專利名稱：：一種矢量量化方法及矢量量化器的制作方法
技術領域：
：本發明涉及數字壓縮
技術領域：
，具體涉及一種矢量量化方法及矢量量化器,，
背景技術：
隨著多媒體應用的飛速發展，數字壓縮技術得到了廣泛的重視和研究。無論語音、圖像或視頻的傳輸都倚重于低碼率高質量的壓縮編碼方式。目前廣為采用的壓縮編碼方法包括行程長度編碼、預測及內插編碼、矢量量化(VQ:VectorQuantization)編碼等。其中矢量量化編碼方法是一種有損編碼方式，以其高壓縮比和簡單的解碼方式在語音和圖像壓縮技術中被廣泛使用。矢量量化編碼的核心過程是對輸入矢量進行量化的過程。在進行量化前，先通過大量樣本的訓練或學習，或自組織特征映射神經網絡的方法，得到一系列的標準矢量模型，每一個標準矢量模型稱為一個碼本，若干碼本合在一起稱為碼書，碼書實質上相當于數據庫，各碼本以其索引確定在碼書中的位置,，初始的語音或圖像等數據按照一定的方式形成輸入矢量，矢量量化的過程簡單說來就是尋找與輸入矢量距離最近的碼本的索引的過程。在保證重現質量的前提下，縮小碼本容量，減少量化索引所需要的比特，是矢量量化方法研究與發展的主要目標。下面以語音編碼中一種較優的矢量量化方法為例說明現有矢量量化的具體處理過程。語音信號經過線性預測(LP:LinearPrediction)器，得到相應若干階LP系數，將LP系數轉換到頻域得到16維線譜頻率(ISF:ImmittanceSpectrall''requency)參lt,ISF參H的表達式為<formula>formulaseeoriginaldocumentpage8</formula>其中，/;e為ISF參數；,為采樣頻率，通常取12800Hz;,為相應的線譜系數。16維ISF矢量可表示為/^[/o,兒…，/,5]，上標/表示矢量的轉置，以下對16維ISF矢量進行量化，包括一、根據當前幀ISF矢量的各維系數值進行分類，根據分類確定量化所使用的碼書并輸出分類索引。可分為8個類別，即，使用8類備選碼書。分類準則為尋找與待量化1SF矢量距離最近的碼書，公式表示如下/)=^(/:-，一cwfe/woA:,,)2一w,，/'=0丄.…7,'二(i其中，D為誤差；.ywcw/etoo^為第/類備選碼書質心矢量的第j雄系數；/(w,為ISF矢量第y維的加權因子，其值為該維所對應的線譜能量，計算公式為(1十J]a,cos2《.'.)sin2;z/',/)—/=0'1,...,14、.0,/=15其中，fl,為第j維LP系數。輸出的分類索引就是令誤差D為最小的索引值/，由于共有8種類別，因此分類索引需要3個量化比特。二、對ISF矢量分類后，分別用相應類別的碼本對當前幀的ISF矢量進行聯合分裂矢量量化(SplitVectorQuantization)，包括①將isF矢量/'分裂為五個子矢量《(")、/2(")、/3(")、/4(")和/5(")。其中/;(")是4維矢量，是3維矢量，/3(")是3維矢量，/4(")是3維矢量，/5(")是3維矢量，各子矢量所包含ISF矢量的維見表1。②分別對這5個子矢量進行矢量量化，搜索并輸出量化索引。考慮重現質量，量化各子矢量所使用碼書的碼本容量分別等于或小于1024、512、256、128、32，輸出的各子矢量量化索引比特分配如表1所示。表lISF矢量量化比特分配表量化矢量16維ISF矢量/子矢量./i(")/2(")/3(")/4(")/5(")包含維./(廣/3/l0/l2量化索引10bits9bits8bits7bits5bits在進行子矢量量化時，用ISF加權均方誤差作為量化過程中的失真測度，搜索某子矢量量化索引的過程就是在對應碼書中尋找使下式值為最小的碼本的索引號，其中fi為加權量化誤差，./:*為被量化子矢量所使用碼書中第yt個碼本的第/維系數；S表示對該子矢量所包含的各維求和，例如，對于/,而言，就是對/=03求和。綜上可以看出，采用上述量化方法對語音信號的16維ISF矢量量化共需要42比特，其中包括分類索引3比特，量化索引39比特，需要耗費較多的量化比特，且碼本容量相應的也較大。
發明內容本發明的目的在于提供一種新的矢量量化方法及相應的矢量量化器，能夠在保證重現質量的前提下，減少碼本容量，降低所需要的量化比特。為達到本發明的目的，所釆取的技術方案是一種矢量量化方法，包括將待量化矢量按照其維系數間的跳躍值的分布情況進行分類，獲得該分類所對應的軌跡矢量并輸出分類索引；計算待量化矢量與所述軌跡矢量的差值矢量；搜索并輸出所述差值矢量的量化索引。優選的是，所述按照待量化矢量維系數間的跳躍值的分布情況進行分類包括計算待量化矢量部分或全部相鄰維系數間的跳躍值，獲得跳躍值中的最大值和次大值；根據所述最大值和次大值出現的位置對待量化矢量進行分類。所述待量化矢量可以是16維線譜頻率參數；所述跳躍值為第3維到第14維之間各相鄰系數的U個跳躍值，根據所述最大值和次大值出現的位置分為110類，輸出的分類索引為7比特，或者所述跳躍值為第1維到第15維之間各相鄰系數的14個跳躍值，根據所述最大值和次大值出現的位置分為182類，輸出的分類索引為8比特。當待量化矢量為16維線語頻率參數時，所述搜索待量化矢量與軌跡矢量的差值矢量的量化索引可采用將所述差值矢量分裂為第一子矢量、第二子矢量和第三子矢量，所述第一、二、三子矢量分別包括16維差值矢量的5維、5維、6維，或者，所述第一、二、三子矢量分別包括16維差值矢量的4維、6維、6維；分別搜索該三個子矢量的量化索引。所述第一子矢量可包括待量化矢量第0、1、14、15維與軌跡矢量相應維的差值，所述第二子矢量可包括待量化矢量第2、3、4、5、6、7維與軌跡矢量相應維的差值，所述第三子矢量可包括待量化矢量第8、9、10、11、12、13維與軌跡矢量相應維的差值。所述第一、二、三子矢量進行量化搜索所采用碼書的碼本容量可等于或小于1024，其量化索引輸出均為IO比特。本發明矢量量化方法中，在所述將待量化矢量進行分類前，也可先將待量化矢量分裂為第一至N子矢量；在計算待量化矢量與所述軌跡矢量的差值矢量時，分別計算第一至N子矢量與所述軌跡矢量相應維的差值，獲得第一至N子差值矢量；在搜索并輸出待量化矢量與軌跡矢量的差值矢量的量化索引時，分別搜索并輸出第一至N子差值矢量的量化索引。本發明矢量量化方法中，優選的是，在所述將待量化矢量按照其維系數間的跳躍值的分布情況進行分類時，還根據待量化矢量維系數的動態范圍對待量化矢量進行分類，由該兩種分類參數獲得所對應的軌跡矢量。所述根據待量化矢量維系數的動態范圍對待量化矢量進行分類，可以按照待量化矢量第()維的系數的動態范圍分為8類。或者優選的是，在所述將待量化矢量按照其維系數間的跳躍值的分布情況進行分類前，先將待量化矢量按照其與若干備選碼書之間的距離進行分類，確定與待量化矢量距離最小的碼書并輸出碼書索引；然后按照待量化矢量維系數間的跳躍值的分布情況在相應碼書中獲得所對應的軌跡矢量。