小波分解濾波器組和重構濾波器組的構造方法
2023-12-08 23:12:51
專利名稱:小波分解濾波器組和重構濾波器組的構造方法
技術領域:
本發明涉及現代信息處理領域中一個快速發展的分枝——數據壓縮技術,特別涉及一種小波分解濾波器組和重構濾波器組的構造方法。
在現有音視頻信號的壓縮方法,都採用了子帶分解來進行壓縮編碼。在MP1,MP2,MP3,DILBY AC-3,AAC都是將樣本分解到32個等寬子帶,進而通過心理聲學模型對各個子帶樣本進行壓縮。然而由於人類聽覺特點呈現非等帶寬的頻帶組合,在各個頻帶範圍內人耳對聲音的敏感程度有明顯的不同;因此等分子帶的方法並不適合人耳的聽覺特點,對利用心理聲學模型進行壓縮帶來不利的影響。
而小波分析可以靈活地將頻帶非等帶寬化。同時小波具有更佳的能量匯聚特性,因此本發明基於小波包方法構造了基於人類聽覺特徵的非等寬子帶濾波器以取代現有方法中的等帶寬子帶濾波器。為在保證重構音質透明的情況下進一步提高壓縮比提供了可能。
現有小波包分解方法的描述及其缺點利用小波包對信號序列進行處理時最常用的方法是Mallat方法,其處理過程描述如下(1)在分析過程中需要把信號與分解濾波器(包括高通和低通濾波器)進行卷積,然後進行下採樣(2抽1);(2)重複過程(1)直至到達小波包二叉樹相應的子帶結點;(3)在重構過程中則需要把每一葉子結點上的小波係數與重構濾波器進行卷積,然後進行上採樣,直至回到小波包二叉樹的根結點。
這種方法的最大缺點是在實現卷積的數值處理過程中不可避免地會多次引入截斷誤差,而每次卷積之後的上、下採樣則會使該誤差擴散,多次重複這一過程則會導致誤差累積。
本發明的目的是提供一種小波包方法獲得的非等帶寬的多相濾波器組,能適合人類聽覺特點,使聲音在各個頻帶範圍內均能適合人耳敏感程度變化,減小處理過程中產生的誤差失真。
本發明對Mallat方法的這一流程進行了改進,利用卷積處理對線性系統滿足結合律這一特點,先把各分解和重構層次上的單個小波濾波器作卷積而不作任何截斷,構成對應於子帶的大濾波器組,這樣源信號與該大濾波器組只要進行一次卷積即完成子帶劃分,最大限度地減小了截斷誤差,而且運算速度明顯提高。由此得到每個子帶上各自的分解與重構濾波器組,可以方便地對音頻信號進行非等帶寬的子頻帶劃分並能隨時進行調整,能較好地滿足心理聲學模型的要求,在保證音質的前提下進一步提高壓縮比。
本發明的具體處理方法為編碼過程為(1)移入新樣本於緩衝池,同時從緩衝池中移出舊的樣本;(2)將該緩衝池中的序列分別與多個小波分析濾波器卷積,並進行臨界再採樣,獲分解序列對應的頻帶,由於子帶的非均勻性,各子帶的再採樣率是不一樣的;至此獲得多個頻帶上的分解樣本。
解碼過程(1)相應於編碼過程(2)中的再採樣,將各子帶上的樣本間插零值;(2)將各子帶的樣本對應移入多個重構緩衝池;(3)將多個緩衝池中的序列與合成濾波器組分別卷積得到多個數據,將多個點對應相加形成多點序列,輸出值即為重構序列。
與現有技術相比較所具有的有益效果本發明方法採用了小波包方法獲得了非等帶寬的多相濾波器組,該濾波器組與MPEG採用的多相濾波器組相比得到的子帶劃分能更好地符合人類的臨界子帶,為在保證音質透明的條件下提高壓縮比提供了可能。此外,本發明通過對雙正交小波濾波器的卷積和上下採樣運算的頻域特徵分析,一方面利用卷積對線性系統滿足結合律的特點,可把各個小波濾波器先進行卷積運算;另一方面考慮在上下採樣的影響來控制各個小波濾波器在小波包分解與合成樹中所處的位置,由此可得到相應的子帶劃分多相濾波器組。採用此方法對寬帶音頻信號如各種性質的音樂進行處理,在音質水平相同的情況下,本發明方法在編解碼的計算速度和壓縮比兩方面都達到了較好的程度。
圖1為本發明編碼器結構圖。
圖2為本發明編碼器結構圖。
圖3為小波包分解樹(由上至下)和合成樹(由下至上)示意圖。
圖3中其中LD,HD為相應的分解低通和高通濾波器;LR,HR為相應的重構低通和高通濾波器。
考慮一7層滿樹分解系統,採用DB-10小波,如採用逐層分解的方法(即Mallat方法),然後以相反的過程重構,為完全抵消截斷效應,則每一次需取幀長為(1144+新點數)個點,而連續兩幀之間的重疊為1144點,才能獲得完全重構的新點,其它1144個點均為失真點,可見這1144個點是沒用的,而如果重迭點數不夠,則截斷誤差就會擴散到新點內。
