專利名稱：信號(hào)處理方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字信號(hào)處理技術(shù)，具體涉及信號(hào)處理方法及系統(tǒng)。
背景技術(shù)：
在數(shù)字信號(hào)處理中，量化起著重要的作用。量化就是將取值連續(xù)的信號(hào)離散化，以便于數(shù)字設(shè)備處理。在量化過程中，通常需要輸出信號(hào)與源信號(hào)有盡量高的近似程度，然而，這一近似程度會(huì)受到存儲(chǔ)容量，計(jì)算能力或傳輸帶寬的限制。傳統(tǒng)的量化方法是選定一個(gè)失真度量，并在限定的編碼長(zhǎng)度的條件下，最小化這個(gè)失真度量，其中，碼率和失真度量是在多次量化實(shí)現(xiàn)的平均意義下的。當(dāng)碼率較高時(shí)，最小化失真度量可以使輸出信號(hào)與源信號(hào)有較高的近似程度，但是隨著碼率的降低，一些傳統(tǒng)的量化器(如均勻量化器和非均勻量化器等)輸出的輸出信號(hào)的取值被限定在少數(shù)幾個(gè)固定數(shù)值上，因而給人的直觀感覺是輸出信號(hào)的質(zhì)量很差，并且碼率越低，輸出信號(hào)的質(zhì)量越差。為了解決傳統(tǒng)的量化器輸出的輸出信號(hào)的質(zhì)量隨著碼率的降低而變差的問題，現(xiàn)有的量化方式有抖動(dòng)量化和基于隨機(jī)重建的分布保持量化等。如下介紹現(xiàn)有的抖動(dòng)量化方式，由于傳統(tǒng)量化器在低碼率時(shí)的劣質(zhì)輸出歸咎于輸入信號(hào)與量化噪聲的統(tǒng)計(jì)非獨(dú)立性，而抖動(dòng)量化可以保證兩者獨(dú)立，因此抖動(dòng)量化可以在一定程度上解決該問題。現(xiàn)有的一種抖動(dòng)量化的流程如下(1)在量化前，先對(duì)源信號(hào)X加上一個(gè)抖動(dòng)信號(hào)D，得到X'。抖動(dòng)信號(hào)D是一個(gè)隨機(jī)信號(hào)，例如可以是在(-Δ/2，Δ/2)范圍內(nèi)均勻分布的隨機(jī)信號(hào)，Δ為D分布區(qū)間的大??；(2)然后將信號(hào)X'輸入量化器進(jìn)行量化，得到信號(hào)^ ；(3)在恢復(fù)信號(hào)的時(shí)候，將減去D，就得到了重建新號(hào)戈。在對(duì)抖動(dòng)量化的研究中，發(fā)明人發(fā)現(xiàn)使用抖動(dòng)量化并不能完全解決低碼率下傳統(tǒng)量化方法的問題，在低碼率的情況下，輸出信號(hào)與源信號(hào)在統(tǒng)計(jì)特性(概率分布)以及數(shù)值上都有很大的不同，因此在低碼率的情況下，使用抖動(dòng)量化后的輸出信號(hào)與源信號(hào)仍然有較大失真。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例提供了信號(hào)處理方法及系統(tǒng)，可以降低輸出信號(hào)的失真。本發(fā)明實(shí)施例提供了一種信號(hào)處理方法，包括獲得需要進(jìn)行量化的源信號(hào)；對(duì)所述源信號(hào)進(jìn)行量化，獲得數(shù)值分布在一個(gè)連續(xù)區(qū)間的量化后的信號(hào)；根據(jù)所述源信號(hào)的概率分布對(duì)量化后的信號(hào)進(jìn)行變換獲得輸出信號(hào)，所述輸出信號(hào)的概率分布與所述源信號(hào)的概率分布相同。本發(fā)明實(shí)施例提供了一種信號(hào)處理系統(tǒng)，包括獲取單元，用于獲得需要進(jìn)行量化的源信號(hào)；量化單元，用于對(duì)所述獲取單元獲取的源信號(hào)進(jìn)行量化，獲得數(shù)值分布在一個(gè)連續(xù)區(qū)間的量化后的信號(hào)；變換單元，用于根據(jù)所述源信號(hào)的概率分布對(duì)所述量化單元獲得的量化后的信號(hào)進(jìn)行變換，獲得輸出信號(hào)，所述輸出信號(hào)的概率分布與所述源信號(hào)的概率分布相同。從本發(fā)明實(shí)施例提供的以上技術(shù)方案可以看出，本發(fā)明實(shí)施例在對(duì)源信號(hào)進(jìn)行量化后可以獲得數(shù)值分布在一個(gè)連續(xù)區(qū)間的量化后的信號(hào)，并且可以對(duì)量化后的信號(hào)進(jìn)行變換獲得概率分布與源信號(hào)的概率分布相同的輸出信號(hào)，從而使輸出信號(hào)保持了源信號(hào)的統(tǒng)計(jì)特性，可以降低輸出信號(hào)的失真，尤其在低碼率情況下可以降低輸出信號(hào)的失真。


