归一化 且感知相关的参数进行量化的编码后续阶段的组合。 30 在低比特速率时，冗余和不相关去除阶段必须是有效的。有大量的关于怎样使得冗余和不相关去除有效的示例。例如，使用信号频谱的总体(短期)形态的线性预测系数(LPC ， Linear Predictive Coefficient)模型，可以使冗余和不相关去除有效。该模型是高度紧 凑的表示，应用于很多设计中，例如在码激励线性预测编码器、正弦 5 编码器、以及其它编码器如变换域加权交织矢量量化(TWIN-VQ)和 变换预测编码器等中。使用各种状态的现有技术例如对线谱对参数的 矢量量化和预测量化，能够对线性预测系数模型本身进行有效地编码。 另一个关于怎样使冗余和不相关去除阶段有效的示例是使用信 号中的谐波或音调结构的紧凑特性。这些结构表示频域中的冗余结构10 或者时域中的(长期)冗余结构。常见的技术通常使用表示这样的结 构的周期的参数，例如频域表示的谱峰间距或者准定态时域波形间距， 使用经典的参数如音调延迟(时域)或"ddta-f"(频域)。另一个关于怎样使冗余和不相关去除阶段有效的示例是使用增 益因子，以在不同的时域和/或频域区域中对信号能量的近似值进行显15 式编码。可以使用各种对这些增益进行编码的技术，包括对增益的标 量量化或矢量量化或者参数技术，例如使用上述的线性预测系数模型。 这些增益经常接着用于在进一步编码之前在不同区域中对信号进行归 一化。另一个关于怎样使冗余和不相关去除阶段有效的示例为指定不 20 同时域/频域的目标噪声/量化级别。通过分析输入信号的频谱和时间 特性来计算该级别。可通过很多技术明确该级别，包括显式地通过编 码器和解码器己知的比特分配或者噪声级别参数(例如量化步骤大 小)，以及隐式地通过编码器中的参数的变长量化。目标级别本身通常 为感知相关的，并成为一些不相关去除的基础。通常通过应用于时间 25 或频率中的给定区域(参数组)的单个目标级别的总体方式来说明这 些基本级别。一旦这些技术达到其能力的极限，例如在它们已经对信号统计完 全地归一化并基于这些归一化参数产生比特分配或者噪声级别参数分 配的极端情况下，这些技术不再能够用于进一步提高编码效率。 30 应该注意的是，即使使用最佳的上述的冗余和不相关技术，归一
化参数在其中也可能有变化。在某些工程领域中参数的子序列中出现 变化是众所周知的。特别地，在更高的参数维度，在诸如信息论的领 域中该变化已经得到了关注。信息论注意到可将统计等价的标量(随 机变量)划分到两组中 一组中的子序列符合基于相应的测度的"典 5 型的"行为，而另一 "非典型"组中的序列偏离于基于同样的测度的 "典型"行为。为了信息论中的理论分析的目的，需要将序列精确地 和完全地划分到这两组中。但是，信息论所使用的一个考虑是遇到这些后者即"非典型"序 列的概率变得可以忽略，这是因为这些子序列本身在长度也即维度上 10 增长。结果，在信息论的渐近理论分析中抛弃了 "非典型"子序列(及 其效果和精确的处理)。实际上，理论分析使用对这些"非典型"子序列的非常低效率的处理，其低效率是渐近无关的(irrelevant asymptotically)。在更低的维度，主要的问题是这些变化是否足够重要 而值得谨慎的处理，或者是否能够或应该忽略它们。15 先前已使用更高维度的矢量量化器隐式地(间接地)处理了信号统计中的局部变化，例如具有能与所考虑的序列的整个长度同样大的 维度的量化器。因此，当高维度的量化器中的码字可以或不可以反映 序列中的一些局部平均变化时，没有显式地考虑这些变化。有许多使 用更高维度的矢量量化器的方法。最基本的是生成量化器的直接(强20 制)方法，其码本由高维度矢量组成。这是最复杂的方法，但在速率 与失真的折衷方面具有最佳性能。还有其它复杂度更小的方法也能够接近于直接的高维度量化器 方法。 一种方法是进一步模仿信号(例如使用假设的概率边际密度函 数)并使用参数化的高维度量化器进行量化。参数化的量化器不必需25 要已存储的码本，这是因为其假设无关紧要的信号统计(例如均匀的 分配)。 一个参数化的示例是Trdlis结构。这样的结构也允许在编码 过程中的简单搜索。还有多种其它己知为结构化量化器的技术。还有用于更直接地处理所关注的目标矢量中的变化的方法。有许 多方法用于检查目标矢量并产生关于应该怎样对矢量进行编码的标30准。例如，运动图像专家组格式(MPEG)型编码器取修正离散余弦 变换(MDCT)系数的矢量，分析输入信号，并产生用于不同的MDCT 系数的组的保真度标准。 一般地， 一组系数在时间和频率中跨越某个 支持区域。编码器例如变换预测编码器和基本变换编码器使用给定子 带中的信号能量信息以推断用于该带的比特分配。 5 实际上，产生标准是大多数适合所述信号的语音和音频编码方案的基础。产生标准是处理冗余去除和不相关去除的编码算法的早期阶 段的功能。这些阶段产生用于参数的每个目标序列"x"的保真度标准。 单个目标"x"可表示编码器中的单个子带或比例因子。 一般地，在给 定的语音或音频帧中有许多这样的"x"，每个"x"具有其本身的保真10 度标准。这些保真度标准本身可为早期的方案所关注的总体统计的和 不相关的变化的函数。通过使用变长的量化例如霍夫曼(Huffman)编码，能够利用归 一化矢量的序列中的统计变化。分配给每个目标矢量的码本表示为变 长的码。所使用的码趋向于较不频繁使用的码字较长，而较频繁使用15 的码字较短。本质上，情况可以是较有效地表示"典型的"码字，而 较低效地表示"非典型的"码字。平均地，用于描述码字的比特的数 量少于如果使用固定长度的代码(固定比特数量)来表示码字索引的 情况。最后，在近来的工作中，存在关于在没有变量出现的顺序(位置) 20 信息的情况下确定变量序列中的唯一值与在没有关于所述值的信息的 情况下仅确定所述顺序之间的平衡的讨论。更多近来的工作也提到只 确定关于所述顺序的"部分信息(partial information)"。 一旦能够证 明变量的顺序或值是不重要的，所述工作未显示对任何类型的信息的 忽略是有益的。在关于语音和音频编码器的工作中，顺序和值都是重 25要的，尽管可能不同的值具有不同的重要性级别。这在所参考的工作 中未陈述。更多的信息参见L Varshney和V. K. Goyal的"Ordered and Disordered Source Coding " ， Information Theory and Application Workshop, Feb 6-10， 2006禾口 L. Varshney禾口 V. K, Goyal的"Toward a Source Coding Theory for Sets", Data Compression Conference, March 30 200