而利用本發明採用的小波分解和重構濾波器,結合以下方法流程,就可以不用計算這些失真點,因而極大地減少了計算量。以128點新點數,16個子帶為例的基本編碼過程(1)移入128點新樣本於緩衝池,同時從緩衝池中移出128點最舊的樣本;(2)將該緩衝池中的序列分別與16個小波分析濾波器卷積,並進行臨界再採樣,獲16個分解序列對應16個頻帶,由於子帶的非均勻性,各子帶的再採樣率是不一樣的;至此獲得了16個頻帶上的分解樣本。
基本的解碼過程(1)相應於編碼過程(2)中的再採樣,將各子帶上的樣本間插零值;(2)將各子帶的樣本對應移入重構緩衝池(16個重構緩衝池);(3)將16個緩衝池中的序列與合成濾波器組分別卷積各得128個數據,將16個128點對應相加的一128點序列,該序列即為輸出值;(4)輸出128點,即為重構序列。
現有小波包分解方法的局限性目前,利用小波對信號進行處理時,為進一步提高頻率解析度,需要將信號繼續分解,通常的做法是進行類Mallat算法,如圖3所示。
傳統的做法是逐層分解和逐層合成,其具體方法如下所述在分析過程中將信號與分解濾波器進行卷積,然後進行下採樣,重複這一過程直至到達二叉樹相應的子帶結點;而在重構過程中則需要把每一葉子結點上的小波係數與重構濾波器進行卷積,然後進行上採樣(一般為添零),直至回到二叉樹的根結點。
很顯然,在實現卷積的數值計算過程中不可避免地會多次引入截斷誤差,而每次卷積之後的上、下採樣則會使該誤差擴散,多次重複這一過程則會導致誤差累積。當層次較深時,誤差甚至會擴散到整個子帶上,從而整個子帶上的數據都成為虛假數據。
因此,本發明中小波分解和重構濾波器的獲得是通過預先卷積濾波器,可以完全避免中間各層的截斷誤差,將總的截斷誤差限制在最小範圍內。同時計算量也得到降低。
本發明中小波分解和重構濾波器的獲得本發明利用卷積對線性系統滿足結合律的特點,可把各個小波濾波器先進行卷積運算;另一方面考慮上下採樣的影響來控制各個小波濾波器在小波包分解與合成樹中所處的位置,由此可得到相應的子帶劃分多相濾波器組。
其對應的公式如下所示 其中S1,D1輸入信號;f1,f2小波分解濾波器rf1,rf2小波重構濾波器 下採樣n倍 上採樣n倍設所採用小波包二叉樹如圖4的三層小波包二叉樹,以子帶2為例進行說明,設源信號序列為resSig,子帶2上得到的分解係數序列為sub2Sig,分解低通小波濾波器為LD,分解高通小波濾波器為HD,*為卷積運算,則該子帶分解濾波器及該子帶分解序列的生成方法為DecFilter2=LD1*(LD2----上採樣2倍)*(HD4----上採樣4倍);Sub2Sig=(resSig*DecFilter2)---下採樣8倍;其中bigFilter2為該子帶最終生成的分解濾波器。
上採樣為間插零。
Sub2Sig為已下採樣的該子帶的分解序列。
若低通小波重構濾波器為LR,高通小波重構濾波器為HR,*為卷積運算,則該子帶分解濾波器和該子帶合成序列的生成方法為RecFilter2=(HR4---上採樣4倍)*(LR2---上採樣2倍)*LR1;Rec2Sig=(Sub2Sig---上採樣8倍)*sub2Sig;其中RecFilter2為該子帶最終生成的合成濾波器。
Rec2Sig為該子帶的合成序列。所有各子帶上的合成序列對應相加即為合成樣本。其它分解子帶濾波器和重構濾波器可以由類似的方法得到。
權利要求
1.小波分解濾波器組和重構濾波器組的構造方法,其特徵在於編碼過程為(1)移入新樣本於緩衝池,同時從緩衝池中移出舊的樣本;(2)將該緩衝池中的序列分別與多個小波分析濾波器卷積,並進行臨界再採樣,獲分解序列對應的頻帶,由於子帶的非均勻性,各子帶的再採樣率是不一樣的;至此獲得多個頻帶上的分解樣本;解碼過程(1)相應於編碼過程(2)中的再採樣,將各子帶上的樣本間插零值;(2)將各子帶的樣本對應移入多個重構緩衝池;(3)將多個緩衝池中的序列與合成濾波器組分別卷積得到多個數據,將多個點對應相加形成多點序列,輸出值即為重構序列。
全文摘要
本發明涉及現代信息處理領域中一個快速發展的分枝——數據壓縮技術,特別涉及一種小波分解濾波器組和重構濾波器組的構造方法。本發明編碼過程為(1)移入新樣本於緩衝池,同時從緩衝池中移出舊的樣本;(2)將該緩衝池中的序列分別與多個小波分析濾波器卷積,並進行臨界再採樣,獲分解序列對應的頻帶,由於子帶的非均勻性,各子帶的再採樣率是不一樣的;至此獲得多個頻帶上的分解樣本。本發明能適合人類聽覺特點,使聲音在各個頻帶範圍內均能適合人耳敏感程度變化,減小處理過程中產生的誤差失真。
文檔編號H04L27/00GK1318903SQ01109618
公開日2001年10月24日 申請日期2001年3月13日 優先權日2001年3月13日
發明者陳笑天, 潘興德, 顧春來 申請人:北京阜國數位技術有限公司