CN101517551A - 用于信号的低复杂度组合编码的装置和方法 - Google Patents

Abstract

本发明利用复函数的低复杂度估计来执行信号矢量的组合编码。只要维持了某些充分的性质，本发明就不考虑这样的函数的准确度。对于给定信号矢量输入，本发明进而可以将某些编码和解码运算的计算复杂度降低两个数量级或更多。

Description

用于信号的低复杂度组合编码的装置和方法

技术领域

本发明一般地涉及编码矢量，并且具体地，涉及矢量的低复杂度组合阶乘脉冲编码(Factorial Pulse Coding)。

背景技术

为语音、音频、图像、视频和其他信号用于编码矢量和矩阵量的方法是众所周知的。Peng等人的美国专利6,236,960(通过引入的方式将其合并于此)中描述的一种这样的方法被称为阶乘脉冲编码(或FPC)。FPC可以使用全部的M位来编码矢量x_i，假定：

$m=\underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}\left|x_i\right|---\left(1\right)$

并且矢量x_i的所有值都是整数值以使-m≤x_i≤m，其中m是单位振幅脉冲的总数，并且n是矢量长度。全部的M位用于以最大有效方式编码N个组合，以使描述理论最小组合数的以下表达式成立：

$N=\underset{d=1}{\overset{\min (m,n)}{\mathrm{\Σ}}}F(n,d)D(m,d)2^d\≤2^M.---\left(2\right)$

对于这个等式，F(n，d)是在n个位置上的d个非零矢量元素的组合数，由下式给出：

$F(n,d)=\frac{n!}{d!(n-d)!},---\left(3\right)$

D(m，d)是给定m个全部单位脉冲的d个非零矢量元素的组合数，由下式给出：

D(m，d)＝F(m-1，d-1)，(4)

并且2^d表示描述d个非零矢量元素的极性(符号)所需要的组合。项min(m，n)允许单位振幅脉冲的数量m超过矢量长度n情况。现有技术中已经完全描述了用于编码和解码这一形式的矢量的方法和装置。此外，在3GPP2标准C.S0014-B中已经描述了这种编码方法的实际实现，其中矢量长度n＝54和单位振幅脉冲的数量m＝7产生M＝35位的码字。

尽管这些n和m的值不会造成任何不合理的复杂性负担，但是较大值会迅速地造成问题，特别是在需要保持存储器和计算复杂性尽可能低的移动手持设备中。例如，对于一些应用使用这种编码方法(诸如音频编码)可能需要n＝144并且m＝28或更高。在这些情况下，与使用现有技术方法来产生组合表达F(n，d)关联的成本，对于实际实现来说太高了。

更详细地研究这一成本，我们可以将等式3重新写为：

$F(n,d)=\frac{{\mathrm{\Π}}_{i=n-d+1}^n\left(i\right)}{{\mathrm{\Π}}_{j=1}^d\left(j\right)}.---\left(5\right)$

因为F(144，28)需要分子中197位的精度和分母中98位的精度，以生成99位的商，所以直接的实现是有问题的。由于当今手持设备中使用的多数数字信号处理器(DSP)通常仅支持16位×16位的乘法运算，所以需要采用特殊的多精度乘法/除法例程。这样的例程需要一系列的嵌套乘法/累加运算，这些运算通常需要大约k个数量级的乘法/累加(MAC)运算，其中k是操作数中16位段的数量。对于197位操作数来说，

因此，单一197×16位乘法的执行需要最少13个MAC运算外加移位和存储运算。以类似的方式来计算分母项，以产生98位结果。另外，需要197/98位除法，这是极复杂的运算，因此等式5中的整个阶乘关系的计算将需要可观的资源。

在降低复杂度的努力中，可以以分解除法运算的形式重写等式5以产生下式：

$F(n,d)=\mathrm{round}[\left(\frac{n}{d}\right)\·\left(\frac{n-1}{d-1}\right)\·\left(\frac{n-2}{d-2}\right)\·\·\·\left(\frac{n-d+2}{2}\right)\·\left(\frac{n-d+1}{1}\right)]---\left(6\right)$

在这个表达式中，降低了除法运算的动态范围，但不幸的是，需要增加的商的分解度以由3、7、9等来准确地表示出除法。为了适应该结构，也需要取整运算来保证整数结果。给定大量高精度除法运算，该实现不足以解决大m和n的复杂度问题，并且进一步由于精度累计误差而具有产生错误结果的可能性。

