【正文】 G算法的設(shè)計仿真及結(jié)果分析利用MATLAB編程，采用隨機(jī)選取法實現(xiàn)LBG算法碼書的生成，初始碼書從訓(xùn)練序列中每隔5個樣本選取一組。由于MATLAB是一種面向科學(xué)和工程計算的高級語言，允許用數(shù)學(xué)形式的語言編程，同時又具有大量的庫函數(shù)，所以編程簡單、效率高、簡單易學(xué)易用。（2） 通過MATLAB可以對數(shù)字化語音信號進(jìn)行估計和評判。由于MATLAB具有大量數(shù)字信號處理工具箱，并能利用非線性動態(tài)系統(tǒng)分析工具Simulink等優(yōu)點，因此其已成為學(xué)習(xí)、研究數(shù)字語音信號處理的有力的仿真工具軟件。 第四章 仿真結(jié)果及性能分析 MATLAB開發(fā)平臺簡介MATLAB是由MATrix和LABoratoy兩詞的前三個字母組合而成，于20 世紀(jì)70年代后期出于減輕編程負(fù)擔(dān)考慮而設(shè)計的一款功能強(qiáng)大、效率高、交互性好的數(shù)據(jù)計算和可視化計算機(jī)高級語言，它將信號處理、數(shù)值分析、圖形顯示有機(jī)融合為一體，形成了一個極其方便、用戶界面良好的操作環(huán)境。 非典型碼字問題及處理方法在隨機(jī)選擇方法中，存在一些非典型矢量，利用其形成胞腔時，胞腔中常常只有少數(shù)幾個矢量，甚至有可能只有他們自己本身一個矢量。為更精確起見可再計算胞腔的形心，利用類似LBG的算法構(gòu)成含2個碼字的碼書的方法來進(jìn)行分裂。隨機(jī)選取法產(chǎn)生的初始碼書中不存在空胞腔的問題。 LBG算法常見的問題LBG算法中，常遇到的一些問題是空胞腔和隨機(jī)選取法中的非典型碼字如何處理。 乘積碼書法隨機(jī)碼書的初始化方法是用若干個低維數(shù)的碼書作為乘積碼，求得所需的高維數(shù)的碼書，即維數(shù)為、大小為的碼書乘以維數(shù)為、大小為的碼書，得到一個k維碼書，其大小為。若最終的碼書容量為（r為整數(shù)），則需做r輪循環(huán)處理，直至聚類完畢，此時各類質(zhì)心即為所需的碼字。 分裂法分裂法是由Linde,Buzo,Gray在1980年提出來的，該方法生成初始碼書時先取一個較少碼字的碼書，用LBG算法對其優(yōu)化，對優(yōu)化的結(jié)果進(jìn)行分裂，得到較大的體積、較優(yōu)化的碼書，重復(fù)優(yōu)化、分裂、再優(yōu)化過程。與其他多媒體信息比較，語音信息之間的冗余較少。隨機(jī)選取法還具有形成初始碼書過程所需時間較短的特性。 隨機(jī)選取法 隨機(jī)選取法最初是運用在聚類算法中，它是從訓(xùn)練序列中隨機(jī)選取N個矢量作為初始碼字從而構(gòu)成初始碼書。 LBG算法流程如圖31所示： 用給定碼書劃分成N個胞腔 開 始給定碼書大小N，初始碼書訓(xùn)練序列TS置n=0，起始平均失真 以及給定計算停止門限 計算平均失真和相對失真 ； 求出新碼書結(jié) 束 NY 圖31 LBG算法流程圖 LBG算法初始碼書的選取對于初始碼書的選取在最佳碼書的設(shè)計中有很大的影響，要求碼書在開始時對要編碼的數(shù)據(jù)來說要具有一定的代表性，直接取輸入信號矢量作為碼子就是方法之一。 第三步 計算平均失真與相對失真：平均失真為 ， （34） 相對失真為 （35）若 ，則停止計算，當(dāng)前的碼書就是設(shè)計好的 ，否則進(jìn)行第四步。第一步 初始化：給定初始碼書，即給定碼書的大小N和碼字，并設(shè)置n=0,設(shè)起始平均失真 ，以及給定計算停止門限。由于實際情況中信源確定多維的概率分布很難，所以利用訓(xùn)練序列建立碼本的LBG算法用得比較多一些。 