发明内容
此处公开了一种用于使用关于非典型序列的部分信息对参数进行 量化的方法及装置。在一个实施例中，该方法包括部分地将目标矢量5中的第一多个子序列分类到许多所选择的组中，基于由分类获得的信 息对第一多个子序列中的每个子序列产生细化的保真度标准，将目标 矢量划分到第二多个子序列中，并对第二多个子序列进行编码，其包 括在给定的细化的保真度标准下对第二多个子序列进行量化。在另一 实施例中，第一和第二多个可以是相同的数量。10


根据下文给出的详细描述以及本发明各种实施例的附图将更充分 地理解本发明，但是其仅用于解释和理解，而不应根据其将本发明限 制为特定的实施例。 15 图1为量化过程的一个实施例的流程图；图2为逆量化过程的一个实施例的流程图；图3描述了编码过程的一个实施例的流程图；图4描述了解码过程的一个实施例的流程图；图5描述了具有对比特分配的附加的感知增强的编码过程的一个 20 实施例的流程图；图6描述了具有对比特分配的附加的感知增强的解码过程的一个 实施例的流程图；图7描述了具有噪声填充操作的解码过程的一个实施例的流程图；25 图8描述了具有自适应量化的编码过程的一个实施例的流程图；图9为计算机系统的一个实施例的框图。
具体实施方式
描述了提高对归一化(统计等价的)参数进行量化的性能的技术。 30在一个实施例中，在有限的量化器维度和低速率操作的限制下执行量
化。这里描述的技术还具有自然地允许其利用感知因素和不相干去除 的特性。在一个实施例中，将不再受益于传统的统计冗余去除技术的参数 序列划分到更小的部分(子序列)中。将这些子序列的子集或者许多5子集标记为包括统计的变化。这里将该变化指示为"非典型"行为， 将这样被标记的序列称为"非典型"序列。也就是说，根据不存在假 设的统计结构的参数矢量，产生关于该矢量中包括的参数子序列之间 存在的实际(一般是随机的)变化的部分(不完全的)信息。该将被 使用的信息是部分的，因为它不是统计变化的完整说明。完整说明将10 不是有效的，因为它需要比仅需要发送部分信息时更多的额外的辅助 信息。可选地，对于每个子集也可关注变化的类型或多个类型(也可 能和经常是不精确的)。编码器和解码器均使用所述部分信息，以修改它们对整个参数序 列的处理。因此，解码器和编码器不需要对哪个序列是"非典型的"15 的完全了解或者关于变化的类型的完全信息。最后，将所述部分信息 编码到比特流中，并发送给与如果编码和发送完整信息相比具有更低 开销的解码器。下面描述了许多关于如何确定该信息和如何基于该信 息修改编码器行为的方法。在一个实施例中，新方法包括目标矢量，在这种情况下只有一个20上述的本领域中的"x"类型，并将这个"x"划分到多个子序列中， 对每个子序列产生细化的保真度标准(refined fidelity criteria)。在一 个实施例中，以用于子序列的比特分配的形式实现保真度标准。在一 个实施例中，子序列中的比特分配作为部分信息的函数而产生。而且， 可选地，这些操作包括产生比特分配中的有目的的模式，以在给定部25 分信息的情况下，提高在该部分信息未包括的剩余的不确定部分中的 感知性能。在一个实施例中，过程促进有效地接收零比特分配的矢量中的区 域(子序列)数量的增长。该实施例还能通过使用噪声填充以产生对 于接收零比特分配的区域有用的信号以利用该方法。该联合过程对非 30常低的速率是有效的。而且，噪声填充本身能基于准确的模式或在量 化过程中调整。例如，可调整噪'声填充的能量。该操作还包括使用比 特分配和噪声填充对整个目标进行量化(编码)和逆量化(解码)，以 产生参数序列的编码版本。有大量的关于这里描述的技术的差别和优势。首先，这里描述的5 技术不依赖于子序列中的任何预测或结构统计变化。即使当序列的组 成部分来自独立同分布的统计源时，该技术仍然可行。第二，该技术 不需要提供所有子序列的信息或者关于任何给定序列的完整信息。在 一个实施例中，仅提供关于非典型子序列的存在和特性的部分的可能 不精确的信息。这是有益的，因为它降低了针对这样的信息所传输的 10 信息量。该信息是部分的这个事实意味着，在该信息未说明的不确定 部分中可选择具有己知的或潜在的感知优势的改变(量化选项)。如果 没有任何部分信息，该不确定部分太大而不能产生或区分改变，而如 果有完整的信息则没有不确定部分。在一个实施例中，使用早期阶段所提供的信息。更明确地，根据 15定义，当生成精确标准时，原始的标准必须已经存在。同样地，假设 已对信号结构进行归一化。在这些假设下，能有效地使用部分信息以 作出剩余的更细的区分。在一个实施例中，将部分信息简单地编码为数字编号"V"。原始标准"C"和"V"共同直接地生成精确标准。该精确标准可由共同符20合"C"的许多子标准的模式组成。当在低比特速率下使用这里描述的技术时，其具有与对噪声填充 和模式化的比特分配的组合使用的自然的连接。该与噪声填充的连接 来自于该方法还能(有效地分配零比特至)从一些"x"的子区域去除 量化源的事实。因此，存在资源的不均衡分布，并且一些区域中的资25 源成为零。换句话说， 一些区域中的值是不重要的，因此以比特分配 量化的观点来看，其可被设为零。但是感知上更好的是分配非零(通 常是随机的)值而非绝对的零值。随后将讨论模式化的比特分配，其 为信息的不确定部分中的自由的结果。在一个实施例中，将子序列按组改变，每组表示所关注的变化的30某个分类。组中子序列的成员资格表示该子序列更可能具有(不是必 须具有)所关注的变化。