Векторный квантователь, инверсный векторный квантователь и способы

Векторный квантователь, инверсный векторный квантователь и способы

Иллюстрации

Показать все

Реферат

Область техники, к которой относится изобретение

Настоящее изобретение относится к устройству векторного квантования, устройству векторного деквантования и способам квантования и деквантования для выполнения векторного квантования параметров LSP (линейных спектральных пар). В частности, настоящее изобретение относится к устройству векторного квантования, способу векторного деквантования и способам квантования и деквантования для выполнения векторного квантования параметров LSP, используемых в устройстве кодирования и декодирования речи, которое передает речевые сигналы в областях системы пакетной связи, представленной межсетевой связью, системы мобильной связи и т.д.

Обзор состояния техники

В области цифровой беспроводной связи, пакетной связи, представленной межсетевой связью и устройством хранения речи, методы кодирования и декодирования речевых сигналов имеют существенное значение для эффективного использования пропускной способности канала связи и средств хранения для радиоволн. В частности, базовым методом является метод кодирования и декодирования речи CELP (линейное предсказание с кодовым возбуждением).

Устройство CELP-кодирования речи кодирует входной речевой сигнал на основании предварительно сохраненных моделей речи. Конкретнее, устройство CELP-кодирования речи делит цифровой речевой сигнал на кадры с регулярными временными интервалами, например, кадры, приблизительно, от 10 до 20 мс, выполняет покадровый анализ речевого сигнала с линейным предсказанием, находит коэффициенты линейного предсказания («LPC´s») и остаточный вектор линейного предсказания и отдельно кодирует коэффициенты линейного предсказания и остаточный вектор линейного предсказания. В качестве способа кодирования коэффициентов линейного предсказания, обычно, преобразование коэффициентов линейного предсказания в параметры LSP и кодирование этих параметров LSP. Кроме того, в качестве способа кодирования параметров LSP часто применяют векторное квантование, выполняемое для параметров LSP. В данном случае, векторное квантование является способом выбора кодового вектора, максимально подобного вектору, являющемуся объектом квантования, из кодовой книги, содержащей множество репрезентативных векторов (т.е. кодовых векторов), и вывода индекса (кода), присвоенного выбранному кодовому вектору, в качестве результата квантования. При векторном квантовании размер кодовой книги определяют на основании количества информации, которая доступна. Например, когда векторное квантование выполняют с использованием количества информации, равного 8 битам, кодовую книгу можно сформировать с использованием 256 (=2⁸) типов кодовых векторов.

Кроме того, чтобы сократить количество информации и объем вычислений при векторном квантовании, применяют различные методы, например многоступенчатое векторное квантование (MSVQ) и расщепленное векторное квантование (SVQ) (смотри непатентный документ 1). В данном случае, многоступенчатое векторное квантование является способом однократного выполнения векторного квантования вектора и, в дальнейшем, выполнения векторного квантования ошибки квантования, и расщепленное векторное квантование является способом квантования множества расщепленных векторов, полученных расщеплением вектора.

Кроме того, существует метод выполнения векторного квантования, подходящий для признаков LSP и дополнительно повышающий эффективность кодирования LSP соответствующим переключением кодовых книг для использования с целью векторного квантования на основании признаков речи, которые коррелируются с LSP´s, объекта квантования (например, информацией о вокализированной характеристике, невокализированной характеристике и режиме речи). Например, при масштабируемом кодировании, при использовании корреляции между широкополосными LSP´s (которые представляют собой LSP´s, получаемые из широкополосных сигналов) и узкополосными LSP´s (которые представляют собой LSP´s, получаемые из узкополосных сигналов), классификации узкополосных LSP´s по их признакам и переключении кодовых книг на первой ступени многоступенчатого векторного квантования на основании типов признаков узкополосных LSP´s (далее сокращенно именуемых «типами узкополосных LSP´s»), широкополосные LSP´s подвергают векторному квантованию (смотри патентный документ 1).

Непатентный документ 1: Allen Gersho, Robert M. Gray, в переводе Йосии и трех других переводчиков, «Vector Quantization and Information Compression», Corona Publishing Co., Ltd, 10 ноября 1998, страницы 524-531.

Патентный документ 1: Международная публикация №2006/030865.