LBG算法實現(xiàn)流程設(shè)計LBG算法根據(jù)最佳矢量量化器設(shè)計的最佳劃分和最佳碼書這兩個必要條件提出，它的特點是算法理論嚴(yán)密，物理概念清晰和算法實現(xiàn)容易。從對初始碼書進(jìn)行迭代優(yōu)化時開始，直到該系統(tǒng)的性能滿足要求或不再有明顯的改進(jìn)截止。 LBG算法的實現(xiàn)LBG算法在矢量量化中是一個基本算法，它是由標(biāo)量量化器中的Lloyd算法推廣而來，1980年由Linde ，Buzo和 Gray首次提出。 最佳碼書對于給定的區(qū)域邊界，找出最佳碼書矢量，為了使碼書的平均失真最小，碼字必須為相應(yīng)給定的形心，即滿足 centroid質(zhì)心條件： （32）其中，為集合中矢量的個數(shù)。對于給定的碼書可以采用最鄰近準(zhǔn)則NNR(Nearest Neighbor Rule)，即對于信源空間的任一矢量X，如果它與矢量的失真小于它和其它碼子之間的失真，則X應(yīng)屬于某區(qū)域邊界： （31）為最佳劃分，即為一個胞腔。在矢量量化器的最佳設(shè)計中，對如何劃分量化區(qū)間和確定量化矢量是其存在的最主要的問題，即要達(dá)到最佳劃分和最佳碼書這兩個條件。由于碼書的設(shè)計也是在這一過程中產(chǎn)生的，所以同時也是最佳碼書的設(shè)計過程。本設(shè)計主要選取LBG算法進(jìn)行矢量量化器的算法設(shè)計。其中為加權(quán)因子，、和要進(jìn)過實驗確定。研究表明，頻譜與能量均攜帶有語音信號的信息，如果僅以功率譜作為失真比較的參數(shù)，則語音識別的性能不夠理想。設(shè)x（n）(n=0,1,...,N1)是一幀N長信號，是其p階最佳線性預(yù)測系數(shù)，并組成特征矢量，再設(shè)碼書中的某特征矢量為。此時，直接用由這些系數(shù)所描述的信號模型的功率譜進(jìn)行比較是適宜的。為了比較用這種參數(shù)表征的矢量，如果直接使用Euclid失真，顯然意義不大。 （2）線性預(yù)測失真測度用全極點模型表示語音信號的線性預(yù)測方法廣泛應(yīng)用于語音信號處理中。在本畢業(yè)論文設(shè)計中，各種算法中涉及到計算失真的部分均采用的是歐氏距離均方誤差。在矢量量化器的設(shè)計過程中，失真測度的選擇是很重要的，選用的是否得當(dāng)直接影響著系統(tǒng)的性能。編碼的過程中，需要引入失真測度的概念。由于信道中傳輸?shù)牟⒎鞘噶勘旧?，而是其序列號的編碼信號，所以理論上傳輸速率還可以進(jìn)一步提高。在編碼端，輸入矢量X與碼書(a)中的每一個或部分碼字進(jìn)行比較，分別計算它們的失真，檢索到失真最小碼字的序號（或碼書中此碼字所在的地址），并將的編碼信號通過信道傳輸?shù)阶g碼端；在譯碼端，先把信道傳來的編碼信號譯成序號，再根據(jù)序號 (或碼字所在地址)，從碼書（b）中查出相應(yīng)的碼字。第一個實際的矢量量化器1978年發(fā)明至今，隨著發(fā)展矢量量化技術(shù)被不斷的推出新的設(shè)計。矢量量化反映在實際中的應(yīng)用就是矢量量化器，矢量量化器在實際生產(chǎn)生活中應(yīng)用非常廣泛，特別是在多媒體信息中更加突出。碼字索引進(jìn)行重新分配可以有效的減少這種失真對于矢量量化來說，設(shè)計性能好的碼書是矢量量化最為關(guān)鍵的問題。 碼字搜索矢量量化碼字搜索算法是當(dāng)碼書已經(jīng)設(shè)計好的時候，輸入給定矢量，在碼書中搜索與輸入碼字間失真最小的碼字。如果用平方誤差測度作為失真測度，且訓(xùn)練矢量數(shù)為N，想要生成含有M(MN)個碼字的碼書，那么設(shè)計碼書的過程就要找到一種最佳方案，把N個訓(xùn)練矢量分成M類，而把這M類的質(zhì)心矢量作為碼書的碼字。