此外，優選的是，所述搜索待量化矢量與軌跡矢量的差值矢量的量化索引包括選取所述差值矢量中的部分維作為第一子矢量；搜索所述第一子矢量的最佳量化值并輸出所述最佳量化值所對應的最佳碼本的索引；根據所述最佳碼本獲得與所述差值矢量的其余維相對應的均值矢量；計算所述差值矢量的其余維與所述均值矢量的二次差值矢量；搜索并輸出所述二次差值矢量的量化索引。在上述差值矢量量化過程中，進一步的，在搜索到所述第一子矢量的最佳量化值后，還以固定偏移量對所述最佳量化值的全部或部分維系數進行增加或減少修正，輸出標識所述修正的修正索引。所述修正可根據最佳量化值各維系數與第一子矢量各維系數的大小關系進行，若最佳量化值待修正維的系數大于第一子矢量相應維的系數，則進行減少固定偏移量的修正；若最佳量化值待修正維的系數小于或等于第一子矢量相應維的系數，則進行增加固定偏移量的修正。所述固定偏移量優選為第一子矢量與最佳量化值之間統計誤差的一半。在上述差值矢量量化過程中，優選的是，所述第一子矢量包括位于所述差值矢量起始、中間和結尾部分的維。若待量化矢量為16維線譜頻率參數，則其與軌跡矢量的差值矢量為16維，在上迷差值矢量量化過程中，所述第一子矢量可包括所述差值矢量的第0、1、8、14和15維；所述修正對所述最佳量化值對應所述差值矢量第0、1維的系數進行，所述修正索引為2比特，分別標識該兩個系數的修正為固定偏移量的增加還是減少，或者，所述修正對所述最佳量化值對應所述差值矢量第0、、8維的系數進行，所述修正索引為3比特，分別標識該三個系數的修正為固定偏移量的增加還是減少。所述搜索二次差值矢量的量化索引可包括將所述二次差值矢量分裂為第二子矢量和第三子矢量；所述第二子矢量包括所述差值矢量的第2、3、4、5、6、7維與均值矢量相應維的差值，所述第三子矢量包括所述差值矢量的第9、10、11、12、13維與均值矢量相應維的差值；分別搜索該兩個子矢量的量化索引。在上述差值矢量量化過程中，所述第一、二、三子矢量進行量化搜索所使用碼書的碼本容量可等于或小于1024，其量化索引輸出均為IO比特,此外，在上述差值矢量量化過程中，所述第一、二、三子矢量進行量化搜索可采用如下誤差判斷準則其中E為加權量化誤差，K"為第/子矢量的第i維系數，1、2、3,分別對應第一、二、三子矢量，W/,《為第/子矢量相應碼書中第g個碼本的第/維系數，^為該子矢量第/維的權重因子；S表示對該子矢量所包含的各維求和所述輸出的索引為令上式為最小的碼本的索引。在上述誤差判斷準則中，進一步的，當/=1時，其中,V二w,為該維度所對應的線譜能量，c,.為經驗加權因子，對應于第0、1、8、14和15維，c,分別為U.O,1.0，1.0,0.8,0.4}。本發明還提供一種矢量量化器，包括分類單元、第一差值單元和差值量化單元；所述分類單元，用于將待量化矢量按照其維系數間的跳躍值的分布情況進行分類，獲得該分類所對應的軌跡矢量并輸出分類索引；所述第一差值單元-用于計算待量化矢量與所述分類單元獲得的軌跡矢量的差值矢量；所述差值量化單元，用于搜索并輸出所述第一差值單元計算得到的差值矢量的量化索引,，優選的是，所述差值量化單元包括分裂單元、第一量化單元、第二量化單元和第三量化單元；所述分裂單元，用于將所述第一差值單元計算得到的差值矢量分裂為第一子矢量、第二子矢量和第三子矢量；所述第一量化單元、第二量化單元和第三量化單元，分別用于搜索并輸出所述分裂單元生成的第一子矢量、第二子矢量和第三子矢量的量化索引。或者優選的是，本發明矢量量化器還包括分裂單元；所述分裂單元，用于在所述分類單元進行分類前將所述待量化矢量分裂為第一至N子矢量；所述第一差值單元包括第一至N子差值單元，分別用于計算所述分裂單元生成的第一至N子矢量與所述軌跡矢量相應維的差值，獲得第一至N子差值矢量；所述差值量化單元包括第一至N子量化單元，分別用于搜索并輸出所述第一至N子差值單元計算得到的第一至N子差值矢量的量化索引。本發明矢量量化器的分類單元可包括第一分類子單元、第二分類子單元和分類索引單元；所述第一分類子單元，用于將待量化矢量按照其維系數間的跳躍值的分布情況進行分類；所述第二分類子單元，用于根據待量化矢量維系數的動態范圍對待量化矢量進行分類；所述分類索引單元，用于按照所述第一、二分類子單元的分類結果獲得所對應的軌跡矢量并輸出分類索引。此外優選的是，本發明矢量量化器還包括碼書分類單元；所述碼書分類單元，用于將待量化矢量按照其與若干備選碼書之間的距離進行分類，確定與待量化矢量距離最小的碼書并輸出碼書索引；所述分類單元是從所述碼書分類單元確定的碼書中獲得相應的軌跡矢量。本發明矢量量化器的差值量化單元優選包括第一量化單元、第二差值單元和二次差值量化單元；所述第一量化單元，用于選取所述第一差值單元計算得到的差值矢量中的部分維作為第一子矢量，搜索所述第一子矢量的最佳量化值并輸出所述最佳量化值所對應的最佳碼本的索引；所述第二差值單元，用于根據所述第一量化單元搜索到的最佳碼本獲得與所述第一差值單元計算得到的差值矢量的其余維相對應的均值矢量，計算所述差值矢量的其余維與所述均值矢量的二次差值矢量；所述二次差值量化單元，用于搜索并輸出所述第二差值單元計算得到的二次差值矢量的量化索引。上述差值量化單元還可包括修正單元；所述修正單元，用于在所述第一量化單元搜索到第一子矢量的最佳量化值后，以固定偏移量對所述最佳量化值的全部或部分維系數進行增加或減少修正，輸出標識所述修正的修正索引.上述差值量化單元中的二次差值量化單元可包括分裂單元、第二量化單元和第三量化單元；所述分裂單元，用于將所述第二差值單元計算得到的差值矢量分裂為第二子矢量和第三子矢量；所述第二量化單元和第三量化單元，分別用于搜索并輸出所述分裂單元生成的第二子矢量和第三子矢量的量化索引。采用上述技術方案，本發明有益的技術效果在于1)本發明采用按照待量化矢量維系數間的跳躍值的分布情況對矢量進行分類，然后對待量化矢量與該分類固定軌跡矢量的殘差進行量化的方法，由于本發明分類方式能夠初步確定矢量維系數變化趨勢，使得對應每一類的差值碼本具有較小的變化范圍，在保證重現質量的前提下，有效縮小后續量化過程中所使用的碼本容量，從而能夠降低所需要的量化比特。2)本發明進一步在對待量化矢量進行分類時，采用同時考慮其維系數的動態范圍的方法，進一步細化分類的類別，使得各類別的軌跡矢量具有更高的貼合度，進一步提高量化的精確度。3)本發明進一步在對待量化矢量進行分類前，先根據其維系數的動態范圍進行碼書分類，確定距離最近的碼書以進行后續的分類及量化操作，客觀上也起到細化分類的作用，進一步提高量化的精確度。