基于n维空间二分法的矢量量化器的制作方法

专利名称：：基于n维空间二分法的矢量量化器的制作方法
技术领域：
：本发明涉及数据转换，并且更具体涉及用于例如在动态元件匹配中执行异步矢量量化的方法和系统。
背景技术：
：数模转换器(DAC)和模数转换器(ADC)使用在多种应用中。在执行转换中，DAC/ADC—般使用例如AE转换的技术来找到对输入信号最接近的匹配以及将误差转换为信号频带外噪声。这种DAC/ADC的要求对于某些应用可能非常严格。例如，DAC和ADC可以用在现代音频系统中。对于这种应用，靶向性能(targetedperformance)可以是16比特的信噪比(SNR)，或在某些带宽例如20KHz音频带宽中更高。类似的技术例如第三代便携式电话和在互联网协议上的语音(VoIP)音频会议电话也需要成本低的但不过度牺牲性能的高性能的音频编码器/解码器(CODEC)。尽管DAC和ADC是已知的，常规地用在转换误差中的例如数据加权平均对于某些应用可能不是足够的或可能实现起来昂贵。因此，期望一种用于提供低成本、高性能的数据转换器的机制。动态元件匹配(DEM)是一种可用于将失配(mismatch)误差转换为ADC/DAC的信号频带外噪声的技术。因为DEM不需要高度精确的校准系统，所以实现DEM可以是相对低成本的。为了执行DEM，使用了矢量量化。矢量量化是一种数学技术，其可用于使信号频带外的模拟失配噪声成形(shape)，允许DAC/ADC执行其功能。特别是，矢量量化确定了对特定矢量的最接近的匹配。在使用DEM的ADC/DAC的实现中，矢量量化可用于确定如何转换DAC/ADC元件，例如电容器或电流源，以找到对输入信号的最接近的匹配。为了更容易地理解矢量量化，参考图l，其为描述三维矢量量化的图10。矢量U12对应于输入信号。因此，U12对应于输入信号的样本。在算术上，矢量量化确定最接近地匹配矢量U12的、并且在每一维上具有单位矢量分量的矢量。换句话说，对于图1中描绘的三维情况，矢量量化确定矢量U12在由原点(O,O，O)和立方体14的顶点界定的最接近的矢量上的投影。因此，矢量量化的输出是O矢量或是从原点(0,0,0)到顶点(l，O，O)、(O，l，O)、(0,0,1)、(l丄0)、(O,l，l)或(l，l，l)之一的矢量。在U12和输出V之间最接近的匹配在IIU-VII最小时出现。这个量在U12与V的标量乘积最大时是最小的，该量对应于与V校准(alignwith)的U12。使U12与V校准因此对应于识别U12的最大元素。因此，使用数学方法，矢量量化可以找到对U12最接近的匹配以及误差。在矢量量化的应用中，空间维的数量对应于期望的分辨率。期望的分辨率R由在分辨率中的期望的比特数给出。对应于输入信号的矢量U的空间维的数量N大于或等于2R—1。因此，对于两比特分辨率，空间维的数量是3。因此，在图1中描绘的立方体14可以用于执行对于具有3比特分辨率要求的应用的矢量量化。对于4比特分辨率，空间维的数量是5。对于更高的分辨率，维的数量按指数比例决定。尽管DEM实现起来可能成本较低，当前对于其在常规DAC/ADC中的使用存在障碍。特别是，实现矢量量化可能有不期望有的结果。期望信号例如在N比特AE转换中具有n比特分辨率(n比特信号)。在这种转换中，对应的矢量具有N维(如上所述，对应于2n—l)。换句话说，矢量量化在N维中发生，其中N是211—1。常规矢量量化器将因此对每个输入数据样本分类大约2n个元素。该分类操作一般需要比用于获得数据样本的采样吋钟运行快2"倍的时钟。这种时钟是非常高的频率，这是不期望有的。而且，DAC/ADC将包括至少2个时钟，采样时钟和用于分类的时钟。因此，DAC/ADC也是混合模式环境。在混合模式环境中使用高频时钟也是不期望有的。因此，所需要的是一种用于帮助提供高速度、低成本的转换器的机制。本发明处理这种需要。