Сущность изобретения

Задачи изобретения

При многоступенчатом векторном квантовании, описанном в патентном документе 1, векторное квантование на первой ступени выполняется с использованием кодовых книг, соответствующих типам узкополосных LSP´s, и поэтому дисперсия ошибок квантования при векторном квантовании на первой ступени изменяется от типа к типу узкополосных LSP´s. Однако на второй или последующей ступени применяется единственная общая кодовая книга, независимо от типов узкополосных LSP´s, и поэтому возникает проблема с тем, что точность векторного квантования на второй или последующей ступени является недостаточной.

Принимая во внимание вышеизложенное, целью настоящего изобретения является создание устройства векторного квантования, устройства векторного деквантования и способов квантования и деквантования для повышения точности квантования при векторном квантовании на второй или последующей ступени, при многоступенчатом векторном квантовании, при котором кодовые книги на первой ступени переключают на основании типов признаков, скоррелированных с вектором, являющимся объектом квантования.

Средства решения проблемы

Устройство векторного квантования в соответствии с настоящим изобретением использует конфигурацию, имеющую: секцию классификации, которая генерирует классификационную информацию, указывающую тип признака, коррелированного с вектором, являющимся объектом квантования, среди множества типов; секцию выбора, которая выбирает одну первую кодовую книгу, ассоциированную с классификационной информацией, из множества первых кодовых книг, ассоциированных с множеством типов, соответственно; первую секцию квантования, которая получает первый код квантованием вектора, являющегося объектом квантования, с использованием множества первых кодовых векторов, формирующих выбранную первую кодовую книгу; кодовую книгу масштабных коэффициентов, содержащую масштабные коэффициенты, ассоциированные с множеством типов, соответственно; и вторую секцию квантования, которая имеет вторую кодовую книгу, содержащую множество вторых кодовых векторов, и получает второй код квантованием остаточного вектора между одним первым кодовым вектором, указанным первым кодом, и вектором, являющимся объектом квантования, с использованием вторых кодовых векторов и масштабного коэффициента, ассоциированного с классификационной информацией.

Устройство векторного деквантования в соответствии с настоящим изобретением использует конфигурацию, имеющую: секцию классификации, которая генерирует классификационную информацию, указывающую тип признака, коррелированного с вектором, являющимся объектом квантования, среди множества типов; секцию демультиплексирования, которая демультиплексирует первый код, который является результатом квантования вектора, являющегося объектом квантования, на первой ступени, и второй код, который является результатом квантования вектора, являющегося объектом квантования, на второй ступени, из принятых кодированных данных; секцию выбора, которая выбирает одну первую кодовую книгу, ассоциированную с классификационной информацией, из множества первых кодовых книг, ассоциированных с множеством типов, соответственно; первую секцию деквантования, которая выбирает один первый кодовый вектор, ассоциированный с первым кодом, из выбранной первой кодовой книги; кодовую книгу масштабных коэффициентов, содержащую масштабные коэффициенты, ассоциированные с множеством типов, соответственно; и вторую секцию деквантования, которая выбирает один второй кодовый вектор, ассоциированный с вторым кодом, из второй кодовой книги, содержащей множество вторых кодовых векторов, и получает вектор, являющийся объектом квантования, с использованием одного второго кодового вектора, масштабного коэффициента, ассоциированного с классификационной информацией, и одного первого кодового вектора.

Способ векторного квантования в соответствии с настоящим изобретением содержит этапы: генерирования классификационной информации, указывающей тип признака, коррелированного с вектором, являющимся объектом квантования, среди множества типов; выбор одной первой кодовой книги, ассоциированной с классификационной информацией, из множества первых кодовых книг, ассоциированных с множеством типов, соответственно; получение первого кода квантованием вектора, являющегося объектом квантования, с использованием множества первых кодовых векторов, формирующих выбранную первую кодовую книгу; и получение второго кода квантованием остаточного вектора между первым кодовым вектором, ассоциированным с первым кодом, и вектором, являющимся объектом квантования, с использованием множества вторых кодовых векторов, формирующих вторую кодовую книгу, и масштабного коэффициента, ассоциированного с классификационной информацией.

Способ векторного деквантования в соответствии с настоящим изобретением содержит этапы: генерирования классификационной информации, указывающей тип признака, коррелированного с вектором, являющимся объектом квантования, среди множества типов; демультиплексирование первого кода, который является результатом квантования вектора, являющегося объектом квантования, на первой ступени, и второго кода, который является результатом квантования вектора, являющегося объектом квантования, на второй ступени, из принятых кодированных данных; выбор одной первой кодовой книги, ассоциированной с классификационной информацией, из множества первых кодовых книг, ассоциированных с множеством типов, соответственно; выбор одного первого кодового вектора, ассоциированного с первым кодом, из выбранной первой кодовой книги; и выбор одного второго кодового вектора, ассоциированного с вторым кодом, из второй кодовой книги, содержащей множество вторых кодовых векторов, и генерирование вектора, являющегося объектом квантования, с использованием одного второго кодового вектора, масштабного коэффициента, ассоциированного с классификационной информацией, и одного первого кодового вектора.