4)本發明進一步采用對差值矢量按其子矢量確定的形狀框架進行分類，然后對差值矢量的其余維與該分類固定均值矢量的二次殘差進行量化的方法，由于從差值矢量中挑選出的子矢量可基本確定差值矢量的形狀輪廓，因此分類后可大大縮小其余維變化的動態范圍，使得后續對二次殘差的量化所需要的碼本容量更小。5)本發明針對16維ISF矢量提供了若干種具體的跳躍值分類方式和分裂量化方案，這些優選方案與現有ISF矢量量化方案相比，能夠以更少的量化比特和更低的碼本容量提供相當的主客觀語音質量。下面通過具體實施方式并結合附圖對本發明作進一步的詳細說明。圖1是本發明實施例一矢量量化方法流程示意圖；圖2是實施例一中軌跡矢量訓練方法流程示意圖；圖3是本發明實施例二矢量量化方法流程示意圖；圖4是本發明實施例四矢量量化方法流程示意圖；圖5是本發明實施例五矢量量化方法流程示意圖；圖6是本發明實施例六矢量量化方法流程示意圖；圖7是本發明實施例七矢量量化方法流程示意圖；圖8是實施例七中最佳碼本、最佳量化值與均值矢量的關聯關系示意圖；圖9是本發明實施例八矢量量化方法流程示意圖；圖IO是本發明實施例九矢量量化器結構示意圖；圖11是本發明實施例十矢量量化器結構示意圖；圖12是本發明實施例十一矢量量化器結構示意圖；圖13是本發明實施例十二矢量量化器結構示意圖；圖14是本發明實施例十三矢量量化器結構示意圖；圖15是本發明實施例十四矢量量化器結構示意圖；圖16是本發明實施例十五矢量量化器結構示意圖。具體實施方式本發明提供一種矢量量化方法，其核心思想是，按照待量化矢量維系數間的跳躍值的分布情況對矢量進行分類，然后對待量化矢量與該分類固定軌跡矢量的殘差進行量化。在對待量化矢量按照維系數間的跳躍值的分布情況進行分類時，還可同時考慮待量化矢量維系數動態范圍的變化，細化分類的類別；也可以在分類前，根據待量化矢量與各種類備選碼書的距離先進行碼書分類，確定所使用的碼書種類，再進行后續的分類及量化操作。在對待量化矢量與軌跡矢量的差值矢量進行量化時，可直接采用分裂量化的方法，也可先量化由差值矢量中部分維組成的子矢量，根據子矢量確定的形狀框架對其余維進行分類，然后再對其余維與該分類對應的均值矢量的二次殘差進行量化。此外，在對差值矢量中先挑選出的子矢量進行量化后，還可進一步對其最佳量化值進行修正。本發明并提供相應于上述矢量量化方法的矢量量化器。以下分別對本發明方法和裝置進行詳細il明。實施例一、一種矢量量化方法，流程如圖l所示，包括步驟Al、將待量化矢量按照其維系數間的跳躍值的分布情況進行分類，獲得該分類所對應的軌跡矢量并輸出分類索引；矢量維系數間的跳躍值能夠體現矢量的變化趨勢，跳躍值的分布情況即表現出該矢量的形狀變化情況。一般而言，跳躍值中的極值對形狀的影響最為明顯，因此本實施例中選取跳躍值中的最大值和次大值作為分布的研究對象，以其出現的位置對待量化矢量進行分類，具體方法為All、計算跳躍值；若待量化矢量為n維矢量r'(n)=n，…，/V,],則其維系數間的跳躍值,/,為<formula>formulaseeoriginaldocumentpage16</formula>共有n-1個跳躍值。在以跳躍值的分布對矢量進行分類時，可根據矢量的具體特點選擇使用全部或部分跳躍值，可以將矢量中容易產生異變且對分類意義不大的跳躍值從判斷范圍中除去。例如，若矢量頭尾部份的跳躍值變化情況在實際中對矢量分類的效果影響不大，可以僅使用中間部分的跳躍值，比如J3L,等。普遍起見，本例中選用全部n-l個跳躍值。A12、獲得跳躍值中的最大值Mm^和次大值Mm^，記錄下它們的位置信息/Wex隨和i"(ier歸-i;需要說明的是，對于一般矢量而言，跳躍值乂可能為正也可能為負，因此，在尋找極值時，可以根據矢量的特點或要求選擇設置判斷標準為絕對值或者實際值。由于共有n-1個跳躍值，因此/mfec隨為0~n-2共n-1個值中的一個，/m/ex,腿.,為剩余的n-2個值中的一個，因此最大值A4^和次大值A《麗-i出現的位置共有(n-1)x(n-"種排列組合，包括<formula>formulaseeoriginaldocumentpage17</formula>A13、根據矢量的風皿和A/m,出現的位置從上述(n-1)x(n-2)種類型中確定當前待量化矢量的類型，獲得對應的軌跡矢量mean，/==0~n2-3n+l,并輸出相應的分類索引；分類索引所需要占用的量化比特由總的類別數目確定，計算公式為INT[l+log2(n2-3n+2)]，其中"INT"表示取整。通常分類索引占用710個比特都是比較適當的，對應的類別總數在651024之間。meanA",為與n2-3n+2種類型——對應的固定矢量，n2-3n+2個mean力的集合也可視為一個碼書，各個meanj,即為該碼書中的碼本，以分類索引標記其在該碼書中的位置。不過待量化矢量獲得分類索引的過程，遠比通常釆用最小均方誤差獲得矢量量化索引的過程簡單。由這些軌跡矢量組成的碼書，可以采用通常所使用的碼書獲取方法之一，通過相當數量的測試數據訓練獲得，一種簡單的訓練方法如圖2所示，包括al、輸入足夠數量的測試數據并轉換為相應的訓練矢量，這些測試數據足以代表各種可能出現的待量化矢量的變化趨勢；例如，對于語音處理領域，測試數據可以是各種類型的語音信號，由語音信號計算出ISF矢量作為訓練矢量；對于圖像處理領域，測試數據則可為各種圖片等；a2、按照前述跳躍值分類規則對所有的訓練矢量進行分類，并用計數器在每一類中記數本類存在的訓練矢量及其數目；a3、計算各類中所有訓練矢量的平均值作為該類的軌跡矢量。對訓練矢量的統計可以以一個設定的數量為上限，達到該數量則認為獲得可接受的軌跡矢量；也可采用其它的評價標準，例如，記錄訓練過程中平均值的變化情況，當變化值在一段持續時間內保持在允許的范圍中，則認為獲得可接受的軌跡矢量,，A2、計算待量化矢量與其分類所對應的軌跡矢量mean;的差值矢量rcsr;res」-,=。一mean一r^.，/=0，1,…，n-1其中resr,為差值矢量res—r的第灘系數；。為待量化矢量r的第/維系數；mean_。.,為r的分類所對應軌跡矢量mean—。的第/維系數；顯然差值矢量res一r也是一個n維矢量；A3、搜索并輸出差值矢量res—r的量化索引；對該差值矢量的量化可采用通常所使用的矢量量化方法，例如直接在相應碼書中采用最小均方誤差判斷準則獲得最接近碼本的量化索引等。以上給出了基于本發明提出的按跳躍值分類進行矢量量化的基本方法，需要說明的是，本發明中的"待量化矢量，，應當作廣義理解，既可以是初始未被量化的矢量，也可以是矢量量化過也程中還未被量化的殘差。在此基本方法的基礎上，本發明還提供各種改進的方法以獲得更好的效果。為便于描述起見，在下面的實施例中以語音處理領域中的16維ISF矢量作為待量化矢量進行示例描述，詳細說明本發明的各種優化方案。