專利名稱：：線譜頻率矢量量化的方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及多媒體語音編碼
技術(shù)領(lǐng)域：
，尤其涉及一種線譜頻率矢量量化的方法及系統(tǒng)。
背景技術(shù)：
：隨著近幾年計算機技術(shù)的不斷發(fā)展，各種多媒體應(yīng)用越來越受到人們的青睞。作為多媒體應(yīng)用不可缺少的語音編碼技術(shù)，在最近十幾年也取得了很大的進步。在語音編碼
技術(shù)領(lǐng)域：
，線譜頻率(LSF:LinearSpectralFrequency)系數(shù)精度關(guān)系到語音編碼質(zhì)量、聲道幅度譜特性等方面的好壞，所以一般采用對LSF矢量進行量化來保證LSF系數(shù)精度。對LSF矢量進4亍量化，就是對LSF矢量系凄史的量化。在AMR-WB+(ExtendedAdaptiveMultiRateWide,BandCodec)中對LSF矢量系數(shù)的量化具體實現(xiàn)方法如下首先求出當前幀的LSF殘差矢量r("):r(/)=z(")-p(")其中，，p(")=-1)，/《為第n幀LSF矢量，廳朋一,V為LSF均值矢量，p(n)為當前幀預測值矢量，r"(n-l)為前一幀量化后的LSF殘差矢量；進而，得到1^殘差矢量^[^/1,...，^];之后，對LSF殘差矢量r=[^^...，^;]進行分裂多級矢量量化(S-MSVQ)，其被分裂為兩個子矢量r,(/)和r2(/7),其中r,(/7)是9維，r,07)是7維，對這兩個子矢量再分別進行兩級矢量量化，在第一級矢量量化中，用8比特量化ri(/7),8比特量化r,");在第一級矢量量化后，得到兩個量化殘差矢量，記作r,'=r,-r",,/=1,2。在第二級矢量量化中，再將「分裂成3個子矢量，。分裂成2個子矢量，分別用下表l中分配的比特數(shù)進行量化:表l:LSF矢量量化比特分配表<table>tableseeoriginaldocumentpage7</column></row><table>最后，用均方誤差準則作為量化過程中的失真測度。通常，對于一個輸入的LSP矢量或者LSF殘差矢量ri，i=l，2和碼書中的第k個碼字來說，量化的過程就是在碼書中尋找使下式E值最小的那個碼字的索引號其中，m和n表示子矢量中的第一個和最后一個元素在整個LSF矢量中的元素序號。于是，得出對LSF矢量量化需要的比特數(shù)為一級矢量量化中9維矢量rl(n)需要8比特，7維矢量r2(n)需要8比特；二級矢量量化中，4個3維矢量分別需要6、7、7和5比特，4維矢量需要5比特，總共需要46比特。那么，針對上述AMR-WB+中LSF矢量量化的過程，能否再提高矢量量化的精度，即提高語音主客觀的質(zhì)量，或者提出另外一種矢量量化的方法及系統(tǒng)，是本發(fā)明研究的對象。
發(fā)明內(nèi)容為此，本發(fā)明所要解決的技術(shù)問題是提供一種LSF矢量量化的方法及系統(tǒng)，來實現(xiàn)對LSF矢量的量化，減少平均量化誤差，以得到好的量化效果。于是，本發(fā)明提供了一種線譜頻率矢量量化的方法，包括將當前幀線譜頻率矢量或者當前幀線語頻率殘差矢量分為兩組子矢量{",}、所述當前幀線譜頻率殘差矢量為當前幀線譜頻率矢量減去均值線譜頻率矢量、再減去當前幀的前一幀線鐠頻率矢量對當前幀線譜頻率矢量的貢獻所得到的差值；對其中一組子矢量{",}進行矢量量化后得到一組子矢量系數(shù)值"Z',選擇其中部分子矢量系數(shù)值"；對未量化的一組子矢量{}系數(shù)進行預測，得到子矢量系數(shù)預測值6,—"';將所述未量化的一組子矢量{6,}系數(shù)與其相應(yīng)的子矢量系數(shù)預測值6/""進行差值運算，得到一組預測值殘差矢量{6,對該預測值殘差矢量仏,'}進行矢量量化。