该实施例允许最佳的成员资格信息和不精确 的成员资格信息之间的平衡。不精确的成员资格信息简单地传达了给 定类型的信息(分类)是更可能的。例如，可对子序列"k"分配组"j" 的成员资格，只因为这与将子序列"k"分配给另一组相比占用更少的5信息。因此所述关于变化的部分信息的形式之一是组中的不精确度的 或部分的成员资格。在另一实施例中，所使用的组之一表示没有关于该组的成员的分 类正被传达，仅暗示该信息不是其它组的成员。同样地，这是部分信 息的一个示例。10 在另一实施例中，能修改信息的类型，也即能根据多个可能性选择组的数量和定义。被编码入编号"V"的信息的一部分表示对于给 定的"x"所选择的可能性。例如，如果有四个可能的定义，则"V" 中的2比特信息表示在使用哪个定义。在下面的描述中，提出许多细节以提供对本发明的更充分的说15 明。但是，对于本领域中的技术人员而言，显而易见的是可以不使用 这些特定的细节而实施本发明。在其它示例中，以框图的形式示出了 众所周知的结构和装置，而非详细地示出，以免模糊本发明。下面的详细描述的一些部分以算法和对计算机存储器中的数据 比特的操作的符号表示的方式表示。这些算法描述和表示是数据处理20 领域中的技术人员所使用的方法，以将他们的工作实质最有效地传达 给该领域中的其他技术人员。 一般将这里的算法构思为通向期望的结 果的自相一致的步骤序列。这些步骤是那些需要对物理量的物理操作 的步骤。尽管不是必须地，这些量通常为能够被存储、组合、比较和 以其它方式操作的电或磁信号的形式。主要是由于通常的用法，将这25 些信号表示为比特、值、元素、符号、字母、术语、数字等等已证明 是方便的。但是，应当理解的是，所有这些及相似的术语与适当的物理量相 关，并且是应用于这些物理量的方便的标签。可以理解的是从始至终 的描述中，除非明确地陈述否则作为从以下的讨论所显而易见的，使 30用例如"处理"或"用计算机计算"或"计算"或"确定"或"显示" 等的术语的讨论，是指示计算机系统或相似的电子计算装置的操作和 处理，其将计算机系统的寄存器和存储器中的以物理(电子)量表示 的数据操作和转换为其它同样地以计算机系统的存储器或寄存器或其 它这样的信息存储、传输或显示装置中的物理量表示的数据。5 本发明还涉及用于执行这里的操作的装置。该装置可被特别地构造用于所需要的目的，或者可包括被选择性启动的或者被计算机中存 储的计算机程序所重配置的通用计算机。这样的计算机程序可存储于 计算机可读存储介质中，例如但不限于任何类型的盘，包括软盘、光 盘、只读光盘存储器(CD-ROM)、以及磁光盘、只读存储器(ROMs)、10 随机存取存储器(RAMs)、可擦可编程只读存储器(EPROMs)、电可 擦可编程只读存储器(EEPROMs)、磁或光卡、或任何类型的适合于 存储电指令的介质，并且其每个被耦合到计算机系统总线。这里的算法和显示并非固有地与任何特定的计算机或其它装置 相关。可以使用各种具有与这里的教义相一致的算法的通用系统，或15 者已证明为方便的是构造更专用的装置来执行所需要的方法步骤。下 面的描述将示出用于多种的这些系统的所需要的结构。此外，并非参 考任何特别的编程语言来描述本发明。可以理解的是可以使用多种编 程语言来实现这里所描述的本发明的教义。机器可读介质包括任何用于以机器(例如计算机)可读的形式存20 储或传输信息的装置。例如，机器可读介质包括只读存储器("ROM");随机存取存储器("RAM");磁盘存储介质；光存储介质；闪存装置； 电、光、声或其它形式的传播信号(例如载波、红外信号、数字信号 等)等。25 鹏在参数序列中，即使是统计独立且相同的参数，在局部统计中可 能有更细微的变化。这对即使是理论(分析)序列例如独立同分布的 高斯和拉普拉斯随机变量也是真实的。实际上，许多所关注的真实参 数的统计，例如许多语音和音频编码器的归一化的MDCT系数(即使 30 是那些非常接近于统计独立和等价的)，经常导致在局部参数统计中有 重大变化。重要地，当在低维度测量/观察时，例如当考虑单个参数或2、 3、 5等连续参数的子序列的局部能量时，这些变化倾向于更极端。 而且，在低比特速率时这些变化对于量化性能的影响经常更加显著。 虽然即使当考虑独立等同分布(i.i.d)的参数时，也即当没有统 5 计冗余时，这些变化仍然存在，试图在给定这些变化所表现的细微的 和随机的细节的情况下去除这些局部变化或对所有这些局部变化进行 编码是无效的。实际上，当参数是独立同分布时，在高比特速率时应 该完全忽略这些变化。这是在这样的独立同分布的情况下主流编码方 法忽略这样的变化并仅仅通过使用更高维度的量化器的技术来间接的10 利用它们的原因。因此这样的变化并非传统的编码器设计中的冗余和 不相关去除步骤的重点，并且通常当考虑这些设计中所使用的低维度 量化器时未被考虑。当涉及更低的比特速率时它们变得重要。但是，这个新方法中的关键意见是不需要去除、编码或提供关于 所有这些局部变化的完整信息。而是，如果对即使是关于这些局部变15 化的部分信息进行编码，可以通过编码器和解码器而利用该信息，用 于更好的全部客观量化和感知(主观)性能。其原因是部分信息与更 完整的信息相比需要更少的信息开销，并且一般仅需要一些用于获得 优势的变化。具有优势的变化是相对于平均信号统计而言足够"非典 型的"变化。部分信息的示例包括但不限于仅说明组中存在的一些20 变化、不精确地说明变化的一般位置或级别、模糊地对变化分类等等。 在低比特速率时，这样的变化可具有对性能的重要影响。通过获知这些变化的存在和近似位置及类型，编码器和解码器调 整它们的编码策略，以提高目标性能例如提高期望均方误差，以及利 用量化的感知效果。 一般地，来自期望行为的变化可表示具有这样变25 化的子序列应该得到优先的或者不优先的(即使是不利的)处理。通 过产生目标矢量组(例如这样的独立同分布矢量的组)中的比特分配 的非平凡模式，能够进行处理中的变化。比特分配表示应被怎样精确 表示目标矢量(子序列)。平凡模式仅仅是将比特均衡地分配给所有目 标矢量。非平凡(也即不均衡)模式能提高目标性能，例如均方误差，30 并允许有效地使用感知相关模式和噪声填充。
