G.729標準中線譜對係數轉換及量化的方法

2023-06-12 05:19:41 2

專利名稱：G.729標準中線譜對係數轉換及量化的方法
技術領域：
本發明屬於語音編解碼領域，涉及一種支持G.729標準的LSP(Line Spectrum Pairs,線譜對)係數到LSF (Line Spectral Frequencies,線譜頻率)系 數快速轉換、以及對其量化的方法。
背景技術：
G. 729 i吾音編石馬豐示7隹採用"CS-ACELP" (the Conjugate-Structured Algebraic Code Excited Linear Prediction,共軛結構代數碼本激勵線性預測編碼)算法。 它綜合了波形編碼和參數編碼的優點，以自適應預測編碼技術為基礎，釆用 了矢量量化、合成分析和感覺加權等技術。該標準應用在廣泛的領域中，包 括IP電話、無線通信、數字衛星系統和數字專用線路。該標準的比特率為8 kbps，其處理得到的語音信號質量好，缺點為算法複雜，這給語音信號的實 時性處理帶來麻煩。相關技術標準參考ITU. ITU-TReco咖endationG. 729. Coding of speech at 8 kbits/s using conjugate-structure algebraic-code—excited linear-prediction (CS-ACELP) [G]. ITU: [s. n.], 1996.在王見卩介段，i吾音編角軍石馬 的實現一般採用DSP (digital signal processor,數位訊號處理器)。整個 編碼過程包括預處理、自相關計算、LP係數計算、LP-LSP係數的轉換、 LSP係數的轉換及量化、LSP係數的內插轉換等、理解加權、開環音調搜索、 自適應碼書搜索、固定碼書搜索、增益的量化、存儲器的修正等。其中LSP 係數轉換及量化部分的算法複雜度比較高，其計算量在整個編解碼過程當中 所佔的權重比較大。
在LSP係數的量化計算中，10個LSP係數A首先轉換到規格化的頻率域
[0，"中使用LSF的表示"'來進行量化。這10個LSF係數滿足排序特性u〈",a〈…〈《〈"。在G.729標準中，其計算的過程實質上就是在一個含 有64個點(在0到;r之間)的餘弦值的碼書中搜索出與這10個LSP係數最為 匹配的10個點。在該碼書中，第1個點到64個點按從大到小的順序依次排
列。其計算過程如下首先，從碼書中的最小值(即第64個點)開始，與i 比較大小。若大於等於仏。，則第64個點即是仏。所對應的點；若小於仏。，
則前面一點繼續與之進行比較，直到找到剛剛大於等於《的點為止，對應
的點即為^。最匹配的；對應點找到之後，再經過一系列運算就得到了w,。。
另外9個點等前面的點搜索完畢後，再接著在碼書中被找到的點的前一點重 新開始搜索。對應點找到之後，再經過一系列運算就得到了^。直到10個 點全部找到，IO個臥全部計算得到之後，轉換完成。
上述這個轉換過程計算過於繁瑣，表現在
(1) 採用全搜索的方法，使得碼書中的64個點基本需要全部搜索一遍；
(2) 每個o),都需要等前面的搜索計算得到之後才能進入碼書搜索。
在G. 729編解碼標準中多處運用到這個轉換算法，累積下來浪費的時間
a雨名
10個LSP係數轉換為LSF係數之後，進入量化階段。目前在LSF係數 量化領域存在有兩種方法，介紹如下
一種既按照G. 729標準原來的計算方法，採用全搜索的方法，計算平方 誤差得到，輸入矢量必須和每個碼字進行比較。量化過程算法複雜度主要是 集中在一級碼書的搜索， 一級碼書有128個10維的碼字，要計算得到目標矢 量與各個碼字的平方誤差，最後比較得到最小平方誤差的碼字。這裡減法運 用了 128X 10+127共1407次，乘法運用了 128X 10共1280次，加法運用了 128X9共1152次。全搜索矢量量化編碼必須經過大量的加減乘運算後才能 得到最終匹配結果。本方法雖然能夠很精確地找到要找的碼字，但是搜索過 程計算量過於繁重。