實施例二、一種矢量量化方法，流程如圖3所示，本實施例與實施例一相比主要改進之處在于在分類時僅考慮起主要作用的部分跳躍值，且在對差值矢量進行量化時采用分裂量化方法；包括步驟Bl、計算待量化矢量，即16維ISF矢量/^[/o，/l，…,力5],各維系數間的跳躍值G,:G,U，,M)，1，…，14共有15個跳躍值；對幀內ISF系數的實驗分析發現，ISF系數之間存在一定的相關性，幀內ISF系數隨序列號依次遞增，到最后一個系數發生驟降，導致G,4的值為負數，為降低運算復雜度，且通過實驗證明選用G3^13共11個跳躍值進行分類效果良好，因此本實施例中僅使用G3G,3進行ISF矢量的分類；B2、獲得11個跳躍值&G,3中的最大值Mmax和次大值M,麗.,，記錄下它們的位置信息/"flkx,麗和/WflfeXmax-i;Gl3中的最大值^14^和次大值A4ax.,出現的位置共有UX10二11()種排列組合，包括{/"&x隨，//W^隨^4a化0,化…，d13W4,W,Hd,…，{《13i;…二{13,3},{13，4},...,{13，12}}B3、根據M,駆和Mmax.,出現的位置從上述110種類型中確定當前待量化ISF矢量的類型，獲得對應的軌跡矢量mean一/s/,/=0109,并輸出相應的分類索引；本實施例中分類索引需要占用7個量化比特，軌跡矢量mean—/W可通過實施例一中描述的訓練方法獲得；B4、計算ISF矢量/與其分類所對應的軌跡矢量mean—/《的差值矢量res/.s/''，res—/s,=力一mean—/s力,;,/=0，1,…,15其中res—械為差值矢量res—/s/的第/維系數;乂為ISF矢量/的第/維系數；mean為/的分類所對應軌跡矢量mean—/《的第i維系數；顯然差值矢量res—/、/也是一個16維矢量；B5、搜索并輸出差值矢量res_>/的量化索引；由于res_>/的維數較大，為降低計算的復雜度，本實施例中采用分裂量化的方法，包括B51、將16維差值矢量res—/s/分裂為第一子矢量F(21、第二子矢量和第三子矢量Fg3,FQ1是4維矢量，rQ2是6維矢量，P^3是6維矢量，各子矢量所包含差值矢量res—/s/的維見表2;B52、分別對這3個子矢量進行矢量量化，搜索并輸出量化索引；進行各子矢量量化搜索的碼書的碼本容量等于或小于1024,輸出的各子矢量量化索引比特分配如表2所示。表2差值矢量res—"/t化比特分配表<table>tableseeoriginaldocumentpage20</column></row><table>綜上可以看出，采用本實施例量化方法對語音信號的16維ISF矢量量化共需要37比特，其中包括分類索引7比特，量化索引30比特。與現有42比特量化方案相比節約了5個比特，相應的碼本容量也縮小為現有的3/8。同時，經語音質量客觀測評實驗證明，按照本實施方法進行量化編碼的語音質量與現有量化編碼的語音質量相當。實施例三、一種矢量量化方法，本實施例與實施例二基本相同，區別之處在于一、在分類時使用G,~014共14個跳躍值進行ISF矢量的分類；G！^14中的最大值M隨和次大值Mm肌-,出現的位置共有14x13=182種排列組合，因此對應的軌跡矢量分為182個種類，分類索引需要占用8個量化比特；二、在對差值矢量進行量化時，分裂出的3個子矢量維數分別為為5維，Kg2為5維，^g3為6維；各子矢量仍舊以10比特進行量化，整個量化方案共需要38比特。本實施例與實施例二相比分類更加細致，提高了量化的精確度。實施例四、一種矢量量化方法，流程如圖4所示，本實施例與實施例二基本相同，區別之處在于，是在進行ISF矢量分類前先對ISF矢量進行分裂，然后再執行后續的分類和量化操作；包括Cl、將16維ISl;矢量/、[/o，/i，…,/i5]分裂為N個子矢量；考慮ISF矢量的總維度，本實施例中取N為3，包括第一子矢量rO卜L/o,./;,/"5]、第二子矢量^2-[/2,/3，...,/7]、第三子矢量FgH/8,A…,/,3j;C2、計算ISF矢量/的維系數間的跳躍值G,;C3、獲得11個跳躍值(73Gl3中的最大值M,麗和次大值M,，卦,，記錄下它C4、根據M陽、和M,應-,出現的位置從110種類型中獲得對應的軌跡矢量meanjs/;,/=0~109，并輸出相應的7比特分類索引；C5、分別計算三個子矢量Fgl、Fg2、KQ3與其所對應的專九跡矢量mean):/;相應維的差值，獲得第一至三子差值矢量res—KQ13:resFgl尸Kg，—mean—/^;,,,/=0,1,14,15res—Kg2尸Fg2,'—mean—/s力.z,/=2,3，…,7resKg3尸Kg3,—mean—/功,,，/=8,9,...，13其中res一K03,為子差值矢量res—rgl3的第/維系數；J^l3,為子ISF矢量KC1~3的第/維系數；meanj裙,為/的分類所對應軌跡矢量mean一/《的第/維系數；C6、分別搜索并輸出第一至三子差值矢量res—rgl3的量化索引，各子差值矢量仍舊以IO比特進行量化，整個量化方案共需要37比特。實施例五、一種矢量量化方法，流程如圖5所示，本實施例與實施例一相比主要改進之處在于在分類時除了依據跳躍值的分布情況，還同時考慮ISF矢量維系數的動態范圍，對軌跡矢量的類別進行進一步的細化；包括步驟1)1、將ISF矢量按照其維系數間的跳躍值的分布情況，以及維系數的動態范圍進行分類，獲得其類別所對應的軌跡矢量并輸出分類索引；關于跳躍值的分類，可按照實施例二中的方式進行；關于動態范圍的分類，根據ISF系數的特點，本實施例中選取ISF矢量第0維的系數/。的動態范圍作為分類依據，將/o的動態范圍分為8類，具體取值范圍可根據實際應用環境確定，例如，可采用對/o的動態統計范圍進行等間隔劃分的形式，或者也可采用按照訓練值的出現頻率等幾率劃分的形式等；加入/:,的8種動態范圍后，總類別由跳躍值確定的110類擴展為110x8—--880類，相應的軌跡矢量也擴展為880種，當然，在軌跡矢量的訓練過程中，所使用的分類原則也需要對應增加關于/o的動態范圍的判斷；因此，本實施例中分類索引所需要占用的量化比特數目增加到10個；1)2、計算ISF矢量與其分類所對應的軌跡矢量的差值矢量；D3、搜索并輸出差值矢量的量化索引；可按照實施例二中的分裂量化方式進行，將差值矢量分裂為三個于矢量，用30個比特進行量化。本實施例整個量化方案共需要40比特，由于分類數目大幅度提高，并且分類依據來自不同角度，分類更準確，因此本實施例方法具有更好的量化精確/吞/又。