对数正轴形矢量量化算法在CELP语音编码中的性能提升

“对数正轴形矢量量化算法”是一种针对CELP语音编解码方案中线性预测倒谱系数（LSF）参数的优化量化方法。由曹畅、李宁和韩可共同研究，他们指出传统LSF矢量量化过程中，由于将LSF参数视为高差分熵的高斯分布处理，导致量化信噪比损失。 在矢量量化（Vector Quantization, VQ）领域，这种损失是由于未能精确匹配实际信号分布造成的。为了改善这一情况，研究者提出了“对数正轴形矢量量化算法”（Logarithmic Orthoplex Vector Quantization, LOVQ）。该算法的核心在于其对高比特率输入条件下的量化信噪比与信源分布的无关性进行了证明。这意味着LOVQ能更好地适应不同类型的信号分布，从而提高量化效率。 论文中还讨论了最优比特分配方案，这是量化过程中的一个重要环节，合理分配比特可以更有效地利用有限的编码资源，提升量化效果。通过对4.0kbps的CELP（码本激励线性预测）语音编解码方案中的LSF参数进行仿真，LOVQ算法显示出了显著的性能提升。仿真结果表明，与传统方法相比，LOVQ算法能够提高量化信噪比约2.278dB，这在语音质量上是一个显著的进步。 此外，根据客观语音质量评估（Objective Speech Quality Assessment），4kbps的CELP方案在使用LOVQ后，获得了3.191的MOS（Mean Opinion Score）值，优于对比的5.3kbps的ACELP（自适应多速率码本激励线性预测）语音编解码方案。这进一步证明了LOVQ算法在保持较低带宽需求的同时，能提供更高质量的语音编码效果。 论文的关键词涵盖了矢量量化技术、CELP编码、以及客观语音质量评估，表明研究内容不仅限于算法设计，还包括了实际应用场景的评估。这篇研究对于理解如何改进语音编解码过程中的量化步骤，特别是对于低带宽通信环境下的语音质量提升，具有重要的理论与实践意义。