Полезный эффект изобретения

В соответствии с настоящим изобретением, при многоступенчатом векторном квантовании, при котором кодовые книги на первой ступени переключаются на основании типов признаков, коррелированных с вектором, являющимся объектом квантования, посредством выполнения векторного квантования на второй или последующей ступени с использованием масштабных коэффициентов, ассоциированных с вышеупомянутыми типами, можно повысить точность квантования при векторном квантовании на второй или последующей ступени.

Краткое описание чертежей

Фиг.1 - блок-схема, представляющая основные компоненты устройства векторного квантования LSP в соответствии с вариантом осуществления 1;

Фиг.2 - блок-схема, представляющая основные компоненты устройства векторного деквантования LSP в соответствии с вариантом осуществления 1;

Фиг.3 - блок-схема, представляющая основные компоненты устройства векторного квантования LSP в соответствии с вариантом осуществления 2;

Фиг.4 - блок-схема, представляющая основные компоненты устройства векторного квантования LSP в соответствии с вариантом осуществления 3;

Фиг.5 - блок-схема, представляющая основные компоненты устройства векторного деквантования LSP в соответствии с вариантом осуществления 3.

Наилучший вариант осуществления изобретения

Варианты осуществления настоящего изобретения подробно поясняются ниже со ссылкой на прилагаемые чертежи. В данном случае, примерные случаи поясняются ниже с использованием устройства векторного квантования LSP, устройства векторного деквантования LSP и способов квантования и деквантования, которые являются устройством векторного квантования, устройством векторного деквантования и способами квантования и деквантования в соответствии с настоящим изобретением.

Кроме того, примерные случаи поясняются ниже на вариантах осуществления настоящего изобретения, в которых широкополосные LSP´s применяются как объект векторного квантования в квантователе широкополосных LSP для масштабируемого кодирования, и кодовые книги, используемые для квантования на первой ступени, переключаются с использованием типов узкополосных LSP´s, коррелированных с объектом векторного квантования. Кроме того, равным образом, можно переключать кодовые книги, используемые для квантования на первой ступени с использованием квантованных узкополосных LSP´s (которые являются узкополосными LSP´s, предварительно квантованными квантователем (не показанным) узкополосных LSP), вместо узкополосных LSP´s. Кроме того, равным образом, можно преобразовывать квантованные узкополосные LSP´s в широкополосный формат и переключать кодовые книги, используемые для квантования на первой ступени с использованием преобразованных квантованных узкополосных LSP´s.

Вариант осуществления 1

На фиг.1 представлена блок-схема, представляющая основные компоненты устройства 100 векторного квантования LSP в соответствии с вариантом осуществления 1 настоящего изобретения. Ниже поясняется примерный случай, в котором входной вектор LSP квантуется методом многоступенчатого векторного квантования из трех ступеней в устройстве 100 векторного квантования LSP.

Как показано на фиг.1, устройство 100 векторного квантования LSP снабжено классификатором 101, коммутатором 102, первой кодовой книгой 103, сумматором 104, секцией 105 минимизации ошибок, секцией 106 определения масштабных коэффициентов, множительным устройством 107, второй кодовой книгой 108, сумматором 109, третьей кодовой книгой 110 и сумматором 111.

Классификатор 101 предварительно сохраняет классификационную кодовую книгу, сформированную множеством единиц классификационной информации, указывающей множество типов векторов узкополосных LSP, выбирает классификационную информацию, указывающую тип вектора широкополосных LSP объекта векторного квантования из классификационной кодовой книги, и выдает классификационную информацию в коммутатор 102 и секцию 106 определения масштабных коэффициентов. Более конкретно, классификатор 101 имеет встроенную классификационную кодовую книгу, сформированную кодовыми векторами, ассоциированными с различными типами векторов узкополосных LSP, и находит кодовый вектор, чтобы минимизировать квадратическую ошибку относительно входного вектора узкополосных LSP, посредством поиска в классификационной кодовой книге. Кроме того, классификатор 101 использует индекс кодового вектора, найденного поиском, в качестве классификационной информации, указывающей тип вектора LSP.