因此，在一个实施例中，基本方法是产生该部分信息，该信息为 不必基于任何统计结构的信息，使用该部分信息以产生比特分配的非 平凡模式，通过噪声填充和感知掩蔽技术有效地和有目的地使用模式。图1为量化(编码)过程的一个实施例的流程图。通过处理编码5 器侧的逻辑来执行该过程。通过处理可包括硬件(电路、专用逻辑等)、 软件(例如在通用计算机系统或专用机器上运行)、或这两者的组合的 逻辑来执行该过程。参考图1，该过程始于待编码的目标矢量"x" 120和目标全局保 真度标准"B" 121的输入。全局标准仅仅是将被应用于整个矢量的标10 准(或比特方式的资源)。假设在冗余和不相关去除的早期编码阶段中 产生目标和全局标准。目标矢量"x" 120由"M"个符号的序列组成。 预定的和/或从早期编码阶段的比特流中传输的信息(比特)所注意到 的目标全局保真度"B" 121为解码器所已知。处理逻辑初始地交织目标矢量(处理框IOI)。这是可选的。在一15个实施例中，通过交织函数实现交织。在这种情况下，表示该函数的 信息"I"(表示为比特序列)被打包到比特流中并被发送至解码器。 注意，如果交织函数"I"在解码器处是固定的或先验的，例如如同上 述的"B"中所假设的，不需要发送信息至解码器。交织具有许多作 用，其一是潜在地随机化量化的方块(局部化的区域)效应。20 接着，处理逻辑将目标矢量120划分到大量(大于1)的用于分类的符号的子序列中(处理框102)。在一个实施例中，这个划分(这 里表示为"划分1")至少部分地是保真度标准"B"的函数。例如， 子序列的长度、子序列的数量可为"B"的函数。在一个实施例中， 该划分至少部分地是目标120的维度"M"的函数。而在另一实施例25中，该划分为任何其它来自先前的编码阶段的辅助信息的函数。注意， 该划分不需要是它们中任何一个的函数。无论如何，假设编码器己知 所有相关信息并因此能基于对划分l的解析而重新产生信息。注意， 划分1还可为这里表示为"划分2"的另一划分的函数，其在下文将 被描述并在量化(编码)子序列时被使用。30 处理逻辑分析这些子序列以判定任何子序列是否表示和/或包含
所关注的行为上的变化(处理框103)。关注这样的"非典型"子序列 也即具有"非典型"变化的子序列，并且选择其中一些的索引用于包 括在发送至解码器的部分信息中。注意，也可以选择不具有所关注的 行为的子序列用于这样的分类。如果这样的不精确的(部分的)分类 5 实际上比准确的分类更有效则可以这样做。例如，使算法说明固定的 预先选择的数字如"u"，否则总共"v"个子序列中的子序列需要与允 许灵活地选择这样的子序列中的1，2,...,或者u相比更少的信息。处理逻辑基于"非典型"子序列的索引和它们可能表现的变化的 类型，将信息编码到参数"V"中(处理框104)。用将被打包到比特10 流中的比特序列表示该参数。在上述的一个实施例中，该参数定义了 不同组中的子序列的成员资格。不必将所有的子序列分配到组中。组 中的子序列不必实际上具有或表现同样的"非典型"变化。组中的成 员资格仅仅表示可将这些子序列视为具有这样的变化。例如，与消耗 资源以说明和限制优先处理那个子序列相比，可能更有效的是优先处15 理更多的子序列。为了对目标矢量120编码，处理逻辑还将目标矢量划分到子序列 y(l)，...,y(n)中(处理框106)。该划分(这里表示为"划分2")不必与 在分析目标矢量120中的变化时所使用的划分(划分1)相同。在一 个实施例中，如同使用划分1地，划分2是"B"和"M"或者任何20其它来自先前的编码阶段的辅助信息的函数。在一个实施例中，划分 2是"V"的函数。为描述简洁起见，假设这些子序列每个具有"p" 个符号。如果该划分是可变的或者是任何其它在这个解码中的阶段未 在解码器侧出现的函数，将必须以比特的形式向解码器发送附加信息 以完全地描述该划分。25 然后，处理逻辑使用保真度目标"B"和由"V"表示的部分信息参数，对划分2中的目标子序列产生细化的保真度标准f(l)，…，f(n)， 其中f(k)应用于目标y(k)(处理框105)。通过下面所讨论的进一步细化(基于分配的改变)，可以在保真 度标准f(l),...，f(n)中隐含地表示感知增强。30 可选地，处理逻辑测试是否有用于进一步使标准细化的新的信息(处理框108)，如果有则判定随着量化过程继续而获得的量化信息 (发送至处理框115的信息的一部分)是否能实际上使标准细化(处 理框109)。如果是，则处理框将该信息发送至处理框105。该可选的 迭代步骤在一些情况下可提高性能。在一个包括处理框108和109的 5实施例中，y(k)的量化版本可直接用于改变将来的y(k)的量化。注意， 在解码器中的逆操作中，以与编码时同样的顺序恢复y(k)的量化版本， 因此在解码器侧能够准确地重复该过程。 一个调整是使用在给定时间 已知的y(k)的量化以估计原始的y(k)的实际能量。这可能提供了关于 剩余的y(k)的能量的信息，因此可使用该信息以调整量化技术。由于 10来自早期编码步骤的原始统计归一化过程，整个矢量"x"通常具有给 定的总期望能量。这使得这样的估计是可能的。在另一实施例中，先 前的y(k)的估计能量可表示将来的y(k)的潜在的感知重要性或感知关 联性。处理逻辑对划分2中的子序列y(l),...，y(n)进行量化(根据保真度 15标准f(l),...,f(n)(或任何其感知细化)，使用任何优选的量化方法，例 如传统的标量或矢量量化技术)(处理框107)。传统技术将子序列 "y(k)"映射到码本中的索引。码本设计，例如码本中的条目的数量 及其成员，是f(k)的函数。索引说明码本中的应该被用于表示子序列 "y(k)"的近似版本的唯一条目。 20 处理逻辑以已知的顺序将量化索引打包到参数"Q"中。该参数可简单地是所有索引的集合，或者是一些从索引集合到另一参数值的 一对一的唯一映射(处理框115)，并以比特序列方式作为发送至解码 器的比特流的一部分而发送该信息。图2为逆量化过程的一个实施例的流程图。通过在解码器侧的处 25理逻辑执行该过程。通过可包括硬件(电路、专用逻辑等)、软件(例 如在通用计算机系统或专用机器上运行)、或这两者的组合的逻辑来执 行该过程。注意，此方案不具有感知增强。参照图2，解码器中的处理逻辑接收从编码器发送的比特流(处 理框201)。处理逻辑可接收来自早期编码阶段的可能(或可能不)是 30必需的参数，例如"B"和"M"。