在又一实现中，可以以以下方式来重新整理等式5：

$F(n,d)=n\·(n-1)\·\left(\frac{1}{2}\right)\·(n-2)\·\left(\frac{1}{3}\right)\·\·\·(n-d+2)\·\left(\frac{1}{d-1}\right)\·(n-d+1)\·\left(\frac{1}{d}\right).---\left(7\right)$

如果这一表达式从左到右求值，则结果将总是产生整数值。尽管该方法在某种程度上控制了精度和动态范围问题，但是大值m和n仍旧需要大量使用多精度乘法和除法运算。

最后，为了最小化计算复杂度，可以在查找表中预计算并存储所有阶乘组合。因此，F(n，m)的所有值可以简单存储在n×m矩阵中，并且可以使用非常少的处理器周期来从存储器中适当地检索。然而，这种方法的问题在于当n和m变大的时候，关联的存储器要求也变大。引用之前的示例，F(144，28)需要存储字节，这对于多数移动手持设备是不合理的。因此，需要一种用于矢量的低复杂度组合阶乘脉冲编码的方法和装置。

附图说明

图1是编码器的框图。

图2是解码器的框图。

图3是示出图1和图2的组合函数生成器的运算的流程图。

图4是示出图1编码器的运算的流程图。

图5是示出图2解码器的运算的流程图。

具体实施方式

为了解决上述需要，本文中提供了一种用于矢量的低复杂度组合编码的方法和装置。在运算期间，编码器和解码器将使用相对低分解度的阶乘组合F′(n，d)的近似，这仅提供允许生成有效码字的足够精度。具体地，编码器和解码器都将利用组合函数生成器导出F′(n，d)以使F′(n，d)≥F(n，d)、并且F′(n，d)≥F′(n-1，d)+F′(n-1，d-1)。将向编码或解码电路提供F′(n，d)，以分别生成组合码字或矢量x_i。

因为F′(n，d)具有比F(n，d)低的精度，所以一般地更容易在定点数据信号处理器(DSP)、通用微处理器上进行计算，或者在硬件中实现，诸如在可编程逻辑设备或专用集成电路(ASIC)上。本质上，用相对低精度加法和减法外加少量的表格存储器来代替复杂的多精度乘法和除法。一般地，较低复杂度的运算不影响输入矢量的总编码率，但是以稍高比特率的代价，可以降低复杂度，甚至比本文中所描述的更低。

本发明包含了用于组合编码和解码的方法。该方法包括基于矢量中的位置数来接收值n、基于矢量内的占用位置的数量来接收值d、基于n和d来创建F′(n，d)，其中F′(n，d)是F(n，d)的估计以使F′(n，d)＞F(n，d)并且F′(n，d)＞F′(n-1，d)+F′(n-1，d-1)，并且其中 $F(n,d)=\frac{n!}{d!(n-d)!},$ 并且使用F′(n，d)来编码或者解码矢量。

本发明另外包含了包括组合函数生成器输出F′(n，r)的装置，该输出具有F′(n，r)≥F(n，r)并且F′(n，r)≥F′(n-1，r)+F′(n-1，r-1)的性质，F′(n，r)足以唯一地编码/解码矢量X_cc，给出函数F′(n，r)为：

$F^{\′}(n,r)=R(\underset{i=n-r+1}{\overset{n}{\mathrm{\Σ}}}{P}^{\′}\left(i\right)-Q^{\′}\left(r\right)),$

其中P′(i)和Q′(r)是32位查找表，给出为：

i∈[1，2，...，144]

和

并且，其中R′(k)是函数R′(k)≈2^k的近似，给出为：

其中将k＝k_i+k_f分解为k的整数和分数分量，并且 $K_f=2^{k_f}$ 是k的分数分量的低分解度泰勒级数展开。该装置另外包括接收F′(n，r)和矢量并且基于F′(n，r)输出码字或矢量的编码器或解码器。

本发明另外包含了包括组合函数生成器的装置，该组合函数基于矢量中的位置数接收值n、基于的占用位置数接收值d以及基于n和d创建F′(n，d)，其中F′(n，d)是F(n，d)的估计以使F′(n，d)＞F(n，d)并且F′(n，d)＞F′(n-1，d)+F′(n-1，d-1)，并且其中 $F(n,d)=\frac{n!}{d!(n-d)!}.$ 该装置另外包括使用F′(n，d)编码矢量并且输出码字的编码器。

本发明另外包含了包括组合函数生成器的装置，该组合函数基于矢量中的位置的数量接收值n、基于矢量内的占用位置的数量接收值d以及基于n和d创建F′(n，d)，其中F′(n，d)是F(n，d)的估计以使F′(n，d)＞F(n，d)并且F′(n，d)＞F′(n-1，d)+F′(n-1，d-1)，并且其中 $F(n,d)=\frac{n!}{d!(n-d)!}.$ 该装置另外包括使用F′(n，d)解码码字并且输出矢量的解码器。