Коммутатор 102 выбирает из первой кодовой книги 103 одну кодовую подкнигу, ассоциированную с классификационной информацией, получаемой в качестве входных данных из классификатора 101, и подключает выход кодовой подкниги к сумматору 104.

Первая кодовая книга 103 предварительно сохраняет кодовые подкниги (CBa1-CBan), соответствующие типам узкополосных LSP´s. То есть, например, когда число типов узкополосных LSP´s равно n, число кодовых подкниг, формирующих первую кодовую книгу 103, равно n. Из множества первых кодовых векторов, формирующих первую кодовую книгу, первая кодовая книга 103 выдает первые кодовые вектора, назначенные обозначением из секции 105 минимизации ошибок, в коммутатор 102.

Сумматор 104 вычисляет разности между вектором широкополосных LSP, полученным в качестве входного объекта векторного квантования, и кодовыми векторами, полученными в качестве входных данных из коммутатора 102, и выдает упомянутые разности в секцию 105 минимизации ошибок в качестве первых остаточных векторов. Кроме того, из первых остаточных векторов, соответствующих всем первым кодовым векторам, сумматор 104 выдает в множительное устройство 107 один минимальный остаточный вектор, идентифицированный поиском в секции 105 минимизации ошибок.

Секция 105 минимизации ошибок использует результаты возведения в квадрат первых остаточных векторов, полученных в виде входных данных из сумматора 104, в качестве квадратических ошибок вектора широкополосных LSP и первых кодовых векторов, и находит первый кодовый вектор, чтобы минимизировать квадратическую ошибку, посредством поиска по первой кодовой книге. Аналогично, секция 105 минимизации квадратических ошибок использует результаты возведения в квадрат вторых остаточных векторов, полученных в виде входных данных из сумматора 109, в качестве квадратических ошибок первого остаточного вектора и вторых кодовых векторов, и находит второй кодовый вектор, чтобы минимизировать квадратическую ошибку, посредством поиска по второй кодовой книге. Аналогично, секция 105 минимизации квадратических ошибок использует результаты возведения в квадрат третьих остаточных векторов, полученных в виде входных данных из сумматора 111, в качестве квадратических ошибок второго остаточного вектора и третьих кодовых векторов, и находит третий кодовый вектор, чтобы минимизировать квадратическую ошибку, посредством поиска по третьей кодовой книге. Кроме того, секция 105 минимизации ошибок совместно кодирует индексы, присвоенные трем кодовым векторам, полученным поиском, и выдает результат как кодированные данные.

Секция 106 определения масштабных коэффициентов предварительно сохраняет кодовую книгу масштабных коэффициентов, сформированную масштабными коэффициентами, соответствующими типам узкополосных LSP векторов. Кроме того, секция 106 определения масштабных коэффициентов выбирает из кодовой книги масштабных коэффициентов, масштабный коэффициент соответствующей классификационной информации, полученной как входные данные из классификатора 101, и выдает величину, обратную выбранному масштабному коэффициенту, в множительное устройство 107. В данном случае, масштабный коэффициент может быть скаляром или вектором.

Множительное устройство 107 умножает первый остаточный вектор, полученный как входные данные от сумматора 104, на величину, обратную масштабному коэффициенту, полученному как входные данные из секции 106 определения масштабных коэффициентов, и выдает результат в сумматор 109.

Вторая кодовая книга (CBb) 108 сформирована множеством вторых кодовых векторов и выдает вторые кодовые вектора, назначенные обозначением из секции 105 минимизации ошибок, в сумматор 109.

Сумматор 109 вычисляет разности между первым остаточным вектором, который получен как входные данные из множительного устройства 107 и умножен на величину, обратную масштабному коэффициенту, и вторыми кодовыми векторами, полученными как входные данные из второй кодовой книги 108, и выдает упомянутые разности в секцию 105 минимизации ошибок в качестве вторых остаточных векторов. Кроме того, из вторых остаточных векторов, соответствующих всем вторым кодовым векторам, сумматор 109 выдает в сумматор 111 один минимальный второй остаточный вектор, идентифицированный поиском в секции 105 минимизации ошибок.

Третья кодовая книга 110 (CBc) сформирована множеством третьих кодовых векторов и выдает третьи кодовые вектора, назначенные обозначением из секции 105 минимизации ошибок, в сумматор 111.