實施例六、一種矢量量化方法，流程如圖6所示，本實施例與實施例一相比主要改進之處在于，在進行ISF矢量的跳躍值分類前，先進行碼書的選擇，然后再執行后續的分類量化操作；包括步驟El、將ISF矢量按照其與若干備選碼書之間的距離進行分類，確定與ISF矢量距離最小的碼書并輸出碼書索引；在本實施例中，所使用的碼書不再唯一，而是具有多個種類，這些備選碼書可按照現有的碼書訓練方法，例如LBG算法等，依據一定的分類原則生成，例如，參考上一實施例，可依辨/o的動態范圍訓練成8個碼書，則相應的碼書索引需要3個比特；E2、按照ISF矢量維系數間的跳躍值的分布情況在相應碼書中獲得所對應的軌跡矢量并輸出分類索引，可按照實施例二中的方式進行，輸出7比特的分類索引；E3、計算ISF矢量與其分類所對應的軌跡矢量的差值矢量；E4、搜索并輸出差值矢量的量化索引；可按照實施例二中的分裂量化方式進行，將差值矢量分裂為三個子矢量，用30個比特進^"量化。本實施例整個量化方案共需要40比特，由于在分類前進行了最近距離碼書選擇，實質上相當于提高了分類的準確性，因此本實施例方法具有更好的量化精確度。實施例七、一種矢量量化方法，流程如圖7所示，本實施例與實施例一相比主要改進之處在于，在對差值矢量進行量化時，采用進一步分類，獲得并量化二次殘差的方法；包括步驟Fl、按照ISF矢量維系數間的跳躍值的分布情況獲得所對應的軌跡矢量并輸出分類索引，可按照實施例二中的方式進行，輸出7比特的分類索引；F2、計算ISF矢量與其分類所對應的軌跡矢量的16維差值矢量res/、/;F3、對差值矢量進行量化，包括F31、選取16維差值矢量res一/s/中的部分維作為第一子矢量KQ1;為了更好的體現待量化矢量的整體框架，一般可選擇位于矢量起始、中間和結尾部分的維來構成第一子矢量KQ1，本實施例中考慮到ISF矢量一次殘差的普遍特點，選擇resj、/的第0、1、8、14和15維作為Kgl;F32、搜索第一子矢量Kgl的最佳量化值并輸出該最佳量化值所對應的最佳碼本的索引具體量化搜索過程可采用通常所使用的加權均方誤差準則，即在碼書中尋找令下式為最小的碼本的索引￡=》，，—，:')，其中，￡為加權量化誤差；wi為第一子矢量「^i的第/維系數；wi:'為r^1相應碼書中第《個碼本的第/維系數；i:表示對所包含的各維求和，顯然，/只能取0、1、8、14和15;y為Kgl第,'維的權重因子，可由如下公式計算，=/.仏一W*c,其中，；:《w,為該維度所對應的線譜能量，可采用現有方式計算獲得；c,為經驗加權因子，對應于第0、1、8、14和15維，。分別為{1.0，1.0,1.0,0.8，0.4};令A，為最小的碼本的索引即輸出為KQ1的量化索引；本實施例中，量化rgl所使用碼書的碼本容量為1024,Fgl的量化索引輸出為IO比特；F33、根據rgl量化得到的最佳碼本獲得與差值矢量res一"/的其余維[res—/、:/2,res_」:s/3,…，res——&/7，res—/#9，res一/<|0,…，res—/s/i3]相^f應的均l直矢量；由于可認為包含了差值矢量res—/s/的形狀信息，因此量化得到的最佳量化值就確定了差值矢量res—/s/的形狀；確定后res—其余維的動態變化范圍大大縮小，可通過Fgl的量化對res一"/進行分類，在本例中為1024類，每類對應固定的與res—/s/的其余維相對應的均值矢量；當然的最佳量化值可以是一組或多組與一組固定的均值矢量相對應，均值矢量也可獨立于的最佳量化值所屬的最佳碼本單獨存放；但為數據處理的簡潔起見，本實施例中采用一種簡單直^t妾的關聯方式，即，的一組最佳量化值唯一映射一組固定的均值矢量，一對互相映射的最佳量化值和均值矢量構成一個最佳碼本，顯然，在這種方式下，最佳碼本與差值矢量res,:s/'具有相同的維數；以下舉例來說明這種最佳碼本的確定方法及其與最佳量化值、均值矢量之間的關聯關系，簡明起見，假設最佳碼本為6維矢量，最佳量化值與均值矢量均為3維矢量，如圖8所示假設在對6維矢量進行碼本訓練時，通過6維矢量的前3維矢量將碼本分為若干類，經過某種誤差判定準則計算，6維矢量vql的前3維矢量{1，2,4}和矢量vq2的前3維矢量{1,3，6}屬于第i類，6維矢量vq3的前3維矢量{1,7,4！和6維矢量vq4的前3維矢量{1，6,3}屬于第j類，因此，在僅統計這4個訓練樣本的情況下(大量樣本的情況可類推)，可以得到第i類最佳碼本的前3維矢量為{1，2.5，5},第j類最佳碼本的前3維矢量為{1，6.5,3.5};同時計算屬于同一類的6維矢量后3維矢量的平均值作為最佳6維碼本的后3維矢量。即將平均值{5.5,8.5，2.5}作為第i類最佳6維碼本的后3維矢量，將{8.5,2.5,5}作為第j類最佳6維碼本的后3維矢量。至此，即獲得第i和第j類的最佳6維碼本。類似的，與res—/.s/對應的16維最佳碼本可通過相似的方式獲得。即相當于上述6維矢量中用作聚類判斷的前3維矢量，其對應的最佳量化值相當于最佳6維碼本的前3維矢量，通過該前3維矢量即可確定同屬于一個最佳6維碼本的后3維矢量，該后3維矢量即相當于所稱均值矢量；F34、計算差值矢量resjs/的其余維與均值矢量的二次差值矢量<formula>formulaseeoriginaldocumentpage24</formula>其中，res為二次差值矢量res—,/"的第/維系數；resj^為差值矢量res的第/維系數；rcs為Kgl對應的最佳碼本的第/維系數，最佳碼本中序號為/---2,3,…,7,9,…，12,13的11維系數構成均值矢量；需要說明的是，與最佳量化值為5維矢量，二次差值矢量res—/s/'與均值矢量為11維矢量，但為描述清楚一致起見，本文中對該四個矢量各維系數的編號仍使用對應于16維差值矢量res——/、/及所屬最佳碼本中編號的形式，不再進行重新順序編號；F35、搜索并輸出二次差值矢量res一/s/'的量化索引；由于res—/V"的維數仍較大，本實施例仿照實施例二中對差值矢量的處理方式，采用分裂量化的方法進行二次差值矢量的量化，包括F351、將ll維二次差值矢量res一,^'"分裂為第二子矢量l^2和第三子矢量rg3，J/g2為6維矢量，包括res—/^2'resJ/7";Kg3為5維矢量，包括res/V;/、res"/13;F352、分別對KQ2和Fg3進行矢量量化，搜索并輸出量化索引；具體量化搜索過程可參照卩"1的量化過程進行，只是權重因子Pf,中不包含經驗加權因子c',;本實施例中，量化r22和K23所使用碼書的碼本容量均為1024，J/Q2和rC3的量化索引輸出均為10比特；本實施例整個量化方案共需要37比特，其中包括分類索引7比特，量化索引30比特。本實施差值矢量量化過程中，的量化索引同時起到了量化和分類的作用，在不需要增加額外比特的前提下，縮小了未量化部分的動態范圍，提高了量化精確度。