另一種方法是首先計算線譜對參數矢量的每個碼本中的各個碼字矢量 與坐標原點的距離，根據每個碼本中的各碼字矢量與坐標原點的距離大小進 行排序，構建距離碼本及其位置索引；再按照最小距離準則在距離碼本及其 位置索引中搜索與待量化矢量距離最小的碼字矢量，得到一個初歩搜索結 果；再在該初步搜索結果的一定範圍內，根據最小距離準則進行搜索，得到 最終搜索結果。該算法能夠降低原有標準中搜索過程的複雜度，且大大提高 效率。但是其存在著一個缺點，即當正確的碼字離原點的距離和目標矢量離 原點的距離相差比較大時，或者說當正確的碼字不在初步搜索結果的一定範 圍之內時，則會發生錯誤，這樣這個正確的碼字就不會被找到了。在初歩搜 索結果找到之後，將再搜索的範圍擴大很多，這能解決上述錯誤的發生，但 這失去了原有方法計算效率高的優點。
因此，從LSP係數到LSF係數的轉換到量化，按上述這些計算方法，浪 費時間比較多，這勢必要影響到語音處理的效率。

發明內容
本發明的目的就是針對現有技術的不足，提供一種G. 729標準中LSP系 數到LSF係數快速轉換及對其量化的方法。該方法大大降低了算法的複雜度， 提高了效率，並且優化後的音質基本不變。
在LSP係數到LSF係數的轉換計算過程當中，10個LSP係數在0到;r中 間的64個點中所對應的10個點位置分布均勻。本發明方法利用LSP係數這 個特性，將64個點分區後同時進入搜索。
本發明方法包括LSP係數到LSF係數的轉換方法和量化方法。
LSP係數到LSF係數的轉換過程如下
(1)首先是對碼書進行初始化，將從大到小的順序排列的64個點分成10 個區，其中首尾兩個區各為8個點，中間8個區各為6個點；IO個線譜對系 數《,(,=1,..，10)分別與IO個區相對應。(2) 在碼書的10個區中的最大值點義_ (即各個區中第1個點)分別同 時與10個線譜對係數& G = I,..,IO )進行比較
a. 若Z,大於本區的g.，則本區內％_的後一個點繼續與本區的仏進行 比較，直到在本區內找到一個點小於本區的《,為止；則找到的點的前一個點 為《,最匹配的點；
b. 若^^小於本區的仏，則取前一個區的最小值點義，(即前一個區中
的最後一個點，為第6個點或第8個點)與本區的《,進行比較，若還小於A，
則繼續用義皿的前1個點與A進行比較，直到找到一個點大於等於A，該點
即為A最匹配的點；
c. 若i，等於本區的義，則該點即為仏最匹配的點。
(3) 將找到的10個與對應的10個^最匹配的點通過計算得到10個LSF 係數臥。計算方法按照現有G.729標準中的方法。
本發明利用10個LSP係數在0到;r中間的64個點中所對應的10個點 位置分布均勻的特性，提出了將64個點分為10個區，並同時對10個LSP 係數在分區內的碼字進行全搜索的新方法。新方法解決了原有算法需對整個 碼書全搜索的缺點，在新方法中， 一般在對應區內搜索一半的碼字即可找到 全部的10個點；新方法解決了原有算法中前面的LSP係數需要等後面的LSP 係數搜索出結果之後才能進入搜索的缺點，新方法中10個LSP係數全部同 時進入搜索；從這兩點看，本發明與原有算法相比，明顯降低了算法複雜度， 提高了 LSP係數到LSF係數的轉換效率。其實在G. 729標準中，類似的轉換 算法不佔少數，這裡僅以LSP係數到LSF係數的轉換這個過程作為例子，說 明這種快速轉化的思想。
在LSF係數量化的過程當中，分析已有的兩種方法的缺點，發現正確的 碼字離目標矢量距離比較小，並不能表示正確的碼字離原點的距離和目標矢量離原點的距離相差比較小。碼本中的碼字和目標矢量可能在個別維的坐標 上坐標值相差很大，而兩者離原點距離卻相等或者接近，這樣的碼字顯然不 是要找的碼字。這種錯誤的碼字，若在某一維上的坐標與目標矢量對應的坐 標差很多，則一般在另一維或者另外多維的坐標和目標矢量對應的坐標也會 差很多，但是它離原點的距離可能比正確碼字離原點距離更接近目標矢量離 原點的距離。因此由於這些點的存在，可能會導致正確的碼字不在再搜索的 範圍之內，而搜索不到。
本發明方法中量化的具體方法是
(4) 首先對標準中已有的一級碼書進行初始化轉換，將原有碼書中的所 有10維的碼字(
Xo， "1，J^2，^3, X4，義5，義6，義7， 乂8，義9
)轉換成5維的碼字ty。,乂，力力凡)， 乂 = ^、^,+12， },為該碼字在",和",+1所在平面投影的距離的平方。