Сумматор 111 вычисляет разность между вторым остаточным вектором, полученным в качестве входных данных из сумматора 109, и третьими кодовыми векторами, полученными в качестве входных данных из третьей кодовой книги 110, и выдает данные разности в секцию 105 минимизации ошибок в качестве третьих остаточных векторов.

Ниже поясняются операции, выполняемые устройством 100 векторного квантования LSP, с использованием примерного случая, в котором порядок векторов широкополосных LSP объектов квантования представляет собой R. Кроме того, в нижеследующем пояснении, вектора широкополосных LSP будут выражены в виде «LSP(i) (i=0, 1, …, R-1)».

Классификатор 101 имеет встроенную классификационную кодовую книгу, сформированную n кодовыми векторами, соответствующими n типам векторов узкополосных LSP, и, посредством поиска кодовых векторов, находит m-ный кодовый вектор, чтобы минимизировать квадратическую ошибку относительно входного вектора узкополосных LSP. Кроме того, классификатор 101 выдает m (1 ≤ m ≤ n) в коммутатор 102 и секцию 106 определения масштабных коэффициентов, в качестве классификационной информации.

Коммутатор 102 выбирает кодовую подкнигу CBam, соответствующую классификационной информации m, из первой кодовой книги 103 и подключает выход данной кодовой подкниги к сумматору 104.

Из первых кодовых векторов CODE_1^(d1)(i) (d1=0, 1, …, D1-1, i=0, 1, …, R-1), формирующих CBam среди n кодовых подкниг CBa1-CBan, первая кодовая книга 103 выдает в коммутатор 102 первые кодовые вектора CODE_1^(d1')(i) (i=0, 1, …, R-1), назначенные обозначением d1' из секции 105 минимизации ошибок. В данном случае, D1 представляет общее число кодовых векторов первой кодовой книги, и d1 представляет индекс первого кодового вектора. Кроме того, секция 105 минимизации ошибок последовательно назначает значения d1' от d1'=0 до d1'=D1-1, первой кодовой книге 103.

В соответствии со следующим уравнением 1, сумматор 104 вычисляет разности между вектором широкополосных LSP LSP(i) (i=0, 1, …, R-1), полученным в качестве входных объектов векторного квантования, и первыми кодовыми векторами CODE_1^(d1')(i) (i=0, 1, …, R-1), полученными в качестве входных данных из первой кодовой книги 103, и выдает упомянутые разности в секцию 105 минимизации ошибок в качестве первых остаточных векторов Err_1^(d1')(i) (i=0, 1, …, R-1). Кроме того, среди первых остаточных векторов Err_1^(d1')(i) (i=0, 1, …, R-1), ассоциированных с d1'=0 до d1'=D1-1, сумматор 104 выдает минимальный первый остаточный вектор Err_1^(d1_min)(i) (i=0, 1, …, R-1), идентифицированный посредством поиска в секции 105 минимизации ошибок, в множительное устройство 107.

[1]

… (уравнение 1)

Секция 105 минимизации ошибок последовательно назначает значения d1 от d1'=0 до d1'=D1-1 первой кодовой книге 103 и относительно значений d1 от d1'=0 до d1'=D1-1 вычисляет квадратичные ошибки Err возведением в квадрат первых остаточных векторов Err_1^(d1')(i) (i=0, 1, …, R-1), полученных в качестве входных данных из сумматора 104, в соответствии со следующим уравнением 2.

[2]

… (уравнение 2)

Секция 105 минимизации ошибок сохраняет индекс d1' первого кодового вектора, чтобы минимизировать квадратическую ошибку Err, в качестве первого индекса d1_min.

Секция 106 определения масштабных коэффициентов выбирает масштабный коэффициент Scale^(m)(i) (i=0, 1, …, R-1), соответствующий классификационной информации m из кодовой книги масштабных коэффициентов, вычисляет величину, обратную масштабному коэффициенту, Rec_Scale^(m)(i), в соответствии с нижеследующим уравнением 3 и выдает обратную величину в множительное устройство 107.

[3]

…(уравнение 3)

В соответствии с нижеследующим уравнением 4, множительное устройство 107 умножает первый остаточный вектор Err_1^(d1_min)(i) (i=0, 1, …, R-1), полученный в качестве входных данных из сумматора 104, на величину, обратную масштабному коэффициенту, Rec_Scale^(m)(i), (i=0, 1, …, R-1), полученную в качестве входных данных из секции 106 определения масштабных коэффициентов, и выдает результат в сумматор 109.