处理逻辑从比特流中提取参数"V"并使用该参数(和可能的其 它来自早期编码阶段的参数如"B"),以生成编码器侧所使用的保真 度标准f(l),...,f(n)(例如比特分配)(处理框204)。使用f(l)","f(n)，处理逻辑能够获得"Q"并从比特流中提取和 5恢复量化索引(处理框202)。处理逻辑连同根据处理框202中的比特流所估计的参数"Q" — 起使用该保真度标准，以恢复目标(子序列)y(l)，...，y(n)的量化版本 w(l)，...w(n)(处理框203)。通过恢复所有的量化索引来完成这些。也 就是说，处理逻辑在给定细化的保真度标准和量化信息的情况下，以 10 已知的顺序对子序列进行逆量化(在给定所恢复的索引的情况下提取 必需的码本条目)。在一个实施例中，处理逻辑是一所估计的量化信息以测试是否有 用于进一步使保真度标准细化的新的信息(处理框220)，如果有，则 处理逻辑测试该信息是否能进一步使保真度标准细化(处理框211)。 15 在第12页倒数第2段中描述了相关的迭代过程。如果是，则处理逻辑 将量化信息发送给处理框204，其对保真度标准进行细化(例如比特 分配)并相应地修改对将来的量化索引的提取。使用假设在编码器侧和解码器侧均已知(并且可能是其它参数的 函数)的划分2，处理逻辑将w(l)，...w(n)集合到长度为"M"的已解 20码的矢量中(处理框205)。如果必需的话(如果在编码器侧已经进行了交织)，处理逻辑可 选地对已解码的矢量解交织，该过程反转目标"x "的"M"维度的 量化版本即量化矢量"w" 230 (处理框206)。25 本发明的其他实施例在这里所描述的教导的应用中，有许多用于该部分信息的产生和 使用的可能的选项。图3描述了使用部分信息的编码过程的一个实施 例的流程图。通过编码器侧的处理逻辑来执行该过程。该处理逻辑可 包括硬件(电路、专用逻辑等)、软件(例如在通用计算机系统或专用30机器上运行)、或这两者的组合。
参照图3，处理开始于处理逻辑选择性地对具有维度"M" 302 的目标矢量302进行交织(处理框311)。基于交织函数(I) 303完成 该交织。交织函数(I) 303以比特表示。也就是说，"I"表示完整地 描述交织函数所需要的比特(可为O)。 5 在一个实施例中，不使用交织函数，并且保真度标准"B"指定了将被用于对目标x编码的比特的数量。可假设在不失共性的情况下 "B"相当于指定将使用"B"比特对目标矢量302进行编码。目标"x"由"M"个符号组成。在一个实施例中，每个符号本身 表示矢量。在最简单的情况下，单个符号是实值或复值的标量(数字)。10 在选择性地交织之后，处理逻辑执行划分1。最后，处理逻辑将矢量302分解到子序列中(处理框312)，对变化进行检测和分类(处 理框3B)，并响应于关于维度"M"的信息，基于变化对部分信息进 行编码(处理框314)。编码结果的一个输出是完整地描述部分信息所 需要的编码。这在图3中以V表示。15 在一个实施例中，划分1中的子序列是不相重叠的，并被简单地定义为连续的每个包括"m"个符号的子序列。在一个实施例中，值 "m"是"B"和"M"的函数。因此在划分1中有q二M/m个(假设 q为整数)这样的子序列。为了此处的目的，将这些子序列表示为 x(l)，...，x(q)。在另一实施例中，划分1中的子序列可以相重叠。20 处理逻辑基于说明维度M的输入信息对部分信息和变化进行解码(处理框315)。处理逻辑使用目标全局保真度标准对矢量、B30K维度M、对来 自部分信息解码框315的变化的部分信息进行解码的结果、以及处理 框320的输出进行编码，对每个的"p"维度的子序列产生新的保真度25 标准。在处理框320中，处理逻辑执行划分2，其包括选择用于将目 标矢量302划分(交织)为用于编码的子序列的方法。在一个实施例 中，划分2是划分1的细化，其中每个"m"个符号的矢量x(k)被划 分到"a"个子序列中，每个子序列的维度"p"满足a=m/p且假设p 为整数。为了此处的目的，将这些划分2的子序列表示为<formula>formula see original document page 18</formula>因此，在划分2中共有n-a+q个p维度的子序列。将
产生新的保真度标准的结果发送至处理框330。在处理框321，处理逻辑将矢量划分到用于基于处理框320所选 择的方法的编码的子序列中。在一个实施例中，用于编码的序列是维 度为"p"的子序列。将该子序列表示为y(l)，...,y(n)。 5 响应于处理框321和316的输出，处理逻辑对子序列进行编码(处理框330)。通过共同包括信息"Q"的参数(例如量化索引)描述每 个已编码的子序列。该"Q"与完整地描述部分信息V所需要的比特 一起被输出和发送至复用和打包逻辑340。复用和打包逻辑340接收完整地描述交织函数"I"所需要的比特、10完整地描述部分信息"V"所需要的比特、以及完整地描述可解释为 给定的"V"(和可能地"I")的量化所需要的比特"Q"。响应于此， 通过逻辑340将其复用和打包至比特流中。将复用和打包逻辑340的 输出发送至复用和打包逻辑341，后者将该信息与来自早期阶段304 的参数一起复用和打包至比特流350中。15 图4为解码过程的一个实施例的流程图。通过解码器中的处理逻辑执行该过程。通过可包括硬件(电路、专用逻辑等)、软件(例如在 通用计算机系统或专用机器上运行)、或这两者的组合的逻辑来执行该 过程。参照图4，通过产生用于早期阶段(例如M和B)的比特流420 20和参数的解复用和解包逻辑411接收比特流401。将比特流420输入 至执行对比特流的解复用和解包以产生I、 V和Q的解复用和解包逻 辑412，其中I为完整地描述交织函数所需要的比特，V为完整地描 述部分信息所需要的比特，Q为完整地描述给定的量化V所需要的比 特。将V个比特发送至处理框403，其中处理逻辑响应于表示目标矢 25量的维度的输入M,基于变化对部分信息进行解码。在处理框404使 用解码结果，其中处理逻辑响应于目标全局保真度标准B和目标矢量 的维度M，对每个"p"维度的子序列产生新的保真度标准。在一个 实施例中，还响应于处理框405所指定的对用于将目标矢量划分到用 于编码的子序列中的方法的选择，产生新的保真度。将以f(l),…，f(n) 30表示的新的保真度发送至处理框406。