其中，對所述一組子矢量{",}進行分組，對相應(yīng)組的子矢量進行矢量量化得到子矢量系數(shù)值^"，選擇相應(yīng)組中部分矢量系數(shù)值對未量化的一組子矢量{6,}系數(shù)進行預測。其中，所述對未量化的一組子矢量{、}系數(shù)進行預測，求預測值的公式為+1>,^<"%)，其中，a為線性預測系數(shù)，由"％所確定，k為自然數(shù)，"％為所述一組子矢量{",}的部分矢量的量化值，其組成的矩陣為《—對子矢量{6,}預測的預測系數(shù)組成的預測矩陣為'Vo，，…'r0,i^而，…，n，r'"-'i,0，廣"-1.1，…，其中m為待量化LSF殘差系數(shù)的個數(shù)，預測值組成的矩陣為「1、"m-1,0，。"-1,1".""m-l,w-1「1、說明書第4/12頁進一步，求最佳預測值6的方法為對于每一幀LSF殘差矢量，通過從co個預先計算好的預測矩陣/,中選擇一個預測誤差最小的預測矩陣，其判斷準則為，其中，/為0，1,…，co-1:利用均方誤差準則進行判斷，計算針對不同的預測矩陣7,所對應(yīng)的均方誤差￡,,=-6f""'"')2,/=0,l,...，w-1,其中，對應(yīng)不同的子矢量m和n值不同，計算出￡,的最小值^:并找出對應(yīng)的預測矩陣&，此預測矩陣&即為最佳預測矩陣，并根據(jù)最佳預測矩陣求出預測值6,。其中，對所述一組預測值殘差矢量{'}系數(shù)進行分組，分別對所述組子矢量進行矢量量化。其中，所述當前幀的前一幀線鐠頻率矢量對當前幀線語頻率矢量的貢獻矢量分量值為-^W/.",,—,.,，其中，表示第n-l幀第i個殘差線譜頻率系數(shù)，固為經(jīng)驗值。本發(fā)明還提供了一種實現(xiàn)線鐠頻率矢量量化的系統(tǒng)，包括執(zhí)行將當前幀線鐠頻率矢量系數(shù)或者當前幀線語頻率殘差矢量系數(shù)進行分組、得到兩組子矢量{",}、仏J步驟的分組單元(10);執(zhí)行對其中一組子矢量,}直接進行矢量量化后得到一組矢量系數(shù)值fl,"步驟的矢量量化單元(11);執(zhí)行從所述矢量系數(shù)值","中選擇部分矢量系數(shù)值0L對未量化的一組于矢量^,)系數(shù)進行預測，得到矢量系數(shù)預測值6,f'步驟的預測單元(12);執(zhí)行所迷子矢量{6,}系數(shù)與其相應(yīng)的矢量系數(shù)預測值6進行差值運算，得到一組預測值殘差矢量{6,'}步驟的殘差矢量單元(13);當前幀線譜頻率矢量系數(shù)或者當前幀線譜頻率殘差矢量系數(shù)在分組單元(10)進行分組后，到矢量量化單元(11)中對其中一組子矢量仏,}進行矢量量化，利用矢量量化單元(11)中得到的部分矢量系數(shù)在預測單元(12)對未量化的一組子矢量{6,}系數(shù)進行預測，并在殘差矢量單元U3)中求得殘差矢量{6,'}，并回到矢量量化單元(11)對所述殘差矢量{6,'}進行量化。其中，所述分組單元(l())，還包括對一組子矢量{}進行分組、得到相應(yīng)組子矢量步驟的子分組單元(101)。其中，所述預測單元(12)，還包括^丸行對于每一幀LSF殘差矢量，通過從co個預先計算好的預測矩陣&中選擇一個預測誤差最小的預測矩陣，其判斷準則為，其中，/為0,1，…，co-l:利用均方誤差準則進行判斷，計算針對不同的預測矩陣所對應(yīng)的均方誤差,<formula>formulaseeoriginaldocumentpage10</formula>其中，對應(yīng)不同的子矢量m和n值不同，計算出￡,的最小值&:<formula>formulaseeoriginaldocumentpage10</formula>,并找出^對應(yīng)的預測矩陣&,此預測矩陣&即為最佳預測矩陣，并根據(jù)最佳預測矩陣i,求出最佳預測值6"'步驟的最佳預測值單元(121)。