實施例八、一種矢量量化方法，流程如圖9所示，本實施例與實施例七基本相同，區別之處在于，在對進行Kgl進行量化獲得其最佳量化值后，還執行修正并輸出修正索引；包括Gl、按照ISF矢量維系數間的跳躍值的分布情況獲得所對應的軌跡矢量并輸出分類索引，可按照實施例二中的方式進行，輸出7比特的分類索引；G2、計算ISF矢量與其分類所對應的軌跡矢量的16維差值矢量res>/;G3、選取16維差值矢量res—/s/中的第0、1、8、14和15維作為第一子矢量K0;G4、搜索第一子矢量K^l的最佳量化值并輸出該最佳量化值所對應的最佳碼本的索引；可參照實施例七中的方式進行，輸出10比特量化索引；G5、以固定偏移量對Kgl最佳量化值的全部或部分維系數進行增加或減少修正，輸出標識修正的修正索引；基于矢量量化本質的有損性，一般而言，最佳量化值與Fgl之間始終存在一定的誤差，為了使誤差均衡分布，本實施例中采用以固定偏移量進行修正的方法。修正可以對全部或部分維系數進行，由于對每個維系數的修正都需要用1個比特來指示該修正為增加還是減少，因此，本實施例中僅選擇對重現質量影響較大的維系數進行修正，即最佳量化值中第O、1、8維的系數，這樣輸出的修正索引需要3比特。當然，為進一步節省量化比特，也可僅對最佳量化值中第0、l維的系數進行修正，輸出的修正索引減少為2比特。具體確定修正為增加或減少的原則可根據實際應用環境確定，本實施例中采用一種筒單的修正判斷方式，即，若最佳量化值待修正維的系數大于相應維的系數，則進行減少固定偏移量的修正；若最佳量化值待修正維的系數小于或等于相應維的系數，則進行增加固定偏移量的修正；修正公式如下<formula>formulaseeoriginaldocumentpage26</formula>其中，等號右/左側的res」V7分別為最佳碼本第/維系數修正前/后的值；"為固定偏移量；為避免擴大最佳量化值與F^1的統計誤差范圍，a可設置為最佳量化值與之間統計誤差的一半，具體取值可通過對實際應用環境進行相當數量的誤差統計獲得；相應的修正索引/mfec,的取值公式為<formula>formulaseeoriginaldocumentpage26</formula>當然，也可以設置/"t/ex,的值為0時表示減少，為1時表示增加。G6、根據量化得到的最佳碼本獲得與差值矢量res—"/的其余維相對應的均值矢量；G7、搜索并輸出二次差值矢量的量化索引；可參照實施例七中的方式進行，輸出20比特量化索引。本實施例整個量化方案共需要40比特，相比實施例7增加了3比特的修正索引，其優點在于，由于引入了對主要矢量量化維度的修正，具有更好的重現效果。上述實施例二八中分別提出了若干種基于實施例一的改進方法，為清楚起見，在這些方法中對各種改進之處進行了獨立的描述，事實上，這些方法中所提出的改進之處也可同時在量化過程中被采用，可根據實際環境的需要綜合使用這些改進的方法。下面對相應于上述各種量化方法的矢量量化器進行詳細說明。實施例九、一種矢量量化器，如圖10所示，包括分類單元ll、第一差值單元12和差值量化單元13;分類單元U,用于將待量化矢量按照其維系數間的跳躍值的分布情況進行分類，獲得該分類所對應的軌跡矢量并輸出分類索引；第一差值單元12,用于計算待量化矢量與分類單元11獲得的軌跡矢量的差值矢量；差值量化單元13，用于搜索并輸出第一差值單元12計算得到的差值矢量的量化索引。本實施例矢量量化器可采用實施例一中提供的矢量量化方法。實施例十、一種矢量量化器，如圖11所示，包括分類單元21、第一差值單元22和差值量化單元23,差值量化單元23包括分裂單元231、第一量化單元232、第二量化單元233和第三量化單元234;分類單元21,用于將待量化矢量按照其維系數間的跳躍值的分布情況進行分類，獲得該分類所對應的軌跡矢量并輸出分類索引；第一差值單元22,用于計算待量化矢量與分類單元11獲得的軌跡矢量的差值矢量；分裂單元231，用于將第一差值單元22計算得到的差值矢量分裂為第一子矢量、第二子矢量和第三子矢量；第一量化單元232、第二量化單元233和第三量化單元234，分別用于搜索并輸出分裂單元231生成的第一子矢量、第二子矢量和第三子矢量的量化索引。本實施例矢量量化器可采用實施例二或三中提供的矢量量化方法。實施例十一、一種矢量量化器，如圖12所示，包括分類單元31、第一差值單元32、差值量化單元33和分裂單元34;分裂單元34，用于將待量化矢量分裂為第一至N子矢量；分類單元31，用于將分裂單元34分裂后的待量化矢量按照其維系數間的跳躍值的分布情況進行分類，獲得該分類所對應的軌跡矢量并輸出分類索引；第一差值單元32包括第一至N子差值單元，分別用于計算分裂單元34生成的第一至N子矢量與分類單元31獲得的軌跡矢量相應維的差值，獲得第一至N子差值矢量；差值量化單元33包括第一至N子量化單元，分別用于搜索并輸出第一差值單元32的第一至N子差值單元計算得到的第一至N子差值矢量的量化索引。本實施例矢量量化器可采用實施例四中提供的矢量量化方法。實施例十二、一種矢量量化器，如圖13所示，包括分類單元41、第一差值單元42和差值量化單元43;分類單元41包括第一分類子單元411、第二分類子單元412和分類索引單元413;差值量化單元43包括分裂單元431、第一量化單元432、第二量化單元433和第三量化單元434;第一分類子單元4U，用于將待量化矢量按照其維系數間的跳躍值的分布情況進行分類；第二分類子單元412，用于根據待量化矢量維系數的動態范圍對待量化矢量進行分類；分類索引單元413，用于按照第一、二分類子單元411、412的分類結果獲得所對應的軌跡矢量并輸出分類索引；第一差值單元42,用于計算待量化矢量與分類單元41的分類索引單元413獲得的軌跡矢量的差值矢量；分裂單元431，用于將第一差值單元42計算得到的差值矢量分裂為第一子矢量、第二子矢量和第三子矢量；第一量化單元432、第二量化單元433和第三量化單元434,分別用于搜索并輸出分裂單元431生成的第一子矢量、第二子矢量和第三子矢量的量化索引,.本實施例矢量量化器可采用實施例五中提供的矢量量化方法。實施例十三、一種矢量量化器，如圖14所示，包括分類單元51、第一差值單元52、差值量化單元53和碼書分類單元54;碼書分類單元54,用于將待量化矢量按照其與若干備選碼書之間的距離進行分類，確定與待量化矢量距離最小的碼書并輸出碼書索引；分類單元51，用于將待量化矢量按照其維系數間的跳躍值的分布情況進行分類，從碼書分類單元54確定的碼書中獲得該分類所對應的軌跡矢量并輸出分類索引；第一差值單元52，用于計算待量化矢量與分類單元51獲得的軌跡矢量的差值矢量；差值量化單元53,用于搜索并輸出第一差值單元52計算得到的差值矢量的量化索引。本實施例中差值量化單元可具有實施例十中差值量化單元的結構形式，本實施例矢量量化器可采用實施例六中提供的矢量量化方法。