[4]

…(уравнение 4)

Из вторых кодовых векторов CODE_2^(d2)(i) (d2=0, 1, …, D2-1, i=0, 1, …, R-1), формирующих кодовую книгу, вторая кодовая книга 108 выдает кодовые вектора CODE_2^(d2')(i) (i=0, 1, …, R-1), назначенные обозначением d2' из секции 105 минимизации ошибок, в сумматор 109. В данном случае, D2 представляет общее число кодовых векторов второй кодовой книги, и d2 представляет индекс кодового вектора. Кроме того, секция 105 минимизации ошибок последовательно назначает значения d2' от d2'=0 до d2'=D2-1, во вторую кодовую книгу 108.

В соответствии с нижеследующим уравнением 5, сумматор 109 вычисляет разности между первым остаточным вектором, умноженным на величину, обратную масштабному коэффициенту Sca_Err_1^(d1_min)(i) (i=0, 1, …, R-1), полученному в качестве входных данных из множительного устройства, и вторыми кодовыми векторами CODE_2^(d2')(i) (i=0, 1, …, R-1), полученными в качестве входных данных из второй кодовой книги 108, и выдает упомянутые разности в секцию 105 минимизации ошибок в качестве вторых остаточных векторов Err_2^(d2')(i) (i=0, 1, …, R-1). Кроме того, из вторых остаточных векторов Err_2^(d2')(i) (i=0, 1, …, R-1), соответствующих значениям d2' от d2'=0 до d2'=D1-1, сумматор 109 выдает в сумматор 111 минимальный второй остаточный вектор Err_2^(d2_min)(i) (i=0, 1, …, R-1), идентифицированный посредством поиска в секции 105 минимизации ошибок.

[5]

…(уравнение 5)

В данном случае, секция 105 минимизации ошибок последовательно назначает значения d2' от d2'=0 до d2'=D2-1 во вторую кодовую книгу 108, и, относительно значений d2' от d2'=0 до d2'=D2-1, вычисляет квадратичные ошибки Err возведением в квадрат вторых остаточных векторов Err_2^(d2')(i) (i=0, 1, …, R-1), полученных в качестве входных данных из сумматора 109, в соответствии с нижеследующим уравнением 6.

[6]

… (уравнение 6)

Секция 105 минимизации ошибок сохраняет индекс d2' второго кодового вектора, чтобы минимизировать квадратическую ошибку Err, в качестве второго индекса d2_min.

Из третьих кодовых векторов CODE_3^(d3)(i) (d3=0, 1, …, D3-1, i=0, 1, …, R-1), формирующих кодовую книгу, третья кодовая книга 110 выдает третьи кодовые вектора CODE_3^(d3')(i) (i=0, 1, …, R-1), назначенные обозначением d3' из секции 105 минимизации ошибок, в сумматор 111. В данном случае, D3 представляет общее число кодовых векторов третьей кодовой книги, и d3 представляет индекс кодового вектора. Кроме того, секция 105 минимизации ошибок последовательно назначает значения d3' от d3'=0 до d3'=D3-1, в третью кодовую книгу 110.

В соответствии с нижеследующим уравнением 7, сумматор 111 вычисляет разности между вторым остаточным вектором Err_2^(d2_min)(i) (i=0, 1, …, R-1), полученным в качестве входных данных из сумматора 109, и кодовыми векторами CODE_3^(d3')(i) (i=0, 1, …, R-1), полученными в качестве входных данных из третьей кодовой книги 110, и выдает упомянутые разности в секцию 105 минимизации ошибок в качестве третьих остаточных векторов Err_3^(d3')(i) (i=0, 1, …, R-1).

[7]

…(уравнение 7)

В данном случае, секция 105 минимизации ошибок последовательно назначает значения d3' от d3'=1 до d3'=D3-1 в третью кодовую книгу 110, и, относительно значений d3' от d3'=1 до d3'=D3-1, вычисляет квадратичные ошибки Err возведением в квадрат третьих остаточных векторов Err_3^(d3')(i) (i=0, 1, …, R-1), полученных в качестве входных данных из сумматора 111, в соответствии с нижеследующим уравнением 8.

[8]

… (уравнение 8)

Затем секция 105 минимизации ошибок сохраняет индекс d3' третьего кодового вектора, чтобы минимизировать квадратическую ошибку Err, в качестве третьего индекса d3_min. Кроме того, секция 105 минимизации ошибок совместно кодирует первый индекс d1_min, второй индекс d2_min и третий индекс d3_min и выдает результат в виде закодированных данных.