(5) 將10個LSF係數所構成的矢量U。,臥,隊,欣,隊,欣,欣備欣，欣)按照步
驟④中的方法轉化為5維的目標矢量(Z。，二,Z2，^,Z4)， Z,H.VW。
(6) 計算碼書中的各個碼字與目標矢量之間的平方誤差，具體是轉換後 的碼書中的5個投影距離的平方與目標矢量的5個對應的投影距離的平方
Z,相減後平方，再將5個平方值相加得到平方誤差；最小平方誤差對應的碼
字即為最佳碼字。
(7) 根據對一級碼書的搜索結果，完成餘下的計算，得到最後的量化結 果。計算方法按照現有G.729標準中的方法。
本發明利用碼字到5個相連的兩維所在平面的投影的距離的平方將原有 的10維碼字轉化為5維碼字。這不像在方法二中，將10維數據轉化為1個 距離值。碼本中部分碼字和目標矢量可能在個別維的坐標上坐標值相差很 大，但是它離原點的距離很接近目標矢量離原點的距離，這裡各維存在的誤 差是l個距離值所不能體現的。而在本發明中，這些錯誤碼字與目標矢量之 間的各位的誤差則體現在5個投影距離當中。則本發明可以避免出現選中這些錯誤碼字的情況的發生。降維使得目標矢量對整個碼書的全搜索過程的計 算量大大降低。
本發明優化後的音質與用方法一得到的音質基本一樣，且比用方法二得 到的音質要佳。
具體實施例方式
一種G. 729標準中線譜對係數轉換及量化的方法，其中轉換方法是
(1) 首先是對碼書進行初始化。將從大到小的順序排列的64個點分成10 個區，其中首尾兩個區各為8個點，中間8個區各為6個點；IO個線譜對系 數仏("i,…,io)分別與IO個區相對應。
這裡的分區充分利用了 10個LSP係數在0到;r中間的64個點中所對應 的10個點位置分布均勻，和該碼書第1個點到64個點按從大到小的順序依
次排列的兩個特性。
(2) 在碼書的10個區中的最大值點x^ (即各個區中第1個點)分別同 時與lO個線譜對係數g,(,-i,..,io)進行比較
a. 若x皿大於本區的仏，則本區內義，的後一個點繼續與本區的仏進行 比較，直到在本區內找到一個點小於本區的g,為止；則找到的點的前一個點 為^最匹配的點；
b. 若1_小於本區的仏，則取前一個區的最小值點x，(即前一個區中 的最後一個點，為第6個點或第8個點)與本區的《,進行比較，若還小於《, 則繼續用義，的前1個點與《,進行比較，直到找到一個點大於等於a，該點 即為《,最匹配的點；
c. 若義_等於本區的《;，則該點即為a最匹配的點。
按照上述方法， 一般在對應區內搜索一半的碼字即可全部找到全部的10 個點，解決了在原有算法中需要對整個碼書進行全搜索的缺點；在本發明中10個LSP係數全部同時進入搜索，解決了在原有算法中前面的LSP係數需要
等後面的LSP係數搜索出結果之後才能進入搜索的缺點。
(3) 將找到的IO個與對應的10個^最匹配的點計算得到IO個LSF係數
w,。計算方法按照現有G. 729標準中的方法。
該方法利用10個LSP係數在0到;r中間的64個點中所對應的10個點 位置分布均勻的特性，提出了將64個點分為10個區，並同時對10個LSP 係數在分區內的碼字進行全搜索的新方法。本發明與原有算法相比，明顯降 低了算法複雜度，提高了 LSP係數到LSF係數的轉換效率。
量化的方法是
(4) 首先對標準中已有的一級碼書進行初始化轉換，將原有碼書中的所 有10維的碼字U。，力,;d,;d，;d,;c"》轉換成5維的碼字(U,，凡，JW」， JM2/+;c2,.+12， x為該碼字在",和"w所在平面投影的距離的平方。
(5) 將10個LSF係數所構成的矢量(欣，砂類，欣，欣,狄，欣,欣,欣,欣)按照步 驟(4)中的方法轉化為5維的目標矢量(z。,z,，；，z,zj， z, = w2/+ 2/+12。
利用碼字到5個相連的兩維所在平面的投影的距離的平方將原有的10 維碼字轉化為5維碼字。這樣可以使得轉換後的5個投影距離包含有原有10 維矢量的10個坐標值的大部分信息。這不像方法二那樣，將原有矢量轉化 為1個簡單的距離值，這會導致原有10維矢量的10個坐標值的大部分信息 丟失。
(6) 計算碼書中的各個碼字與目標矢量之間的平方誤差，具體是轉換後 的碼書中的5個投影距離的平方x與目標矢量的5個對應的投影距離的平方