實施例十四、一種矢量量化器，如圖15所示，包括分類單元51、第一差值單元52,差值量化單元53;差值量化單元53包括第一量化單元531、第二差值單元532和二次差值量化單元533;二次差值量化單元533包括分裂單元5331、第二量化單元5332和第三量化單元5333;分類單元51,用于將待量化矢量按照其維系數間的跳躍值的分布情況進行分類，獲得該分類所對應的軌跡矢量并輸出分類索引；第一差值單元52,用于計算待量化矢量與分類單元51獲得的軌跡矢量的差值矢量；第一量化單元531,用于選取第一差值單元52計算得到的差值矢量中的部分維作為第一子矢量，搜索所述第一子矢量的最佳量化值并輸出所述最佳量化值所對應的最佳碼本的索引；第二差值單元532，用于根據第一量化單元531搜索到的最佳碼本獲得與第一差值單元52計算得到的差值矢量的其余維相對應的均值矢量，計算所述差值矢量的其余維與所述均值矢量的二次差值矢量；分裂單元5331，用于將第二差值單元532計算得到的差值矢量分裂為第二子矢量和第三子矢量；第二量化單元5332和第三量化單元5333，分別用于搜索并輸出分裂單元5331生成的第二子矢量和第三子矢量的量化索引。本實施例矢量量化器可采用實施例七中提供的矢量量化方法。實施例十五、一種矢量量化器，如圖16所示，包括分類單元61、第一差值單元62、差值量化單元63;差值量化單元63包括第一量化單元631、第二差值單元632、二次差值量化單元633和修正單元634;分類單元61，用于將待量化矢量按照其維系數間的跳躍值的分布情況進行分類，獲得該分類所對應的軌跡矢量并輸出分類索引；第一差值單元62，用于計算待量化矢量與分類單元61獲得的軌跡矢量的差值矢量；第一量化單元631，用于選取第一差值單元62計算得到的差值矢量中的部分維作為第一子矢量，搜索所述第一子矢量的最佳量化值并輸出所述最佳量化值所對應的最佳碼本的索引；修正單元634，用于在第一量化單元631搜索到第一子矢量的最佳量化值后，以固定偏移量對所述最佳量化值的全部或部分維系數進行增加或減少修正，輸出標識所述修正的修正索引；第二差值單元632,用于根據第一量化單元631搜索到的最佳碼本獲得與第一差值單元62計算得到的差值矢量的其余維相對應的均值矢量，計算所述差值矢量的其余維與所述均值矢量的二次差值矢量；二次差值量化單元633，用于搜索并輸出第二差值單元632計算得到的二次差值矢量的量化索引。本實施例中二次差值量化單元可具有實施例十四中二次差值量化單元的結構形式，本實施例矢量量化器可采用實施例八中提供的矢量量化方法。以上對本發明所提供的矢量量化方法及矢量量化器進行了詳細介紹，本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發明的方法及其核心思想；同時，對于本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用范圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。權利要求1、—種矢量量化方法，其特征在于，包括將待量化矢量按照其維系數間的跳躍值的分布情況進行分類，獲得該分類所對應的軌跡矢量并輸出分類索引；計算待量化矢量與所述軌跡矢量的差值矢量；搜索并輸出所述差值矢量的量化索引。2、根據權利要求1所述的矢量量化方法，其特征在于，所述按照待量化矢量維系數間的跳躍值的分布情況進行分類包括計算待量化矢量部分或全部相鄰維系數間的跳躍值，獲得跳躍值中的最大值和次大值；根據所述最大值和次大值出現的位置對待量化矢量進行分類。3、根據權利要求2所述的矢量量化方法，其特征在于所述待量化矢量為16維線譜頻率參數；所述跳躍值為第3維到第14維之間各相鄰系數的11個跳躍值，根據所述最大值和次大值出現的位置分為IIO類，輸出的分類索引為7比特，或者所述跳躍值為第1維到第15維之間各相鄰系數的14個跳躍值，根據所述最大值和次大值出現的位置分為182類，輸出的分類索引為8比特。4、根據權利要求3所述的矢量量化方法，其特征在于，所述搜索待量化矢量與軌跡矢量的差值矢量的量化索引包括將所述差值矢量分裂為第一子矢量、第二子矢量和第三子矢量，所述第一、二、三子矢量分別包括16維差值矢量的5維、5維、6維，或者，所述第一、二、三子矢量分別包括16維差值矢量的4維、6維、6維；分別搜索該三個子矢量的量化索引。5、根據權利要求4所述的矢量量化方法，其特征在于'.所述第一子矢量包括待量化矢量第0、1、14、15維與軌跡矢量相應維的差值，所述第二子矢量包括待量化矢量第2,3、4、5、6、7維與軌跡矢量相應維的差值，所述第三子矢量包括待量化矢量第8、9、10.11、12、13維與軌跡矢量相應維的差值。6、根據權利要求4所述的矢量量化方法，其特征在于所述第一、二、三子矢量進行量化搜索的碼書的碼本容量等于或小于1024，其量化索引輸出均為10比特。7、根據權利要求1所述的矢量量化方法，其特征在于在所述將待量化矢量進行分類前，先將待量化矢量分裂為第一至N子矢量；在計算待量化矢量與所述軌跡矢量的差值矢量時，分別計算第一至N子矢量與所述軌跡矢量相應維的差值，獲得第一至N子差值矢量；在搜索并輸出待量化矢量與軌跡矢量的差值矢量的量化索引時，分別搜索并輸出第一至N子差值矢量的量化索引。8、根據權利要求17任意一項所述的矢量量化方法，其特征在于在所述將待量化矢量按照其維系數間的跳躍值的分布情況進行分類時，還根據待量化矢量維系數的動態范圍對待量化矢量進行分類，由該兩種分類參數獲得所對應的4九跡矢量,.9、根據權利要求8所述的矢量量化方法，其特征在于所述根據待量化矢量維系數的動態范圍對待量化矢量進行分類，是按照待量化矢量第0維的系數的動態范圍分為8類。10、根據權利要求17任意一項所述的矢量量化方法，其特征在于在所述將待量化矢量按照其維系數間的跳躍值的分布情況進行分類前，先將待量化矢量按照其與若千備選碼書之間的距離進行分類，確定與待量化矢量距離最小的碼書并輸出碼書索引；然后按照待量化矢量維系數間的跳躍值的分布情況在相應碼書中獲得所對應的軌跡矢量。11、根據權利要求1或2所述的矢量量化方法，其特征在于，所述搜索待量化矢量與軌跡矢量的差值矢量的量化索引包括選取所述差值矢量中的部分維作為第一子矢量；搜索所述第一子矢量的最佳量化值并輸出所述最佳量化值所對應的最佳碼本的索引；根據所述最佳碼本獲得與所述差值矢量的其余維相對應的均值矢量；計算所述差值矢量的其余維與所述均值矢量的二次差值矢量；搜索并輸出所述二次差值矢量的量化索引。12、根據權利要求11所述的矢量量化方法，其特征在于在搜索到所述第一子矢量的最佳量化值后，還以固定偏移量對所述最佳量化值的全部或部分維系數進行增加或減少修正，輸出標識所述修正的修正索引。