发明内容本发明提供了一种用于量化对应于输入信号的矢量的方法和系统。矢量具有多个对应于N维空间的分量。在一方面，所述方法和系统包括递归递归地将空间分为具有比前面的递归少一维的相等的空间，直到形成终端空间(endspace)。每个终端空间是二维的。在这方面，所述方法和系统也包括异步比较在多个终端空间中的每一个的多个分量，以确定多个终端空间的具有对矢量最接近的匹配的一个特定终端空间的子空间的子空间。在另一方面，所述方法和系统包括提供至少一个包括多个节点的树以及异步横贯(traverse)所述树来确定对矢量最接近的匹配。多个节点对应于在多个分量的每一个之间的多个比较的多个AND。多个比较的每一个确定多个分量的第一分量是否大于多个分量的第二分量。根据这里所公开的方法和系统，本发明提供了一种用于执行异步矢量量化的方法和系统。图l是描述三维矢量量化的图。图2是描述根据本发明用于执行矢量量化的方法的一个实施方式的流程图。图3是描述根据本发明用于执行矢量量化的方法的另一个实施方式的流程图。图4是根据本发明的失配成形引擎的一个实施方式图。图5是描述根据本发明的判决树的一个实施方式的图。图6是描述根据本发明的一对判决树的一个实施方式的图。具体实施例方式本发明涉及矢量量化。以下描述被呈现以使本领域的普通技术人员能够进行和使用本发明，并且被提供在专利申请及其需求的上下文中。对这里描述的优选实施方式以及一般原理和特征的各种修改对本领域的技术人员来说是容易显而易见的。因此，本发明不是用来限制所示实施方式，而是与在此描述的原理和特征一致的最宽的范围相符合。本发明提供了一种用于量化对应于输入信号的矢量的方法和系统。矢量具有多个对应于N维空间的分量。在一方面，所述方法和系统包括递归地将空间分为具有比前面的递归少一维的相等的空间，直到形成终端空间。每个终端空间是二维的。在这方面，所述方法和系统也包括异步比较在多个终端空间中的每一个的多个分量的一对分量，以确定多个终端空间的具有对矢量最接近的匹配的一个特定终端空间的子空间的子空间。在另一方面，所述方法和系统包括提供至少一个包括多个节点的树以及异步横贯该树来确定对矢量最接近的匹配。多个节点对应于在多个分量的每一个之间的多个比较的多个AND。多个比较的每一个确定多个分量的第一分量是否大于多个分量的第二分量。本发明将按照特定的矢量、特定的维数以及特定的应用例如ADC来描述。然而，本领域的普通技术人员应容易认识到，所述方法和系统对于其它矢量、其他维数以及其他应用有效地操作。图2是描述根据本发明用于执行矢量量化的方法100的一个实施方式的流程图。使用方法100来量化对应于输入信号的矢量，例如矢量U12。因此，矢量驻留在n维空间中并且在该n维空间中具有多个分量(例如，n个分量)。尽管矢量具有n个分量，但一个或更多分量可以是0。输入信号也一般是标量信号。因此，被量化的矢量一般是标量向矢量变换的结果。'通过步骤102，N维空间被递归地分成多个具有比前面的递归少一维的相等的空间，直到形成终端空间。每个终端空间是二维的。因此，在步骤102中，n维空间被首先分成n个具有(n-l)维的空间。这个过程继续，增加了空间的数量并且减少了每个空间的维数，直到得到二维终端空间。通过步骤104，在终端空间中的矢量的分量然后相互异步地比较来确定具有对矢量最接近的匹配的特定终端空间的子空间。步骤104利用空间二分法来识别最接近地匹配对应于输入信号的矢量的子空间。换句话说，步骤104比较每个终端空间中矢量的分量来确定最大分量，该最大分量对应于最接近地匹配矢量的子空间。