為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明一個(gè)實(shí)施例提供的信號(hào)處理方法的流程圖；圖2為本發(fā)明另一個(gè)實(shí)施例提供的信號(hào)處理方法中信號(hào)的變化示意圖；圖3為本發(fā)明另一個(gè)實(shí)施例提供的信號(hào)處理方法中信號(hào)的變化示意圖；圖4為本發(fā)明另一個(gè)實(shí)施例提供的信號(hào)處理方法中信號(hào)的變化示意圖；圖5為本發(fā)明一個(gè)實(shí)施例提供的信號(hào)處理系統(tǒng)的結(jié)構(gòu)圖；圖6A為本發(fā)明在不同碼率下對(duì)于均勻分布的輸入信號(hào)處理輸出的概率分布示意圖；圖6B為抖動(dòng)量化方式下在不同碼率下對(duì)于均勻分布的輸入信號(hào)處理輸出的概率分布示意圖；圖6C為均勻量化方式下在不同碼率下對(duì)于均勻分布的輸入信號(hào)處理輸出的概率分布示意圖；圖6D為基于隨機(jī)重建的分布保持量化在不同碼率下對(duì)于均勻分布的輸入信號(hào)量化輸出的概率分布示意圖；圖7為四種量化方式對(duì)于均勻分布的輸入信號(hào)量化的碼率和均方誤差曲線示意圖；圖8A為本發(fā)明在不同碼率下對(duì)于高斯分布的輸入信號(hào)處理輸出的概率分布示意圖；圖8B為抖動(dòng)量化方式下在不同碼率下對(duì)于高斯分布的輸入信號(hào)處理輸出的概率分布示意圖；圖8C為均勻量化方式下在不同碼率下對(duì)于高斯分布的輸入信號(hào)處理輸出的概率分布示意圖；圖8D為基于隨機(jī)重建的分布保持量化在不同碼率下對(duì)于高斯分布的輸入信號(hào)處理輸出的概率分布示意圖；圖9為四種量化方式對(duì)于高斯分布的輸入信號(hào)量化的碼率和均方誤差曲線示意圖。
具體實(shí)施方式
下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。先介紹本發(fā)明實(shí)施例提供的信號(hào)處理方法，圖1描述了本發(fā)明一個(gè)實(shí)施例提供的信號(hào)處理方法的流程，包括 101、獲得需要進(jìn)行量化的源信號(hào)。源信號(hào)可以是一維、或二維、或二維以上。102、對(duì)源信號(hào)進(jìn)行量化，獲得數(shù)值分布在一個(gè)連續(xù)區(qū)間的量化后的信號(hào)。由于使用基于隨機(jī)重建的量化會(huì)增加失真，因此本發(fā)明實(shí)施例使用確定性量化方式，使用確定性量化方式時(shí)每個(gè)量化區(qū)間只對(duì)應(yīng)一個(gè)量化輸出。為使量化信號(hào)具有連續(xù)的概率分布，可以使用抖動(dòng)量化或隨機(jī)碼本量化等量化方式。103、根據(jù)源信號(hào)的概率分布對(duì)量化后的信號(hào)進(jìn)行變換獲得輸出信號(hào)，輸出信號(hào)的概率分布與源信號(hào)的概率分布相同。從上可知，本實(shí)施例在對(duì)源信號(hào)進(jìn)行量化后可以獲得數(shù)值分布在一個(gè)連續(xù)區(qū)間的量化后的信號(hào)，并且可以對(duì)量化后的信號(hào)進(jìn)行變換獲得概率分布與源信號(hào)的概率分布相同的輸出信號(hào)，從而使輸出信號(hào)保持了源信號(hào)的統(tǒng)計(jì)特性，并降低輸出信號(hào)的失真，尤其在低碼率情況下可以降低輸出信號(hào)的失真。圖2描述了本發(fā)明另一個(gè)實(shí)施例提供的信號(hào)處理方法中信號(hào)的變化，該實(shí)施例描述的是使用帶有抖動(dòng)的格型矢量量化方式對(duì)源信號(hào)進(jìn)行量化的流程，該實(shí)施例包括步驟1，獲得需要量化的源信號(hào)Xko其中，K是一個(gè)整數(shù)向量，包含所有組成&的隨機(jī)變量的索引。假設(shè)K= [1，2，3]，則[Χ1;)(2，Χ3]。|Κ|代表K中元素的數(shù)量，也就是輸入信號(hào)的維度，例如當(dāng)K= [1]時(shí)源信號(hào)&為一維信號(hào)。步驟2，使用帶有抖動(dòng)的格型