13、根據權利要求12所述的矢量量化方法，其特征在于所迷修正根據最佳量化值各維系數與第一子矢量各維系數的大小關系進行，若最佳量化值待修正維的系數大于第一子矢量相應維的系數，則進行減少固定偏移量的修正；若最佳量化值待修正維的系數小于或等于第一子矢量相應維的系數，則進行增加固定偏移量的修正。14、根據權利要求13所述的矢量量化方法，其特征在于所述固定偏移量為第一子矢量與最佳量化值之間統計誤差的一半。15、根據權利要求13所述的矢量量化方法，其特征在于所述待量化矢量為16維線譜頻率參數，其與軌跡矢量的差值矢量為16維，所述第一子矢量包括所述差值矢量的第0、1、8、14和15維；所述修正對所述最佳量化值對應所述差值矢量第0、l維的系數進行，所述修正索引為2比特，分別標識該兩個系數的修正為固定偏移量的增加還是減少，或者，所述修正對所述最佳量化值對應所述差值矢量第0、1、8維的系數進行，所述修正索引為3比特，分別標識該三個系數的修正為固定偏移量的增加還是16、根據權利要求11所述的矢量量化方法，其特征在于所述第一子矢量包括位于所述差值矢量起始、中間和結尾部分的維。17、根據權利要求16所述的矢量量化方法，其特征在于所述待量化矢量為16維線語頻率參數，其與軌跡矢量的差值矢量為16維，所述第一子矢量包括所述差值矢量的第0、1、8、14和15維。18、根據權利要求17所述的矢量量化方法，其特征在于，所述搜索二次差值矢量的量化索引包括將所迷二次差值矢量分裂為第二子矢量和第三子矢量；所述第二子矢量包括所述差值矢量的第2、3、4、5、6、7維與均值矢量相應維的差值，所述第三子矢量包括所述差值矢量的第9、10、11、12、13維與均值矢量相應維的差值；分別搜索該兩個子矢量的量化索引。19、根據權利要求18所述的矢量量化方法，其特征在于所述第一、二、三子矢量進行量化搜索的碼書的碼本容量等于或小于1024,其量化索引輸出均為10比特。20、根據權利要求18所述的矢量量化方法，其特征在于所述第一、二、三子矢量進行量化搜索采用如下誤差判斷準則其中E為加權量化誤差，^/,為第/子矢量的第i維系數，/=1、2、3，分別對應第一、二、三子矢量，P^/7為第/子矢量相應碼書中第《個碼本的第/維系數，^為該子矢量第/維的權重因子；S表示對該子矢量所包含的各維求和；所述輸出的索引為令上式為最小的碼本的索引。21、根據權利要求20所述的矢量量化方法，其特征在于當/::-l時，<formula>formulaseeoriginaldocumentpage5</formula>其中"/二vv,為該維度所對應的線譜能量，c,為經驗加權因子，對應于第0、1、8、14和15維，c,分別為U.O，1.0，1.0，0.8,0.4}。22、一種矢量量化器，其特征在于包括分類單元、第一差值單元和差值量化單元；所述分類單元，用于將待量化矢量按照其維系數間的跳躍值的分布情況進行分類，獲得該分類所對應的軌跡矢量并輸出分類索引；所述第一差值單元，用于計算待量化矢量與所述分類單元獲得的軌跡矢量的差值矢量；所述差值量化單元，用于搜索并輸出所述第一差值單元計算得到的差值矢量的量化索引.，23、根據權利要求22所述的矢量量化器，其特征在于所述差值量化單元包括分裂單元、第一量化單元、第二量化單元和第三量化單元；所述分裂單元，用于將所述第一差值單元計算得到的差值矢量分裂為第一子矢量、第二子矢量和第三子矢量；所述第一量化單元、第二量化單元和第三量化單元，分別用于搜索并輸出所述分裂單元生成的第一子矢量、第二子矢量和第三子矢量的量化索引。24、根據權利要求22所述的矢量量化器，其特征在于還包括分裂單元；所述分裂單元，用于在所述分類單元進行分類前將所述待量化矢量分裂為第一至N子矢量；所述第一差值單元包括第一至N子差值單元，分別用于計算所述分裂單元生成的第一至N子矢量與所述軌跡矢量相應維的差值，獲得第一至N子差值矢量；所述差值量化單元包括第一至N子量化單元，分別用于搜索并輸出所述第一至N子差值單元計算得到的第一至N子差值矢量的量化索引。25、根據權利要求2224任意一項所述的矢量量化器，其特征在于所述分類單元包括第一分類子單元、第二分類子單元和分類索引單元；所述第一分類子單元，用于將待量化矢量按照其維系數間的跳躍值的分布情況進行分類；所迷第二分類子單元，用于根據待量化矢量維系數的動態范圍對待量化矢量進行分類；所述分類索引單元，用于按照所述第一、二分類子單元的分類結果獲得所對應的軌跡矢量并輸出分類索引。26、根據權利要求2224任意一項所述的矢量量化器，其特征在于還包括碼書分類單元；所述碼書分類單元，用于將待量化矢量按照其與若干備選碼書之間的距離進行分類，確定與待量化矢量距離最小的碼書并輸出碼書索引；27、根據權利要求22所述的矢量量化器，其特征在于所述差值量化單元包括第一量化單元、第二差值單元和二次差值量化單元；所述第一量化單元，用于選取所述第一差值單元計算得到的差值矢量中的部分維作為第一子矢量，搜索所述第一子矢量的最佳量化值并輸出所述最佳量化值所對應的最佳碼本的索引；所述第二差值單元，用于根據所述第一量化單元搜索到的最佳碼本獲得與所述第一差值單元計算得到的差值矢量的其余維相對應的均值矢量，計算所述差值矢量的其余維與所述均值矢量的二次差值矢量；所述二次差值量化單元，用于搜索并輸出所述第二差值單元計算得到的二次差值矢量的量化索引。28、根據權利要求27所述的矢量量化器，其特征在于所述差值量化單元還包4舌修正單元所述修正單元，用于在所述第一量化單元搜索到第一子矢量的最佳量化值后，以固定偏移量對所述最佳量化值的全部或部分維系數進行增加或減少修正，輸出標識所述修正的修正索引。29、根據權利要求27或28所述的矢量量化器，其特征在于所述二次差值量化單元包括分裂單元、第二量化單元和第三量化單元；所述分裂單元，用于將所述第二差值單元計算得到的差值矢量分裂為第二子矢量和第三子矢量；所述第二量化單元和第三量化單元，分別用于搜索并輸出所述分裂單元生成的第二子矢量和第三子矢量的量化索引。全文摘要本發明公開了一種矢量量化方法，其核心思想是，按照待量化矢量維系數間的跳躍值的分布情況對矢量進行分類，然后對待量化矢量與該分類固定軌跡矢量的殘差進行量化。本發明并提供相應的矢量量化器。由于本發明方法中所采用的分類方式能夠初步確定矢量維系數變化趨勢，使得對應每一類的差值碼本具有較小的變化范圍，在保證重現質量的前提下，有效縮小后續量化過程中所使用的碼本容量，從而能夠降低所需要的量化比特。文檔編號H03M7/30GK101145787SQ20061012741公開日2008年3月19日申請日期2006年9月13日優先權日2006年9月13日發明者張德軍,李立雄申請人:華為技術有限公司