在处理框406，处理逻辑响应于处理框404所指定的保真度标准， 对涉及每个子序列的来自解复用和解包逻辑412的"Q"中表示的信 息进行解码。将已解码的子序列发送至处理框407，其中处理逻辑将 重新获得的子序列集合到维度为M的已解码序列中。处理逻辑响应于 5 如处理框405所指定的用于将目标矢量划分(交织)到子序列的方法， 对子序列进行集合。随后，处理逻辑执行任何必需的解交织(处理框408)。这是响应 于由来自解复用和解包逻辑412的输出I所指定的交织函数而完成的。 处理框408的输出为目标X的M维度的已解码版本。10变麵量对于每个"m"维度的矢量x(l),...,x(q)计算对变化的测量。该测 量必须匹配于所使用的感知标准和量化方案。在一个实施例中，量化 方案基于固定速率的矢量量化器，而标准是每个子序列的能量。15 处理逻辑基于用于基于测量对子序列分类的类别的离散数字 "D"。每个类别的成员表示在某种意义上偏离于典型行为的矢量。在 一个实施例中，使用单个类别，其中注意到具有最大的测度例如能量 的变化的子序列。在这种情况下，该类别具有单个成员。在另一实施 例中，使用两个类别第一类别为具有最高能量的"d"个矢量，第二20 类别为具有最低能量的"h"个矢量。在这种情况下，第一组具有"d" 个成员，第二组具有"h"个成员。注意，所使用的类别通常不提供关于所考虑的测度值例如子序列 的能量值的精确信息。实际上如同在当"a"H时的情况下地，不必 提供在划分2的粒度的信息。所有必需的是变化区分一个或更多的子25 序列与所考虑的序列的组中的剩余者。也就是说，类别是用于在给定 表示低维度的矢量的有限的采样的情况下与其它子序列相比是"非典 型"的子序列。上面的示例表示实践中所使用的类别。在一个实施例 中，类别是固定的。在另一实施例中，类别是来自早期阶段的信息例 如"B"的函数，并且假设为解码器和编码器己知。如果类别本身变30化，使用附加的辅助信息以用信号将信息通知给解码器。该辅助信息
可简单地作为前述的"V"的一部分被包括。在该方法的使用中，使类别主要是"B"、 "M"和"m"的函数就足够了。如下文所述的附加 的辅助信息在指定类别(和"m")时也可是有用的，这在一些情况下 可显示为有益的。5 对每个类别的成员进行编码。为了执行该编码，首先回想在划分1中有原始的"q"个m维度的子序列，其中仅有一些可以被分类。 假设有"D"个类别，每个类别具有预定的固定数量d(l),...,dCD)的成 员。指定该分类需要不多于"V"个比特的信息，其中10 其中<formula>formula see original document page 21</formula>且、-AH/(g!(W-g)！)例如，在具有两个类别、每个类别仅具有一个成员的情况下， k)g2(q(q-l))个比特用于描述所关注的这两个类别中的成员资格是足够 的。这将构成图3和图4中的信息"V"。注意在这个示例中q-2个子 15 序列是隐式地包括在除了这些子序列不在所关注的两个类别中之外未 给出任何信息的第三类别中。部分信息的一个示例包括"D"个类别的定义、"D"个类别中的 成员资格、以及许多序列可以不被放入"非典型"类别的部分信息中 的事实。20 假设"B"简单地是"B"个比特，"V"简单地表示为"V"个比特。在一个实施例中，为了使用处理框326或404产生比特分配 f(l),…，f(n)，以被认为是在划分1的"q"个m维度的子序列x(l)，...，x(q) 中是均衡的方式初始地划分被分配到目标矢量"x"的(B — V)个比 特。这在没有部分信息的情况下将是有意义的，因为早期编码阶段假25 设或者通过本性和设计试图使得子序列全部统计等价且目标矢量"x" 不具有结构。但是，附加的部分信息使得可以做得更好，特别是在低比特速率 时。修改作为"B"和"m"以及所选择的类别和信息"V"的函数的 比特分配，以产生在q个子序列中的不平均分配。这产生q个m维度 30的子序列中的粗略的初始不平均比特分配F(l),...，F(q)。例如，如果有
两个类别类别l为具有最大能量的子序列，类别2为具有最小能量 的子序列，算法可简单地从类别2的子序列中去除给定数量的比特并 加到类别1中的子序列。这里将被传输的比特的数量表示为"不齐量(skew)"。在另一实施例中，如果有两个类别，类别l为具有最大能 5量的子序列，类比2为具有第二大能量的子序列，算法可简单地从任 何或所有的剩余矢量中去除给定数量的比特并可能不平均地将该比特 加到类别1和类别2。同样地，将被传输的比特的数量表示为"不齐 量"。在上述的两个示例中，已经发现对于"不齐量"，隐式地基于"M"、 "m"和"B"是足够的。也就是说，"M"、 "m"和"B"，即编码器 10 和解码器均已知的变量连同所使用的类别对于定义不齐量而言是足够 的。当从许多其它未被部分信息区分的矢量中去除比特时，如同第二 个示例，尽可能均匀地从这些矢量中去除比特以弥补不齐量。给定分配F(k)，尽可能在组中平等地对待子序列x(k)中的"a"个 划分2的子序列x(k，l)，…,x(k,a)。可用的部分信息不应用于任何子序 15 列x(k)中的比特分配的细化，因此平均对待是逻辑的，并可通过在"a" 个子序列之间尽可能平均地划分完毕比特来实现。这是对所有"k"个 将F(l),...，F(q)个比特到x(l)，...,x(q)的粗略比特分配细化为应用于"n" 个"p"维度的子序列x(l,l),...x(q,a)的"n"个分配f(l)，…，f(n)而执行 的，其中n=q*a。注意，尽管从感知的观点来看，可用的部分信息未 20 应用于任何子序列x(k)中比特分配的细化，该方案可关注组中实际的 分配并交换(安排它们)以具有感知优势。这将在下文通过讲解和图 6和图7所描述。新的比特分配用于指导"n"个目标x(U)，…,x(q,a)的量化。通过 使用基于n=m*q个"p"维度的矢量x(l，l)，…,x(U),x(2，l),…,x(q,a) 25的p维度的量化来执行实际的量化。对于任何给定的x(k,j)，使用如上 文所述的传统的量化技术例如标量或矢量量化，来执行基于比特分配 的实际量化。附加的感知增强30 在一个实施例中，修改图3的编码方案和图4的解码方案，以增