z,.相減後平方，再將5個平方值相加得到平方誤差；最小平方誤差對應的碼
字即為最佳碼字。
降維使得目標矢量對整個碼書的全搜索過程不像方法一中的大計算量。這裡碼書的初始化過程中的計算是在量化之前就完成的，在編碼過程當中不 包括這部分計算。而這裡主要是目標矢量的降維過程以及量化過程。在整個
搜索過程中，減法運用了 128X5+127共767次，乘法運用了 10+128X5共 650次，加法運用了 5+128X4共517次。這樣的計算量基本上是方法一的一 半，即效率提高了一倍。
(7)根據對一級碼書的搜索結果，完成餘下的計算，得到最後的量化結 果。計算方法按照現有G.729標準中的方法。
本發明利用碼字到5個相連的兩維所在平面的投影的距離的平方將原有 的10維碼字轉化為5維碼字。通過降維得到的5個投影距離包含有原有10 維矢量的10個坐標值的大部分信息，同時降維使得目標矢量對整個碼書全 搜索過程的計算量減少了一半。
本發明相對於傳統方法，在算法複雜度上降低了許多。同時得到的語音 音質與用傳統方法得到的音質基本一樣，且比用傳統方法得到的音質要佳。
權利要求
1.G.729標準中線譜對係數轉換及量化的方法，包括線譜對係數到線譜頻率係數的轉換方法和量化方法，其特徵在於線譜對係數到線譜頻率係數的轉換方法是(1)首先是對碼書進行初始化，將從大到小的順序排列的64個點分成10個區，其中首尾兩個區各為8個點，中間8個區各為6個點；10個線譜對係數qi(i＝1，…，10)分別與10個區相對應；(2)在碼書的10個區中的最大值點XMAX分別同時與10個線譜對係數qi(i＝1，…，10)進行比較a.若XMAX大於本區的qi，則本區內XMAX的後一個點繼續與本區的qi進行比較，直到在本區內找到一個點小於本區的qi為止；則找到的點的前一個點為qi最匹配的點；b.若XMAX小於本區的qi，則取前一個區的最小值點XMIN與本區的qi進行比較，若還小於qi，則繼續用XMIN的前1個點與qi進行比較，直到找到一個點大於等於qi，該點即為qi最匹配的點；c.若XMAX等於本區的qi，則該點即為qi最匹配的點；(3)將找到的10個與對應的10個qi最匹配的點通過計算得到10個線譜頻率係數ωi；量化的具體方法是(4)首先對標準中已有的一級碼書進行初始化轉換，將原有碼書中的所有10維的碼字(x0，x1，x2，x3，x4，x5，x6，x7，x8，x9)轉換成5維的碼字(y0，y1，y2，y3，y4)，yi＝x2i2+x2i+12，yi為該碼字在x2i和x2i+1所在平面投影的距離的平方；(5)將10個線譜頻率係數所構成的矢量(ω0，ω1，ω2，ω3，ω4，ω5，ω6，ω7，ω8，ω9)轉換成5維的目標矢量(z0，z1，z2，z3，z4)，zi＝ω2i2+ω2i+12；(6)計算碼書中的各個碼字與目標矢量之間的平方誤差，具體是轉換後的碼書中的5個投影距離的平方yi與目標矢量的5個對應的投影距離的平方zi相減後平方，再將5個平方值相加得到平方誤差；最小平方誤差對應的碼字即為最佳碼字；(7)根據對一級碼書的搜索結果，通過計算得到最後的量化結果。
全文摘要
本發明涉及G.729標準中線譜對係數轉換及量化的方法。傳統方法運算複雜、影響語音處理效率。本發明中轉換方法是首先將碼書中的64個點分成10個區，10個線譜對係數qi分別與10個區相對應，然後將10個區中的最大值點與10個qi比較，將找到的10個與對應的10個qi最匹配的點通過計算得到10個LSF係數ωi。量化方法是首先將原有碼書中的所有10維的碼字轉換成5維的碼字，然後將10個LSF係數所構成的矢量轉化為5維的目標矢量，計算碼書中的各個碼字與目標矢量之間的平方誤差，得到最後的量化結果。本發明在算法複雜度上降低了許多。同時得到的語音音質與用傳統方法得到的音質基本一樣，且比用傳統方法得到的音質要佳。
文檔編號G10L19/14GK101409075SQ20081016215
公開日2009年4月15日 申請日期2008年11月27日 優先權日2008年11月27日
發明者戴一奇, 洪愛金, 潘劍俠, 陳科明, 琪 馬 申請人:杭州電子科技大學;杭州初靈信息技術有限公司