На фиг.2 изображена блок-схема, представляющая основные компоненты устройства 200 векторного деквантования LSP в соответствии с настоящим вариантом осуществления. Устройство 200 векторного деквантования LSP декодирует закодированные данные, выдаваемые из устройства 100 векторного квантования LSP, и генерирует квантованные вектора LSP.

Устройство 200 векторного деквантования LSP снабжено классификатором 201, секцией 202 демультиплексирования кодов, коммутатором 203, первой кодовой книгой 204, секцией 205 определения масштабных коэффициентов, второй кодовой книгой (CBb) 206, множительным устройством 207, сумматором 208, третьей кодовой книгой (CBc) 209, множительным устройством 210 и сумматором 211. В данном случае, первая кодовая книга 204 обеспечивает кодовые подкниги с таким же содержимым, как кодовые подкниги (CBa1-CBan) первой кодовой книги 103, и секция 205 определения масштабных коэффициентов обеспечивает кодовую книгу масштабных коэффициентов, имеющую такое же содержимое, как кодовая книга масштабных коэффициентов секции 106 определения масштабных коэффициентов. Кроме того, вторая кодовая книга 206 обеспечивает кодовую книгу, имеющую такое же содержимое, как кодовая книга второй кодовой книги 108, и третья кодовая книга 209 обеспечивает кодовую книгу, имеющую такое же содержимое, как кодовая книга третьей кодовой книги 110.

Классификатор 201 предварительно сохраняет классификационную кодовую книгу, сформированную множеством единиц классификационной информации, указывающей множество типов векторов узкополосных LSP, выбирает классификационную информацию, указывающую тип вектора широкополосных LSP объекта векторного квантования из классификационной кодовой книги и выдает классификационную информацию в коммутатор 203 и секцию 205 определения масштабных коэффициентов. Более конкретно, классификатор 201 имеет встроенную классификационную кодовую книгу, сформированную кодовыми векторами, соответствующими типам векторов узкополосных LSP, и находит кодовый вектор, чтобы минимизировать квадратическую ошибку относительно квантованного вектора узкополосных LSP, полученного в качестве входных данных из квантователя узкополосных LSP (не показанного), посредством поиска по классификационной кодовой книге. Кроме того, классификатор 201 использует индекс кодового вектора, найденного поиском, в качестве классификационной информации, указывающей тип вектора LSP.

Секция 202 демультиплексирования кодов демультиплексирует закодированные данные, передаваемые из устройства 100 векторного квантования LSP, на первый индекс, второй индекс и третий индекс. Кроме того, секция 202 демультиплексирования кодов направляет первый индекс в первую кодовую книгу 204, направляет второй индекс во вторую кодовую книгу 206 и направляет третий индекс в третью кодовую книгу 209.

Коммутатор 203 выбирает из первой кодовой книги 204 одну кодовую подкнигу (CBam), соответствующую классификационной информации, получаемой в качестве входных данных из классификатора 201, и подключает выход кодовой подкниги к сумматору 208.

Из множества первых кодовых векторов, формирующих первую кодовую книгу, первая кодовая книга 204 выдает в коммутатор 203 один первый кодовый вектор, соответствующий первому индексу, назначенному секцией 202 демультиплексирования кодов.

Из кодовой книги масштабных коэффициентов, секция 205 определения масштабных коэффициентов выбирает масштабный коэффициент, соответствующий классификационной информации, полученной в качестве входных данных из классификатора 201, и выдает масштабный коэффициент в множительное устройство 207 и множительное устройство 210.

Вторая кодовая книга 206 выдает один второй кодовый вектор, соответствующий второму индексу, назначенному секцией 202 демультиплексирования кодов, в множительное устройство 207.

Множительное устройство 207 умножает второй кодовый вектор, полученный в качестве входных данных из второй кодовой книги 206, на масштабный коэффициент, полученный в качестве входных данных из секции 205 определения масштабных коэффициентов, и выдает результат в сумматор 208.

Сумматор 208 суммирует второй кодовый вектор, умноженный на масштабный коэффициент, полученный в качестве входных данных из множительного устройства 207, и первый кодовый вектор, полученный в качестве входных данных из коммутатора 203, и выдает вектор, полученный в результате суммирования, в сумматор 211.

Третья кодовая книга 209 выдает один третий кодовый вектор, соответствующий третьему индексу, назначенному секцией 202 демультиплексирования кодов, в множительное устройство 210.