加感知细化的能力。这些感知细化使比特分配和/或噪声填充模式化。 应用这些方法的原因之一是基于新方法的一些特性。也就是说,从f(i)、 f(j)、 f(l)到同样类别中的子序列(也即同样的X(k)中的子序列，或者 不同X(k)的相同类别的子序列)的分配可在无预期(平均)目标(例 5 如均方误差)性能损耗的情况下被改变顺序。根据定义，部分信息不 将这样的矢量彼此区分。
应用这些方法的另一原因是该过程产生不均衡的比特分配，并且
当在足够低的比特速率使用该过程时，许多分配f(n)经常为零。即使
当F(k)〉0到子序列x(k)的非零分配在对于子序列x(k，l),…，x(k，a)的"a" 10个不同的分配中被中止时，则一些子序列可比其它子序列多获得l比
特，除非F(k)为"a"的整数倍数。如果F(k)〈a，则一些矢量通常必需
获得零比特的分配。
将模式化的比特分配的使用直接链接到这些特性的第一个，在图
5和图6中描述了用于解码器和编码器的该过程。该过程为接受分配 15f(l),...f(n)并产生为该分配的有限改变的新的分配g(l)，...,g(n)。仅允许
同样类别的子序列之间的分配的改变。
图5描述了对图3的修改，其中感知增强框501对于每个子序列
和每个表示V中的同样的部分信息的组，检查新产生的保真度的输出。
处理逻辑接着对f(i),...f(n)重新排序，以具有更好的感知效果。将重新 20排序后的分配发送至编码框530，编码框530将这些子序列按其产生
的方式进行编码。同样在图6中与此类似。 下面给出了变化的结合的一个实施例。
确定具有每子序列最高平均比特分配的单个类别的子序列。如果 可能，改变这些分配以具有最高可能的感知效果。在一个实施例中， 25如果矢量x(l,l),...，x(q,a)表示频域矢量，因此符号序列x(k)包括频带， 使高比特分配一起在频率中集群，例如接受随机分配f(j),…,f(j+s)= [5,4,5，4,4]并排序为g(j),..，，g(j+s) = [4,4，5，5，4]。在这种情况下， 一般规
则可为使该集群集中于频带的中心。另一规则为对频带的边缘附近的 分配进行集群，例如g(j)，…,g(j+s" [5,4,4,4,5]。选择使用哪个取决于 30在先前阶段所编码的其它信号特性(信息)和f(k)的实际值。也就是
说，该改变是完全隐式地基于现存的信息。
在分类之后，对目标进行量化。有时最先量化接收最大比特分配 的目标的方式是有益的。注意，该信息首先被打包到Q中的比特流中。
基于g(J),…,g(J+s)的值以及可能地基于Q中已量化的索引，评估 5已解码的矢量的感知掩蔽特性W(j)，...，w(j+s:)。
然后，关注将受到该基于f(k)的剩余的值的掩蔽的最大影响的下 一个目标子序列。如果可能，改变它们的比特分配，以尽可能多地利 用或增强来自已编码的矢量的掩蔽效应。例如，如果已判定由 g(j),…，g(j+s)所覆盖的区域具有对相邻区域以及具有f(j-t),…f(j-l)= 10[l，O，l，O，l]的相邻区域的非平凡的掩蔽效应，则一个过程将对一些非零 分配进行集群，以使其远离已编码的区域并且不使用噪声填充(或者 己使用的非常低的能量的噪声填充，也即g(j-t),...,g(j-l) = [l,l,l，0，0]。 重复直到已产生全部分配g(l)，...，g(n)并且已对所有子序列进行 了编码。噪声填充取决于第二特性并可在改变或不改变如图7的模式 15化的比特分配的情况下使用。参照图7，噪声填充处理框701对于不 具有Q中的信息的子序列以规定的能量产生随机序列。
噪声填充通常以提高均方误差的代价来有效地提高潜在的解码 模式中的可变性。对于具有零比特分配的区域，所提高的可变性是感 知上更舒适的，并且是通过生成随机模式在给定的噪声能量级别产生 20 的。当用于该方案而不考虑g(l)，...,g(n)的准确的模式时，对于接收零 比特分配的子序列，以所选择的级别简单地生成噪声填充。当该方案 适合g(l),...，g(n)的准确的模式时，可通过改变不同的区域中的噪声填 充的能量级别来这样做。特别地，如果认为具有零比特分配的区域被 另一区域(被编码而非零比特分配)感知掩蔽，则解码器可以判定不 25 在该区域使用任何噪声填充或者降低噪声填充的能量。
对实施例的性能增强 可使用进一步的性能增强。
首先，调整用于基于子序列的类别对子序列的编码的量化器。如 30图8所示。在使用("p"维度的)前向(straight-forward)矢量量化
器的情况下，为了实现这个方案，该方案将简单地具有用于不同类别 的不同的码本。基于已分类的训练数据而训练该码本。
第二个增强是同时使用该方案的两个或更多的实施例，例如，使
用不同的"m"、不同的"p"、不同的类别等等。对于每个实施方式， 5使用每个实施方式进行编码，接着仅从一个实施方式中选择信息用于 传输给解码器。如果测试了 "r"个不同的实施方式，则向解码器发送 附加的1og2(r)比特的辅助信息，以传递已使用和发送哪种实施方式的信号。
10 附加实施例