其中，所述殘差矢量單元(13)，還包括執(zhí)行對所述預測值殘差矢量{6,'}系數(shù)進行分組，得到對應(yīng)組預測值殘差子矢量步驟的殘差矢量分組單元(131)?？梢?，本發(fā)明采用分組形式，利用對其中一組于矢量的量化來預測另外一組未被量化的子矢量，進而求出未被量化的子矢量組對應(yīng)的預測值殘差矢量，再進一歩對該預測值殘差矢量進行矢量量化，實現(xiàn)了對LSF矢量或者LSF殘差矢量量化；通過對本發(fā)明和AMR-WB+所述矢量量化方法基于ITU-T的評測標準協(xié)議P.862,利用客觀評測標準WB-PESQ進行的語音質(zhì)量客觀評測可以得出，本發(fā)明相對于AMR-WB+提高了語音質(zhì)量的感知評價PESQ(PerceptualEvaluationofSpeechQuality)分值。圖1為本發(fā)明實施例的系統(tǒng)框圖；圖2為A歐-WB+與本發(fā)明實施例的語音質(zhì)量的感知評價測試結(jié)果對比圖。具體實施方式下面，結(jié)合附圖對本發(fā)明實施例進行詳細描述。本發(fā)明采用分組的方法通過矢量量化、預測、求殘差矢量、再矢量量化的方法實現(xiàn)對LSF矢量或者LSF殘差矢量量化，其實現(xiàn)的機理是利用了幀內(nèi)及幀間LSF矢量系數(shù)的相關(guān)性。下面以本發(fā)明實施例來具體說明矢量量化的過程實施例1以16維LSF矢量為例，對16維LSF矢量進行矢量量化，首先計算LSF殘差矢量，對LSF殘差矢量進行矢量量化，其優(yōu)點在于，可以提高LSF系數(shù)矢量量化的精度，具體實現(xiàn)步驟為首先求出LSF殘差矢量，{ra—,}=,.-廳tm一械_preii—,}，/=0,1,...，14，15其中，/,《,為當前第n幀第i個LSF矢量系數(shù)，me""—械為LSF均值矢量的第i個LSF系數(shù)，嚴W—表示當前第n幀的第i個LSF預測系數(shù)，即當前幀的前一幀LSF矢量對當前幀LSF矢量的貢獻，其具體由一階滑動平均(MA)預觀ll法3尋到j(luò)wet/=Mt/xrey—/《/■—,.,:其中，—為當前幀的前一幀，即第n-1幀第i個ISF差值系數(shù)，MU為經(jīng)驗值，一般取值在0.3~0.8之間；對當前幀LSF殘差矢量系數(shù)ks—/《,進行分組，分為兩組子矢量^,)和{6,}，其分別對應(yīng)的矢量系數(shù)為<formula>formulaseeoriginaldocumentpage12</formula>對其中一組子矢量，例如^,)用19比特進行矢量量化，得到量化后的矢量系數(shù)值為","rea'—&/0',,廠e,v—，res'一/々/7,res—/s/6''，res—,res一/,s/;2，res—is/j，res—〗選擇其中一部分或者全部矢量量化系數(shù)值a'L，本實施例選擇使用全部矢量量化系數(shù)值。％對未量化的一組子矢量{6,}系數(shù)進行預測，得到矢量系數(shù)預測值、—"'為其中，為線性預測系數(shù)，由a^所確定，k為自然數(shù)，a;為所述一組子矢量{",}的部分矢量的量化值。其中，選擇一部分和全部矢量量化后的值來進行預測，其區(qū)別僅在于得出的矢量量化精度不同，選擇全部矢量進行預測，其得出的矢量量化精度高些，不影響本發(fā)明的實施；其中，作為優(yōu)逸的，也可以先將子矢量{",}再進行分組，分為若干個子矢量，分別對相應(yīng)組的子矢量進行矢量量化，例如分三組，子矢量{a,.,}={w—,re,s'—!、/2,ms'—Z,1^}子矢量{a'2)={res—/5/6，一,Vg,re5—/《。