矢量量化方式對(duì)源信號(hào)&進(jìn)行量化，獲得數(shù)值分布在一個(gè)連續(xù)區(qū)間的量化后的信號(hào),其
中，量化時(shí)使用的抖動(dòng)信號(hào)為DK。令|κ|代表輸入信號(hào)的維度，亦即格型矢量量化的維度。|κ|維格型矢量量化對(duì) |κ|維實(shí)數(shù)空間進(jìn)行均勻化分割，即每個(gè)量化區(qū)間都是具有同樣的形狀，可以看成是基礎(chǔ)格型的位移。如果令ρ為基礎(chǔ)格型，那么第任意i號(hào)量化區(qū)間可以寫成巧+P ,其中Ii是格型矢量量化對(duì)于輸入落在第i號(hào)量化區(qū)間時(shí)的輸出。量化都是通過量化器進(jìn)行的，量化器通常對(duì)應(yīng)一種編碼方式，即把每個(gè)量化區(qū)間對(duì)應(yīng)于一個(gè)字符序列(通常是0/1序列)。常用的編碼方式有兩種，即定長(zhǎng)編碼和熵編碼。 定長(zhǎng)編碼對(duì)各個(gè)量化區(qū)間采用同樣的長(zhǎng)度的編碼，熵編碼根據(jù)不同輸入出現(xiàn)在各個(gè)量化區(qū)間的概率采用不同的長(zhǎng)度的編碼。無(wú)論采取哪種編碼方式，編碼長(zhǎng)度都隨著格型矢量量化的量化區(qū)間體積的減小而增大。本發(fā)明實(shí)施例并不對(duì)編碼是采用定長(zhǎng)編碼還是使用熵編碼進(jìn)行限定。在對(duì)源信號(hào)&進(jìn)行量化前加入抖動(dòng)信號(hào)DK，再?gòu)牧炕玫降男盘?hào)中減去抖動(dòng)信號(hào) Dk獲得量化后的信號(hào)fr。其中，抖動(dòng)信號(hào)A需要滿足如下條件抖動(dòng)信號(hào)A與源信號(hào)&獨(dú)立；抖動(dòng)信號(hào)Dk使得格型矢量量化的噪聲Xf均勻分布在基礎(chǔ)格型P中；抖動(dòng)信號(hào)Dk使得格型矢量量化的噪聲與源信號(hào)&獨(dú)立。在本發(fā)明的一個(gè)實(shí)施例中，抖動(dòng)信號(hào) 是均勻分布在基礎(chǔ)格型尸中的隨機(jī)向量。第三步對(duì)量化后的信號(hào)J^進(jìn)行變換·)，得到輸出信號(hào)fr，輸出信號(hào)^^勺概率分布與源信號(hào)&的概率分布相同。變換&(·)是一個(gè)|κ|維向量到|κ|維向量的映射，用以恢復(fù)源信號(hào)的概率分布， 并且盡可能使輸出信號(hào)與源信號(hào)&在數(shù)值上接近。在本發(fā)明的一個(gè)實(shí)施例中，使用羅森布拉特(Rosenblatt)變換對(duì)量化后的信號(hào)；^進(jìn)行變換。本發(fā)明實(shí)施例使用的Rosenblatt 變換利用的是如下變換。U, =F^X,)…Ui = F^jfJX,\Χχ,···Λ^)…將任意連續(xù)隨機(jī)變量變換為獨(dú)立同分布的隨機(jī)變量UK，任意Ui服從
上的均勻分布，其中巧識(shí),..人,(·)表示在龍，...，無(wú)_,條件下龍的累積概率分布。再反向使用 Rosenblatt變換，構(gòu)建服從源信號(hào)概率分布的連續(xù)隨機(jī)變量，即…Xl-F-^xJUlIU,,---,U,^)…此時(shí)與XK有具有相同的概率分布。綜合上述兩個(gè)變換，gK(·)可以寫作g,{xK) = Fxlxu·^ (^VflU-,(天 I 馬,.·_,戈-1)|&(知)，···，尺mC^)) i = …,k由于量化時(shí)使用的是帶有抖動(dòng)的格型矢量量化，因此可以精確導(dǎo)出Iif中元素的條
件累積概率分布函數(shù)，即
_ [,Ρχ^χ,^-^, I 乓-"”·.·,乓一 -ν,-^fχ,,.；
Λ,,.,X,,(χ,-υ,,···,-Vi^)dvK其中，V表示格型矢量量化的量化區(qū)間的體積。如果(1)源信號(hào)&由獨(dú)立的隨機(jī)變量組成，(2)源信號(hào)&中元素的條件累積概率分布函數(shù)及其反函數(shù)都是解析函數(shù)，⑶基礎(chǔ)格型ρ是對(duì)稱的，即如果[ …，％]e P,那么對(duì)任意1彡i < k，h,··_，-",,…， ]e P成立，那么在本實(shí)施例信號(hào)處理方法的均方誤差在格型矢量量化的量化區(qū)間體積趨近于0時(shí)，與格型矢量量化本身引起的均方誤差是等價(jià)無(wú)窮