矢量量化系統(tǒng)一般情況下可以分解為兩個集合的映射，即 (23) 式中，是編碼器，它是將輸入矢量映射為信道符號中的一個元；是譯碼器，它是將信道符號映射為碼書中的一個碼字，即 (24) (25) 碼書設(shè)計、碼字搜索和碼字索引分配是矢量量化的三個關(guān)鍵技術(shù)，其中碼書設(shè)計和碼字搜索尤為重要。不同的劃分或不同的量化矢量的選取就可以構(gòu)成不同的矢量量化器。通常把所有M個量化矢量（重構(gòu)矢量或恢復(fù)矢量）構(gòu)成的集合稱之為碼書或碼本。 若要對一個落在二維矢量空間中的模擬矢量X進(jìn)行量化，首先要選擇一個合適的失真測度，而后利用最小失真原則，分別計算用量化矢量替代X所帶來的失真。如圖22（a）所示，矢量量化就是將平面分成M個如的小區(qū)域，從每個小區(qū)域中找出代表向量，這些代表向量的集合就是有M個區(qū)間的二維矢量量化器。其中,量化矢量構(gòu)成的集合稱為碼書或碼本，碼書中的每個矢量稱為碼字或碼矢。矢量維數(shù)越大，矢量量化的性能就越優(yōu)越。矢量量化是對矢量進(jìn)行量化，它把矢量空間分成若干個小區(qū)域，每個小區(qū)域?qū)ふ乙粋€代表矢量，量化時落入小區(qū)域的矢量就用這個代表矢量代替，或者稱之為被量化為這個代表矢量。因為此時的信號量是一維的標(biāo)量，所以稱之為標(biāo)量量化。 標(biāo)量量化整個信號的動態(tài)范圍被分成若干個小區(qū)間，每個小區(qū)間有一個代表值。 量化的實質(zhì)是把一個模擬信號值的連續(xù)范圍分為若干個相鄰并且具有唯一量值的區(qū)間，凡落在某區(qū)間的抽樣信號樣值都指定為該區(qū)間量值的過程。人們試圖努力找到各種新的碼書優(yōu)化的算法和策略，多種理論研究都應(yīng)用到了碼書算法，例如神經(jīng)網(wǎng)絡(luò)，模糊集合論，遺傳算法等。碼書設(shè)計可以視其為一個類似于函數(shù)優(yōu)化的問題，所以設(shè)計時要搜索最優(yōu)化的全局碼書，需要一種全局算法。矢量量化的三大關(guān)鍵步驟和技術(shù)是：碼書設(shè)計、碼字搜索和碼字索引分配，其中碼書設(shè)計和碼字搜索是矢量量化過程中的關(guān)鍵。由于矢量量化高壓縮比的特性，使得它可以應(yīng)用在國防軍事的遙感衛(wèi)星、雷達(dá)監(jiān)測等方面，可以應(yīng)用在高清電視、網(wǎng)絡(luò)視頻等民用設(shè)施的實時傳輸上。矢量量化的研究涉及到許多學(xué)科的技術(shù)和理論知識，應(yīng)用范圍非常廣泛。這些門限值與語種有著密切的關(guān)系。 判決對于輸入信號通過計算而得的測度，根據(jù)若干準(zhǔn)則及專家知識庫，判決選出可能的結(jié)果中最好的那個，由識別系統(tǒng)輸出，這一過程便稱之為判決。知識庫中的知識需要具有便于修改和擴(kuò)充的特點。 專家知識庫用來存儲各種語言學(xué)知識。VQ主要適用于小詞匯量、孤立詞的語音識別中，其過程是將對欲處理的大量語音K維幀矢量通過統(tǒng)計實驗進(jìn)行統(tǒng)計劃分，即將K維無限空間聚類劃分為M個區(qū)域邊界，每個區(qū)域邊界對應(yīng)一個碼字，所有M個碼字構(gòu)成碼本。其算法適合于語音本身易變的特點，適用于非特定人的語音識別，同時也適用于特定人的語音識別。它使用Markov鏈來模擬信號的統(tǒng)計特性變化。它不能對樣本作動態(tài)的訓(xùn)練，不適合于非特定人的語音識別。DTW算法的匹配過程比較細(xì)，計算量比較大。此外還有一些混合派生出來的方法，如VQ/DTW法、FSVQ/HMM法等。測度估計是語音識別的核心。 