}:<formula>formulaseeoriginaldocumentpage13</formula>對這三組子矢量先用10比特、9比特、9比特進行矢量量化，得到矢量量化值:<formula>formulaseeoriginaldocumentpage13</formula>}，這樣做的優(yōu)點在于，矢量量化的結(jié)果更精確，不影響本發(fā)明的實施；本發(fā)明所采用的求預測值的公式為—|>Mx";)，其中，。,,為線性預測系數(shù)，由"；所確定，k為自然數(shù)，"'^為所述一組子矢量{",}的部分矢量的量化值，其組成的矩陣為<formula>formulaseeoriginaldocumentpage13</formula>對子矢量{6,}預測的預測系數(shù)組成的預測矩陣為<formula>formulaseeoriginaldocumentpage13</formula>，其中m為待量化LSF殘差系數(shù)的個數(shù)，預測值組成的矩陣為<formula>formulaseeoriginaldocumentpage13</formula>進而，求出本實施例中的"％為<formula>formulaseeoriginaldocumentpage14</formula>其中，作為一種實施例，利用{6,}前后兩個量化的LSF系數(shù)來預測^》系數(shù)，其中，對^力/15不進行預測，經(jīng)計算得到矢量系數(shù)預測值6,f為<formula>formulaseeoriginaldocumentpage14</formula>將子矢量{6,}系數(shù)與其相應(yīng)的矢量系數(shù)預測值《,—'"進行差值運算，得到一組預測值殘差矢量{6,'}={66,—'"}為<formula>formulaseeoriginaldocumentpage14</formula>,其中j=3、5、7、9、11、13;之后，再將預測值殘差矢量{6,'}和^」《5—起進行矢量量化，其量化需要27比特；其中，作為優(yōu)選的，對預測值殘差矢量{6,'}也可以先進行分組，分成若千個子矢量后，再對相應(yīng)的子矢量進行矢量量化，例如，將上述未量化的預測值殘差及"M—/<5分成兩纟且子矢量{6,,'}仏，2'}:<formula>formulaseeoriginaldocumentpage14</formula><formula>formulaseeoriginaldocumentpage14</formula>然后分別使用9比特、9比特矢量量化所述子矢量{6,這樣做的結(jié)果是LSF矢量量化的精度更高，不影響本發(fā)明的實施；至此，對16維LSF矢量進行矢量量化就完成了，各個子矢量對應(yīng)的最佳量化矢量(即最佳碼本)的索引號。共需要的矢量量化數(shù)維46比特；其中，依據(jù)各ISF系數(shù)對誤差的敏感程度不同，對矢量^,J分配10比特、{",2}、分配10比特，矢量{。,,}分配10比特，矢量0,"分配1O比特，矢量{、2'}分配10比特，總共需要50比特，不影響本發(fā)明的實施；或者，依據(jù)各ISF系數(shù)對誤差的敏感程度不同，也可以，對矢量^,J分配9比特，矢量{",2}分配9比特，矢量{",3}分配8比特，矢量{671'}分配8比特，矢量.(、2'}分配8比特，總共需要42比特，不影響本發(fā)明的實施。