因为终端空间是二维的，所以子空间具有维数l并且对应于最接近地匹配矢量的矢量。因此，通过借助于空间二分法来识别子空间，对应于输入信号的矢量被量化。因此，使用方法100，对应于输入信号的矢量可以被异步量化。因为在步骤104中的比较被异步执行，所以可以不需要高频时钟来执行矢量量化。因此，可以避免高频、混合模式环境。而且，因为矢量量化可在对应于输入信号的矢量上异步地执行，所以DEM可以用在转换应用中。因此，方法100促进了低成本、高速度转换器例如音频/视频转换器的使用。图3是描述根据本发明用于执行矢量量化的方法110的另一个实施方式的流程图。图4是根据本发明的失配成形引擎200的一个实施方式的图。参考图3-4,在失配成形引擎200的上下文中描述了方法100。失配成形引擎200包括标量到矢量的转换器202、矢量量化器210、环路滤波器204以及矢量到标量的转换器206。矢量量化器包括以下描述的至少一个判决树212以及逻辑214。在优选实施方式中，所示的失配成形引擎200是Ai:转换器的一部分，如图4所述。然而，没有什么阻止失配成形引擎作为另一个分量的一部分。方法110用来量化对应于输入信号的矢量，例如矢量U12。因此，矢量驻留在N维空间中并且在该N维空间中具有多个分量(g卩，N个分量)。尽管矢量具有N个分量，但是一个或更多分量可具有O的量值。输入信号也一般是标量信号。因此，被量化的矢量通常是一般使用标量到矢量的转换器202来执行的标量到矢量的转换的结果。通过步骤112，提供了包括多个节点的至少一个树。在步骤112中提供的树优选地是树212。节点对应于AND比较矢量的分量。该比较可由Ck和5表示。术语Ck如下给出Ck=Ui>Uj,其中k是从0到N(N-l)/2-l的整数，i和j是从O到N-l的整数并且i不等于j。类似地，5=Ui<Uj。因此，每个比较Ck或5确定一个分量是否大于另一个特定的分量。在一个实施方式中，步骤112提供了单一判决树。图5是描述根据本发明的这种判决树212'的一个实施方式的图。参考图3-5，判决树212'对应于在失配成形引擎200中的判决树212'，并且利用步骤112的一个实施方式来形成。在步骤112中提供的判决树212'包括被量化的矢量的所有分量的比较。因此，在x级的每个节点n处，比较由gtU;M[n]=AND(Ck,C"给出。因此，如在图5中所描述的，每个>化对应于分量大于Ui的比较。换句话说，当横贯树时，通过执行对前面节点中的比较的AND操作来到达特定的节点。树212'具有N-1的深度(总级数)。在另一个实施方式中，步骤112提供了包括多个子树的树。在这样的实施方式中，优选地提供一对子树。图6是描述根据本发明的判决树对212"的一个实施方式的图。子树214和216的每一个用于搜索矢量分量的一部分。优选地，第一子树214搜索M个最大的分量来确定哪个分量更大。在这样的子树214中，节点具有形式gti^[n]。同样在优选的实施方式中，该对的第二子树214搜索多个分量的第二部分。这些分量优选地包括N-M个最小的分量并且被搜索来确定最小的分量。对于这种具有两个子树216和218的树212"，在x级的n处，比较由gti^[n:NAND(Ck,C"或ltUx_I[n]=AND(Ck，C"给出。一旦树被配置，树212/212'/212，'就通过步骤114被异步横贯至少一个树来确定与被量化的矢量最接近的匹配。因此，通过树212/2127212"内的节点的某个部分的通道被异步跟随，且最接近的匹配被确定。通过步骤116提供了输出矢量。