有大量的附加的实施方式。在一个实施例中，重叠划分l中的子 序列。该重叠本身可用于提高由类别所提供的对信息的分解。例如， 如果两个重叠的子序列是同一个类别的成员，则可能重叠区域(对两 个子序列而言是相同的)是产生非典型变化的区域。回想，为了平衡15 用于描述类别的"V"个比特与用于进行量化的"(B-V)"个比特，组 中的子序列可以实际上不具有该组试图表示的变化。但是，在这种情 况下，将这样的子序列放入这样的组中，将它们视为具有该变化而非 花费更多的信息用于试图提供说明它们不在该组中的信息，是更有效 的。重叠的组可为以增量方式不准确地对这样的信息进行细化的方法。
20 在一个实施例中，目标保真度标准"B"可以除比特之外的方式
表示。例如，在一个实施方式中，目标保真度标准"B"表示对于每 个目标矢量的误差的限度。
在一个实施例中，值"m"为来自早期阶段的信息的函数，例如 "M"和"B"。可能有益的是，通过使用附加的辅助信息和/或使用其
25 它参数来提供对该值的附加的调整。例如， 一个这样的方案使用"m" 的两个潜在值，并将所使用的针对给定序列的选择通过信号使用1比 特传递给解码器。
在一个实施例中，交织器是固定的或者是来自早期阶段的信息的 函数(不需要辅助信息)或者是可变的(需要辅助信息)。
30 在一个实施例中，关于"p"个子序列的新的保真度标准不符合 全局保真度标准"B"。例如，附加的部分信息可能足够用于促使早期阶段所计算的"B"标准中的变化。在一个实施例中，生成新的感知模式g(l),...，g(n)的过程并非如同 己完成量化而产生的增量过程。模式g(l)，…,g(n)可直接从f(l),...，f(n)5中产生而不需要任何来自Q的信息。这提高了编码对比特误差的适应 能力。典型计算机系统图9为可执行一个或多个这里描述的操作的示例性计算机系统的 10框图。参照图9，计算机系统900可包括示例性客户端或服务器计算 机系统。计算机系统900包括用于计算信息的计算机装置或总线911， 以及用于处理信息的与总线911耦合的处理器912。处理器912包括 微处理器，但是不限于微处理器，例如Pentium 、PowerPC 、 Alpha 等15 系统900还包括随机存取存储器(RAM)或者其它耦合到总线911的用于存储信息和将被处理器912执行的指令的动态存储装置904 (表示为主存储器)。主存储器904还可用于存储临时变量或其它处理 器912执行指令过程中的中间信息。计算机系统900还包括只读存储器(ROM)和/或其它耦合到总 20线911的用于存储静态信息和用于处理器912的指令的静态存储装置 906，以及数据存储装置907，例如磁盘或光盘及其相应的盘驱动器。 数据存储装置907被耦合到总线911，用于存储信息和指令。计算机系统900还可被耦合到显示装置921，例如阴极射线管 (CRT)或液晶显示器(LCD)，该显示装置921被耦合到总线911， 25用于向计算机用户显示信息。字母数字输入装置922，包括字母数字 键和其它键，还可被耦合到总线911，用于将信息和命令选择传送至 处理器912。附加的用户输入装置是耦合到总线911的用于将方向信 息和命令选择传送至处理器912以及控制显示器921上的指针运动的 指针控制923，例如鼠标、轨迹球、轨迹板、触针、或指针方向键。 30 另一可被耦合到总线911的装置是硬拷贝装置924，其可用于在
诸如纸、胶片或其它类似类型的介质上标记信息。另一可被耦合到总线911的装置是有线/无线通信能力925,用于与电话或手持掌上设备 通信。注意，在本发明中，可使用系统900的任何或所有部件及相关的 5硬件。但是，可以理解的是，计算机系统的其它结构可包括一些或所 有的所述装置。尽管对于已阅读上述说明的本领域普通技术人员而言，对本发明 的诸多变更和修改无疑是显而易见的，应当理解的是，任何通过描述 的方式示出和说明的特定实施例决不应被认为是限制性的。因此，对 10各种实施例的细节的参考并非倾向于限制权利要求的范围，权利要求 本身仅陈述那些被认为对本发明而言是必要的特征。
权利要求
1、一种方法，包括部分地将目标矢量中的第一多个子序列分类到许多所选择的组中；基于由分类获得的信息，对第一多个子序列中的每个子序列产生细化的保真度标准；将目标矢量划分到第二多个子序列中；以及对第二多个子序列进行编码，包括在给定的细化的保真度标准下对第二多个子序列进行量化。
2、 一种制造品，包括一个或多个存储有指令的计算机可读介质， 当所述指令被系统执行时促使系统执行包括以下步骤的方法-部分地将目标矢量中的第一多个子序列分类到许多所选择的组15 中；基于由分类获得的信息，对第一多个子序列中的每个子序列产生 细化的保真度标准；将目标矢量划分到第二多个子序列中；以及 对第二多个子序列进行编码，包括在给定的细化的保真度标准下 20 对第二多个子序列进行量化。
3、 一种方法，包括 接收具有已编码的信息的比特流；对来自该比特流的分类信息进行解码，在编码过程中通过对目标 矢量中的子序列进行部分地分类而产生所述分类信息； 25 基于已解码的分类信息，对第一多个子序列中的每个子序列产生保真度标准；以及基于已知的顺序和保真度标准，对来自比特流的第一多个已编码 的子序列进行解码。
4、 一种制造品，包括一个或多个存储有指令的计算机可读介质， 30 当所述指令被系统执行时促使系统执行包括以下步骤地方法接收具有己编码的信息的比特流；对来自该比特流的分类信息进行解码，在编码过程中通过对目标 矢量中的子序列进行部分地分类而产生所述分类信息；基于已解码的分类信息，对第一多个子序列中的每个子序列产生 5保真度标准；以及基于己知的顺序和保真度标准，对来自比特流的第一多个已编码 的子序列进行解码。
全文摘要
公开了一种使用关于非典型子序列的部分信息对参数进行量化的方法及装置。在一个实施例中，该方法包括部分地将目标矢量中的第一多个子序列分类到多个所选择的组中，基于从分类中提取的信息，对第一多个子序列的每个子序列生成细化的保真度标准，将目标矢量划分到第二多个子序列中，对第二多个子序列进行编码，包括在给定细化的保真度标准情况下对第二多个子序列进行量化。
文档编号G10L19/02GK101160621SQ200680012440
公开日2008年4月9日 申请日期2006年4月20日 优先权日2005年4月20日
发明者希恩·A·兰普拉赛德 申请人:株式会社Ntt都科摩