對應(yīng)本發(fā)明實施例的一種實現(xiàn)線譜頻率矢量量化的系統(tǒng)，如圖1所示，包括執(zhí)行將當前幀線譜頻率矢量系數(shù)或者當前幀線譜頻率殘差矢量系數(shù)進行分組、得到兩組子矢量{",}、{6,}步驟的分組單元(10);執(zhí)行對其中一組子矢量{",}直接進行矢量量化后得到一組矢量系數(shù)值","步驟的矢量量化單元(11);執(zhí)行從所述矢量系數(shù)值"/'中選擇部分矢量系數(shù)值"對未量化的一組子矢量{6,}系數(shù)進行預測，得到矢量系數(shù)預測值6,w步驟的預測單元(12);執(zhí)行所述子矢量{6,}系數(shù)與其相應(yīng)的矢量系數(shù)預測值6'"進行差值運算，得到一組預測值殘差矢量{6,'}步驟的殘差矢量單元(13);當前幀線語頻率矢量系數(shù)或者當前幀線譜頻率殘差矢量系數(shù)在分組單元(10)進行分組后，到矢量量化單元(11)中對其中一組子矢量{",}進行矢量量化，利用矢量量化單元(11)中得到的部分矢量系數(shù)在預測單元(12)對未量化的一組子矢量{}系數(shù)進行預測，并在殘差矢量單元U3)中求得殘差矢量{"},并回到矢量量化單元(11)對所述殘差矢量{、'}進行量化；其中，所述分組單元(IO)，還包括對一組子矢量{",}進行分組，例如分為子矢量(a,J、{",2}，得到相應(yīng)組子矢量步驟的子分組單元(101);其中，所述預測單元U2),還包括執(zhí)行對于每一幀LSF殘差矢量，通過從co個預先計算好的預測矩陣/,中選擇一個預測誤差最小的預測矩陣，其判斷準則為，其中，/為0，1，…，w-l，利用均方誤差準則進行判斷，計算針對不同的預測矩陣&所對應(yīng)的均方誤A二t(6,—6「'*')2,/=0,l....,w-l，其中，對應(yīng)不同的子矢量m和n值不同，計算出￡,的最小值￡,:￡義=^^"(￡,),/=0,1,...，6>—1,并找出&對應(yīng)的預測矩陣&,此預測矩陣^即為最佳預測矩陣，并根據(jù)最佳預測矩陣/^求出最佳預測值fc,一'"步驟的最佳預測值單元(121);其中，所述殘差矢量單元(13),還包括執(zhí)行對所述預測值殘差矢量仏,'}系數(shù)進行分組，例如，分為仏,,'}、{、21'}，得到對應(yīng)組預測值殘差子矢量步驟的殘差矢量分組單元(131)。實施例2本實施例是一種增強型的幀內(nèi)預測方法，本實施例與實施例1不同之處，具體在于所述預測值6,w的最佳值為針對不同LSF殘差矢量對應(yīng)不同的線性預測系數(shù),j，即對應(yīng)于不同的預測矩陣7,，不妨設(shè)/=，即有w個不同的預測矩陣，利用均方誤差準則進行判斷，計算針對不同的預測矩陣所對應(yīng)的均方誤差￡,,=尤(6,-6f"*')2，/=0,l,...,w-1，對應(yīng)不同的子矢量m和n值不同。戶"'計算出￡,的最小值，=M"(￡,)，/=0,1，...,《-1并找出對應(yīng)的使i,值最小的預測矩陣，此預測矩陣&即為最佳預測矩陣；其余步驟與實施例l相同，在此不再重復描述。實施例3本實施例是一種直接對對16維LSF矢量進行矢量量化的方法，與實施例l不同之處在于直接對LSF矢量進行分組，分為兩組子矢量{"'}、其相應(yīng)的矢量系數(shù)為<formula>formulaseeoriginaldocumentpage17</formula>其余步驟與實施例l相同，在此不再重復描述。為檢驗本發(fā)明實施例所述方法及系統(tǒng)的性能，我們對AMR-WB+和本發(fā)明方法實施例的語音質(zhì)量進行了客觀評測，評測軟件為ITU-T的P.862客觀評測標準WB-PESQ。測試序列為3GPP組織提供的AMR-WB+的測試序列，由16個測試序列組成，其中包括語音、音樂、語音背景音樂，音樂背景語音等，如圖2所示，測試序列均為wav單聲道波形文件，采樣頻率為16000Hz，輸出釆樣頻率為16000Hz,編碼速率為10.4kbit/s;由此可見，對任意序列，本發(fā)明的PESQ分值均比AMRWB+要高0.025~0.455個MOS(MeanOpinionScore)分。綜上所述，本發(fā)明實施例所述方法及系統(tǒng)相比于AMR-WB+的語音質(zhì)量提高了PESQ分值。