在一个实施方式中，输出矢量V具有由V[i]=OR(ltuk)给出的分量V[i],其中i是从0到(N-l)/2-l的整数且k是从O到x-l的整数，其中x是在树中的级数，或V[i]-OR[gtiik]给出，其中i是从(N-l)/2-l到N-1的整数且k是从O到x-l的整数。例如，假设方法110和失配成形引擎200用在4元件转换器中，所述4元件转换器对应于四维矢量量化。假设对应于输入信号的矢量U在四维中具有分量uo、Ul、112和U3。比较由C(^U!〉U。、Ci=U2>U0、C2=U3>U0、C3-U2〉U!、C4=U3>Ui、C5=U3>U2、Co=U0>Ui、Ci=uo>u2、C2=Uo>U3、C3=Ul>U2、C4=Ul>U3、Cs-U2〉u3给出。在对应的树212/212'/212'，中的术语由上述适当的术语gtU()和ltU()给出。对于树212"的第一级，节点是gtuo-Co,d.C2ltu。=Co.c3.C4ltu0[l]=C0.C3.gtu0[2]=Ci.C3.c5ltu。[2]:d.C3.C5<formula>formulaseeoriginaldocumentpage9</formula>在树212"的第二级的节点由下列项给出<table>tableseeoriginaldocumentpage9</column></row><table>因此，使用方法110和失配成形引擎200，对应于输入信号的矢量可被异步量化。因为树212/212'/212"被异步横贯，可不需要高频时钟来执行矢量量化。因此，可以避免高频、混合模式环境。因此，模拟电路不需要被高频时钟干扰。而且，在高速应用中，对树212/2127212"的判决可以在每个时钟周期执行。而且，由于树212/212'/212，'的使用，失配成形引擎200以及方法IOO和110对于不同数量的元件和不同的分辨率可以按比例决定。例如，使用失配成形引擎200和方法IOO或110可提供的8元件AEDAC。因此，方法100和110以及失配成形引擎200使低成本、高速的转换器例如音频/视频转换器更容易。公开了一种用于例如在声音/音频和其他转换器中执行对输入信号的矢量量化的方法和系统。已经根据所示实施方式描述了本发明，且本领域的普通技术人员应容易认识到，对实施方式可能有变化，并且任何变化应在本发明的精神和范围内。因此，本领域的普通技术人员可进行各种修改而不背离所附权利要求的精神和范围。权利要求1.一种用于量化对应于输入信号的矢量的方法，所述矢量具有对应于n维空间的多个分量，所述方法包括递归地将所述n维空间分成具有比前面的递归少一维的相等的空间，直到形成多个终端空间，所述多个终端空间的每一个是二维的；以及异步比较在所述多个终端空间的每一个内的所述多个分量，以确定所述多个终端空间的具有对所述矢量最接近的匹配的特定终端空间的子空间。2.—种用于量化对应于输入信号的矢量的方法，所述矢量具有对应于N维空间的多个分量，所述方法包括提供包括多个节点的至少一个树，所述多个节点对应于在所述多个分量的每一个之间的多个比较的多个AND，所述多个比较的每一个确定所述多个分量的第一分量是否大于所述多个分量的第二分量；以及异步横贯所述至少一个树来确定与所述矢量最接近的匹配。3.如权利要求2所述的方法，其中所述多个分量包括N个分量，其中所述多个比较的一个比较是Ck=Ui>Uj，其中k是从0到N(N-l)/2-l的整数，i和j是从0到N-l的整数并且i不等于j;以及5=ui<Uj。4.如权利要求3所述的方法，所述至少一个树提供还包括提供多个子树，所述多个子树的第一部分搜索包括M个最大的所述多个分量的所述多个分量的第一部分，所述多个子树的第二部分搜索包括N-M个最小的所述多个分量的所述多个分量的第二部分。