小，即
權(quán)利要求
1.一種信號(hào)處理方法，其特征在于，包括 獲得需要進(jìn)行量化的源信號(hào)；對(duì)所述源信號(hào)進(jìn)行量化，獲得數(shù)值分布在一個(gè)連續(xù)區(qū)間的量化后的信號(hào)； 根據(jù)所述源信號(hào)的概率分布對(duì)量化后的信號(hào)進(jìn)行變換獲得輸出信號(hào)，所述輸出信號(hào)的概率分布與所述源信號(hào)的概率分布相同。
2.如權(quán)利要求1所述的信號(hào)處理方法，其特征在于，使用每個(gè)量化區(qū)間只對(duì)應(yīng)一個(gè)量化輸出的確定性量化方式對(duì)所述源信號(hào)進(jìn)行量化。
3.如權(quán)利要求2所述的信號(hào)處理方法，其特征在于，所述確定性量化方式為抖動(dòng)量化方式。
4.如權(quán)利要求3所述的信號(hào)處理方法，其特征在于，所述抖動(dòng)量化方式為帶有抖動(dòng)的格型矢量量化方式；所述抖動(dòng)量化方式所使用的抖動(dòng)信號(hào)與所述源信號(hào)獨(dú)立，且使得所述格型矢量量化的噪聲均勻分布在所述格型矢量量化的基礎(chǔ)格型中，且使得所述格型矢量量化的噪聲與所述源信號(hào)獨(dú)立。
5.如權(quán)利要求4所述的信號(hào)處理方法，其特征在于，所述抖動(dòng)信號(hào)是均勻分布在所述基礎(chǔ)格型中的隨機(jī)向量。
6.如權(quán)利要求4或5所述的信號(hào)處理方法，其特征在于，使用羅森布拉特變換對(duì)量化后的信號(hào)進(jìn)行變換。
7.如權(quán)利要求3至6任一所述的信號(hào)處理方法，其特征在于，所述源信號(hào)是一維的； 所述抖動(dòng)量化方式使用的抖動(dòng)信號(hào)滿足舒克曼條件。
8.如權(quán)利要求2所述的信號(hào)處理方法，其特征在于，所述確定性量化方式為隨機(jī)碼本量化方式。
9.一種信號(hào)處理系統(tǒng)，其特征在于，包括 獲取單元，用于獲得需要進(jìn)行量化的源信號(hào)；量化單元，用于對(duì)所述獲取單元獲取的源信號(hào)進(jìn)行量化，獲得數(shù)值分布在一個(gè)連續(xù)區(qū)間的量化后的信號(hào)；變換單元，用于根據(jù)所述源信號(hào)的概率分布對(duì)所述量化單元獲得的量化后的信號(hào)進(jìn)行變換，獲得輸出信號(hào)，所述輸出信號(hào)的概率分布與所述源信號(hào)的概率分布相同。
10.如權(quán)利要求9所述的信號(hào)處理系統(tǒng)，其特征在于，所述量化單元為抖動(dòng)量化器。
11.如權(quán)利要求10所述的信號(hào)處理系統(tǒng)，其特征在于，所述抖動(dòng)量化器為帶有抖動(dòng)的格型矢量量化器。
12.如權(quán)利要求11所述的信號(hào)處理系統(tǒng)，其特征在于，所述變換單元為羅森布拉特變換單元。
全文摘要
本發(fā)明涉及數(shù)字信號(hào)處理技術(shù)，公開了信號(hào)處理方法及系統(tǒng)，其中信號(hào)處理方法包括獲得需要進(jìn)行量化的源信號(hào)；對(duì)所述源信號(hào)進(jìn)行量化，獲得數(shù)值分布在一個(gè)連續(xù)區(qū)間的量化后的信號(hào)；根據(jù)所述源信號(hào)的概率分布對(duì)量化后的信號(hào)進(jìn)行變換獲得輸出信號(hào)，所述輸出信號(hào)的概率分布與所述源信號(hào)的概率分布相同。使用本發(fā)明，可以降低輸出信號(hào)的失真，尤其在低碼率情況下可以降低輸出信號(hào)的失真。
文檔編號(hào)H03M7/00GK102263558SQ20101018742
公開日2011年11月30日 申請(qǐng)日期2010年5月28日 優(yōu)先權(quán)日2010年5月28日
發(fā)明者克雷薩 亞努什, 巴斯蒂安 克萊恩 威廉, 李旻岳 申請(qǐng)人:華為技術(shù)有限公司