本發(fā)明實施例所述方法及系統(tǒng)減少了平均量化誤差，經(jīng)過統(tǒng)計本發(fā)明方法實施例和AMR-WB+的量化誤差，本發(fā)明方法實施例的平均量化誤差是AMRWB+的0.6倍左右，量化效果更好。以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。權(quán)利要求1、一種線譜頻率矢量量化的方法，其特征在于，包括將當前幀線譜頻率矢量或者當前幀線譜頻率殘差矢量分為兩組子矢量{,}、{},所述當前幀線譜頻率殘差矢量為當前幀線譜頻率矢量減去均值線譜頻率矢量、再減去當前幀的前一幀線譜頻率矢量對當前幀線譜頻率矢量的貢獻所得到的差值；對其中一組子矢量,}進行矢量量化后得到一組子矢量系數(shù)值^",選擇其中部分子矢量系數(shù)值^,對未量化的一組子矢量{}系數(shù)進行預測，得到子矢量系數(shù)預測值6,—'";將所述未量化的一組子矢量{~}系數(shù)與其相應(yīng)的子矢量系數(shù)預測值—'"進行差值運算，得到一組預測值殘差矢量，對該預測值殘差矢量{'}進行矢量量化。2、根據(jù)權(quán)利要求l所述的方法，其特征在于，對所述一組子矢量{",}進行分組，對相應(yīng)組的子矢量進行矢量量化得到子矢量系數(shù)值","，選擇相應(yīng)組中部分矢量系數(shù)值對未量化的一組子矢量仏,}系數(shù)進行預測。3、根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對未量化的一組子矢量{6,}系數(shù)進行預測，求預測值的公式為V'u玄(。,"';,j，其中，rm為線性預測系^t，由^,所確定，k為自然數(shù)，"；為所述一組子矢量{",}的部分矢量的量化值，其組成的矩陣為對子矢量{6,}預測的預測系數(shù)組成的預測矩陣為<formula>formulaseeoriginaldocumentpage2</formula>,其中m為待量化LSF殘差系數(shù)的個數(shù)，預測值組成的矩陣為<formula>formulaseeoriginaldocumentpage3</formula>4、根據(jù)權(quán)利要求3所述的方法，其特征在于，求最佳預測值6,—'"的方法為對于每一幀LSF殘差矢量，通過從co個預先計算好的預測矩陣^中選擇一個預測誤差最小的預測矩陣，其判斷準則為，其中，/為0,1，…，利用均方誤差準則進行判斷，計算針對不同的預測矩陣所對應(yīng)的均方誤差￡',，<formula>formulaseeoriginaldocumentpage3</formula>其中，對應(yīng)不同的子矢量m和n值不同，/二川計算出￡,的最小值五，￡;二M/"(《),/:^0，l，…,ft)-1，并找出&對應(yīng)的預測矩陣A，此預測矩陣A即為最佳預測矩陣，并根據(jù)最佳預測矩陣A求出預測值6。5、根據(jù)權(quán)利要求l所述的方法，其特征在于，對所述一組預測值殘差矢量{,'}系數(shù)進行分組，分別對所述組子矢量進行矢量量化。6、根據(jù)權(quán)利要求l所述的方法，其特征在于，所述當前幀的前一幀線譜頻率矢量對當前幀線語頻率矢量的貢獻矢量分量值為=Mf/.",,_,,,其中，…表示第n-l幀第i個殘差線譜頻率系數(shù)，麗為經(jīng)驗值。