5.如权利要求4所述的方法，其中对应于所述多个子树的所述第一部分的所述多个节点的一部分的每一个包括对节点n的比较，gtUx.i[n]-AND(Ck,^)。6.如权利要求5所述的方法，其中对应于所述多个子树的所述第二部分的所述多个节点的一部分的每一个包括对节点n的比较，ltUx-i[n:^AND(Ck,)。7.如权利要求6所述的方法，其还包括提供具有分量V[ihOR(ltUk)的输出矢量，其中i是从0至U(N-l)/2-l的整数且k是从0到x-l的整数，以及V[i]=OR(gtuk)，其中i是从(N-1)/2到N-l的整数且k是从0到x-l的整数，以及x是所述至少一个树的级。8.—种用于量化对应于输入信号的矢量的系统，所述系统具有对应于N维空间的多个分量，所述系统包括至少一个树，其包括多个节点，所述多个节点对应于在所述多个分量的每一个之间的多个比较的多个AND，所述多个比较的每一个确定所述多个分量的第一分量是否大于所述多个分量的第二分量；以及逻辑，其用于异步横贯所述至少一个树来确定对所述矢量的最接近的匹配。9.如权利要求8所述的系统，其中所述多个分量包括N个分量，其中所述多个比较的一个比较是Ck=Ui>Uj，其中k是从0到M(M-l)/2-l的整数，i和j是从0到N-l的整数并且i不等于j;以及5=ui<Uj。10.如权利要求9所述的系统，其中所述至少一个树还包括多个子树，所述多个子树的第一部分搜索包括M个最大的所述多个分量的所述多个分量的第一部分，所述多个子树的第二部分搜索包括N-M个最小的所述多个分量的所述多个分量的第二部分。11.如权利要求IO所述的系统，其中对应于所述多个子树的所述第一部分的所述多个节点的一部分的每一个包括对节点n的比较，gtUx-![n]-AND(Ck,^)。12.如权利要求11所述的系统，其中所述对应于所述多个子树的所述第二部分的所述多个节点的一部分的每一个包括对节点n的比较，ltUx-i[n沁AND(Ck,)。13.如权利要求12所述的系统，其中所述系统还提供具有分量V[ipOR(ltUk)的输出矢量，其中i是从0至U(N-l)/2-l的整数且k是从0到x-l的整数，以及V[i]=OR(gtuk)，其中i是从(N-1)/2到N-l的整数且k是从0到x-l的整数，其中x是所述至少一个树的级。14.一种失配成形引擎，其包括标量到矢量的转换器；矢量量化器，其与所述标量到矢量的转换器耦合，所述矢量量化器包括至少一个树和逻辑，所述至少一个树包括多个节点，所述多个节点对应于在所述多个分量的每一个之间的多个比较的多个AND，所述多个比较的每一个确定所述多个分量的第一分量是否大于所述多个分量的第二分量，所述逻辑用于异步横贯所述至少一个树来确定对所述矢量的最接近的匹配；环路滤波器，其耦合所述矢量量化器；以及矢量到标量的转换器，其耦合所述环路滤波器。全文摘要描述了一种用于量化对应于输入信号的矢量的方法和系统。矢量具有对应于N维空间的多个分量。在一个方面，所述方法和系统包括递归地将空间分成具有比前面的递归少一维的相等的空间，直到形成终端空间。每个终端空间是二维的。所述方法和系统也包括异步比较每个终端空间中的分量来确定具有与所述矢量最接近的匹配的特定终端空间的子空间。在另一方面，所述方法和系统包括提供包括多个节点的树以及异步横贯所述树来确定对所述矢量的最接近的匹配。所述节点对应于在分量之间的比较的AND。每个比较确定第一分量是否大于第二分量。文档编号G06K9/36GK101356540SQ200680050886公开日2009年1月28日申请日期2006年11月7日优先权日2005年11月16日发明者塞巴斯蒂安·菲耶韦申请人:爱特梅尔公司