Множительное устройство 210 умножает третий кодовый вектор, полученный в качестве входных данных из третьей кодовой книги 209, на масштабный коэффициент, полученный в качестве входных данных из секции 205 определения масштабных коэффициентов, и выдает результат в сумматор 211.

Сумматор 211 суммирует третий кодовый вектор, умноженный на масштабный коэффициент, полученный в качестве входных данных из множительного устройства 210, и вектор, полученный в качестве входных данных из сумматора 208, и выдает вектор, полученный в результате суммирования, в качестве квантованного вектора широкополосных LSP.

Ниже поясняются операции устройства 200 векторного деквантования LSP.

Классификатор 201 имеет встроенную классификационную кодовую книгу, сформированную n кодовыми векторами, соответствующими n типам векторов узкополосных LSP, и находит m-ный кодовый вектор, чтобы минимизировать квадратическую ошибку относительно квантованного вектора узкополосных LSP, полученного в качестве входных данных из квантователя (не показанного) узкополосных LSP, посредством поиска кодовых векторов. Классификатор 201 выдает m (1 ≤ m ≤ n) в коммутатор 203 и секцию 205 определения масштабных коэффициентов, в качестве классификационной информации.

Секция 202 демультиплексирования кодов демультиплексирует закодированные данные, передаваемые из устройства 100 векторного квантования LSP, на первый индекс d1_min, второй индекс d2_min и третий индекс d3_min. Кроме того, секция 202 демультиплексирования кодов направляет первый индекс d1_min в первую кодовую книгу 204, направляет второй индекс d2_min во вторую кодовую книгу 206 и направляет третий индекс d3_min в третью кодовую книгу 209.

Коммутатор 203 выбирает из первой кодовой книги 204 кодовую подкнигу CBam, соответствующую классификационной информации m, полученной в качестве входных данных из классификатора 201, и подключает выход кодовой подкниги к сумматору 208.

Из первых кодовых векторов CODE_1^(d1)(i) (d1=0, 1, …, D1-1, i=0, 1, …, R-1), формирующих кодовую подкнигу CBam, первая кодовая книга 204 выдает в коммутатор 203 первый кодовый вектор CODE_1^(d1_min)(i) (i=0, 1, …, R-1), назначенный обозначением d1_min из секции 202 демультиплексирования кодов.

Секция 205 определения масштабных коэффициентов выбирает масштабный коэффициент Scale^(m)(i) (i=0, 1, …, R-1), соответствующий классификационной информации m, полученной в качестве входных данных из классификатора 201, из кодовой книги масштабных коэффициентов и выдает масштабный коэффициент в множительное устройство 207 и множительное устройство 210.

Из вторых кодовых векторов CODE_2^(d2)(i) (d2=0, 1, …, D2-1, i=0, 1, …, R-1), формирующих вторую кодовую книгу, вторая кодовая книга 206 выдает в множительное устройство 207 второй кодовый вектор CODE_2^(d2_min)(i) (i=0, 1, …, R-1), назначенный обозначением d2_min из секции 202 демультиплексирования кодов.

Множительное устройство 207 умножает второй кодовый вектор CODE_2^(d2_min)(i) (i=0, 1, …, R-1), полученный в качестве входных данных из второй кодовой книги 206, на масштабный коэффициент Scale^(m)(i) (i=0, 1, …, R-1), полученный в качестве входных данных из секции 205 определения масштабных коэффициентов, в соответствии с нижеследующим уравнением 9 и выдает результат в сумматор 208.

[9]

…(уравнение 9)

В соответствии с нижеследующим уравнением 10, сумматор 208 суммирует первый кодовый вектор CODE_1^(d1_min)(i) (i=0, 1, …, R-1), полученный в качестве входных данных из первой кодовой книги 204, и второй кодовый вектор CODE_2^(d2_min)(i) (i=0, 1, …, R-1), умноженный на масштабный коэффициент, полученный в качестве входных данных из множительного устройства 207, и выдает вектор TMP(i) (i=0, 1, …, R-1), являющийся результатом суммирования, в сумматор 211.

[10]

… (уравнение 10)

Из третьих кодовых векторов CODE_3^(d3)(i) (d3=0, 1, …, D3-1, i=0, 1, …, R-1), формирующих кодовую книгу, третья кодовая книга 209 выдает третий кодовый вектор CODE_3^(d3_min)(i) (i=0, 1, …, R-1), назначенный обозначени