參考模式庫用訓(xùn)練與聚類的方法，由單講話或多講話者的多次重復(fù)的語音參數(shù)，從原始語音樣本中去除冗余信息，保留關(guān)鍵數(shù)據(jù)，經(jīng)過長時間的訓(xùn)練，再按照一定的規(guī)則對數(shù)據(jù)加以聚類得到的。由于某些參數(shù)的提取較復(fù)雜，因而要折衷考慮選用哪些參數(shù)并確定采用哪種識別方法。同時，還需要考慮到特征參數(shù)的計算量，在保持高識別率的情況下，應(yīng)盡可能減少特征維數(shù)，以利于減少存儲的要求和實時實現(xiàn)。特征參數(shù)的好壞對語音識別的精度有很大影響，特征參數(shù)應(yīng)盡可能多的反映出用于識別的信息，之后系統(tǒng)中所有的處理都是建立在特征參數(shù)之上，一旦特征參數(shù)不能很好地反映語音信號的本質(zhì)，識別就不能成功。與特征提取相關(guān)的內(nèi)容是特征間的距離測度。特征提取即參數(shù)分析，是指從語音信號波形中獲取一組能夠描述該語音信號特征的參數(shù)的過程。 預(yù)處理預(yù)處理包括反混疊濾波、模數(shù)變換、自動增益控制、去除聲門激勵及口唇輻射影響，以及去除個體發(fā)音的差異和設(shè)備、環(huán)境引起的噪聲影響等，涉及語音識別基元的選取和端點檢測問題。圖21中測度估計、判決和專家知識庫三部分的功能是完成模式匹配。輸入語音 參考模式庫距離測度 測度估計 特征提取預(yù)處理判決 專家知識庫識別結(jié)果訓(xùn)練，聚類 圖21 語音識別的原理框圖圖21所示為語音識別系統(tǒng)的模式匹配原理構(gòu)成圖，它是一種統(tǒng)計模式識別，這里采用的是模板匹配法。根據(jù)該原理，未知語音的模式要與已知語音的參考模式逐一進(jìn)行比較，最佳匹配的參考模式將被作為識別結(jié)果輸出。其中，模式匹配法是將兩個模式直接進(jìn)行比較的方法，是最基本、最原理性的模式識別方法，在實際應(yīng)用中是最廣泛的。模式識別的基本原理是將一個輸入模式與保存在系統(tǒng)中的多個標(biāo)準(zhǔn)模式進(jìn)行比較，找出最近似的標(biāo)準(zhǔn)模式，然后將該標(biāo)準(zhǔn)模式所代表的類名作為輸入模式的類名輸出。第二章 基本原理模式識別是指計算機(jī)對事物的認(rèn)知，包活語音、文字、圖像、機(jī)器的運行狀態(tài)等。1983年，美國BBN公司研制出了一種采用矢量量化技術(shù)的分段式聲編碼器，可以用150b/s的速率來傳送可懂的話音。這一階段，人們對各種矢量量化系統(tǒng)展開了全面的研究，其中主要是對失真測度的探討，碼書的設(shè)計，快速搜索算法的尋找等等。第二階段：1978年Buzo第一個提出矢量量化器的概念,他提出的量化系統(tǒng)組成分為兩步,首先是將語音信號做線性預(yù)測分析，求出預(yù)測系數(shù)；其次對這些系數(shù)做矢量量化，得到了壓縮數(shù)據(jù)的語音編碼器。1977年Berger出版了《率失真理論》一書。幾乎與此同時，Max也得出了同樣的結(jié)論，雖然他們的結(jié)論基本上都是關(guān)于標(biāo)量量化問題的，但他們的算法對后來矢量量化的發(fā)展有著深刻的影響。第一階段：1956年Steinhaus首次系統(tǒng)的闡述了關(guān)于最佳矢量量化的問題。語音是通信系統(tǒng)中最自然的通信媒介，語音識別技術(shù)的應(yīng)用前景是無限的。語音識別和語音合成相結(jié)合，可以構(gòu)成“人機(jī)通信系統(tǒng)”。（5） 因在輸入終端可使用麥克風(fēng)、電話機(jī)等，所以非常經(jīng)濟(jì)，還可直接利用現(xiàn)有的電話網(wǎng)，并能遙控輸入信息。語音信息輸入速度比打字機(jī)大約快34倍，比人工抄寫文字大約快81