7、一種線譜頻率矢量量化的系統(tǒng)，其特征在于，包括執(zhí)行將當前幀線譜頻率矢量系數(shù)或者當前幀線譜頻率殘差矢量系數(shù)進行分組、得到兩組子矢量{",}、》，}步驟的分組單元(10);執(zhí)行對其中一組子矢量{〃,}直接進行矢量量化后得到一組矢量系數(shù)值","步驟的矢量量化單元(11);執(zhí)行從所述矢量系數(shù)值","中選擇部分矢量系數(shù)值"％對未量化的一組子矢量{6,}系數(shù)進行預測，得到矢量系數(shù)預測值6,—"'步驟的預測單元(12);執(zhí)行所述子矢量{6,}系數(shù)與其相應(yīng)的矢量系數(shù)預測值6"進行差值運算，得到一組預測值殘差矢量{6,'}步驟的殘差矢量單元(13);當前幀線語頻率矢量系數(shù)或者當前幀線譜頻率殘差矢量系數(shù)在分組單元(IO)進行分組后，到矢量量化單元(ll)中對其中一組子矢量{",}進行矢量量化，利用矢量量化單元(11)中得到的部分矢量系數(shù)在預測單元(12)對未量化的一組子矢量{}系數(shù)進行預測，并在殘差矢量單元(13)中求得殘差矢量{'}，并回到矢量量化單元(11)對所述殘差矢量{6,'}進行量化。8、根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述分組單元(IO),還包括對一組子矢量{^}進行分組、得到相應(yīng)組子矢量步驟的子分組單元(101)。9、根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述預測單元(12),還包括執(zhí)行對于每一幀LSF殘差矢量，通過從co個預先計算好的預測矩陣^中選擇一個預測誤差最小的預測矩陣，其判斷準則為，其中，/為0，1，…，oo-l:利用均方誤差準則進行判斷，計算針對不同的預測矩陣W,所對應(yīng)的均方誤差￡,,<formula>formulaseeoriginaldocumentpage4</formula>，其中，對應(yīng)不同的子矢量m和n值不同，計算出A的最小值A(chǔ):<formula>formulaseeoriginaldocumentpage4</formula>并找出f,對應(yīng)的預測矩陣^，此預測矩陣&即為最佳預測矩陣，并根據(jù)最佳預測矩陣A求出最佳預測值6,—"'步驟的最佳預測值單元(121)。10、根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述殘差矢量單元(13)，還包括執(zhí)行對所迷預測值殘差矢量{'}系數(shù)進行分組，得到對應(yīng)組預測值殘差子矢量步驟的殘差矢量分組單元(131)。全文摘要本發(fā)明提供了一種線譜頻率矢量量化的方法，包括將當前幀線譜頻率矢量或者當前幀線譜頻率殘差矢量分為兩組子矢量{a<sub>i</sub>}、{b<sub>j</sub>}，對其中一組子矢量{a<sub>i</sub>}進行矢量量化后得到一組子矢量系數(shù)值a<sub>i</sub><sup>q</sup>，選擇其中部分子矢量系數(shù)值a<sub>j，k</sub><sup>q</sup>對未量化的一組子矢量{b<sub>j</sub>}系數(shù)進行預測，得到子矢量系數(shù)預測值b<sub>j</sub><sup>predict</sup>；將所述未量化的一組子矢量{b<sub>j</sub>}系數(shù)與其相應(yīng)的子矢量系數(shù)預測值b<sub>j</sub><sup>predict</sup>進行差值運算，得到一組預測值殘差矢量{b<sub>j</sub>′}，對該預測值殘差矢量{b<sub>j</sub>′}進行矢量量化。通過對本發(fā)明和AMR-WB+所述矢量量化方法基于ITU-T的評測標準協(xié)議P.862，利用客觀評測標準WB-PESQ進行的語音質(zhì)量客觀評測可以得出，本發(fā)明相對于AMR-WB+提高了語音質(zhì)量的感知評價PESQ分值。文檔編號G10L19/00GK101145344SQ200610153330公開日2008年3月19日申請日期2006年9月15日優(yōu)先權(quán)日2006年9月15日發(fā)明者張德軍,李立雄申請人:華為技術(shù)有限公司