现在转向附图，其中相同的标记标明相同的组件，图1是编码器100的框图。编码器100包括矢量生成器102、组合编码电路(编码器)106、组合函数生成器108以及其他编码电路104。在运算期间，由矢量生成器102来接收要编码的输入信号。如本领域所已知的，输入信号可以包括如语音、音频、图像、视频这样的信号以及其他信号。

矢量生成器102接收输入信号并创建矢量x_i。矢量生成器102可以包括任意数量的编码范式包括，但不限于，如Peng等人所描述的码激励线性预测编码(CELP)语音编码；用于音频、图像和视频的变换域编码，包括基于离散傅立叶变换(DFT)、离散余弦变换(DCT)以及改进的离散余弦变换(MDCT)的方法；基于小波的变换编码；直接时域脉冲编码调制(PCM)；差分PCM；自适应差分PCM；或者本领域所熟知的子带编码技术家族中的任意一种。实际上，以上给出形式的任意信号矢量可以根据本发明有利地被处理。

组合编码电路106接收矢量x_i并且使用阶乘脉冲编码来产生码字C。如以上所讨论的，阶乘脉冲编码可以使用全部的M位编码矢量x_i，假定 $m={\mathrm{\Σ}}_{i=0}^{n-1}\left|x_i\right|,$ 并且矢量x_i的所有值都是整数值以使-m≤x_i≤m，其中m是单元振幅脉冲的总数，并且n是矢量长度。如以上所讨论的，m和n的较大值会迅速地造成问题，特别是在需要保持尽可能低的存储器和计算复杂度的移动手持设备中。

为了解决这一问题，组合函数生成器108利用低复杂度技术来产生F′(n，d)。然后，组合编码电路106利用F′(n，d)来产生码字C。电路108利用阶乘组合F′(n，d)的相对低分解度近似(位的精度)，这仅提供允许生成有效码字的足够精度。即，只要维持了某些性质，函数F(n，d)的适当近似足以保证得到的码字是唯一可解码的。

为了描述F′(n，d)的生成，让我们通过首先导出函数F′(n，d)来继续，F′(n，d)是F(n，d)的适当近似。第一步是取等式5的任意底a的对数，并且取重新整理项的底a的反对数：

$F(n,d)={\exp }_a(\underset{i=n-d+1}{\overset{n}{\mathrm{\Σ}}}{\log }_a\left(i\right)-\underset{j=1}{\overset{d}{\mathrm{\Σ}}}{\log }_a\left(j\right)),---\left(8\right)$

其中，函数exp_a(k)＝a^k。接着，定义函数P(i)、Q(d)、和R(k)，并且替换到等式8中，以使：

$F(n,d)=R(\underset{i=n-d+1}{\overset{n}{\mathrm{\Σ}}}P\left(i\right)-Q\left(d\right)),---\left(9\right)$

其中，P(i)＝log_a(i)、 $Q\left(d\right)={\mathrm{\Σ}}_{j=1}^d{\log }_a\left(j\right)$ 并且R(k)＝exp_a(k)＝a^k。

然而，根据本发明的优选实施例，为了使得到的码字是唯一可解码的，F(n，d)和F′(n，d)不一定相等。仅有两个条件就足以使这个成立：

F′(n，d)≥F(n，d)，    (10)

和

F′(n，d)≥F′(n-1，d)+F′(n-1，d-1).    (11)

对于第一个条件，约束简单地说明，如果F′(n，d)＜F(n，d)，则将存在重叠的码空间，并且随后将存在多于一个输入，该输入能够生成具体码字；因此，该码字不是唯一可解码的。第二个条件表明，给定n、d的“误差”应该大于或等于误差项的总和，该误差项与Peng等人在美国专利6,236,960中描述的递归关系的先前元素关联。可以示出F(n，d)＝F(n-1，d)+F(n-1，d-1)，这仅当该组合表达式与 $F(n,d)=C_d^n=n!/d!(n-d)!$ 完全相等的时候才为真。然而，尽管在等式11中的不等性是充分的，但是对于n和d的所有值就不一定都为真。对于这样的值，F(n，d)可以满足从Peng等人的等式31导出的另一不等式，并且给出为：

$F(n,d)>\underset{i=1}{\overset{d}{\mathrm{\Σ}}}F(n-(d-i+1),i).---\left(12\right)$

在这种情况下，对于具体(m，k)，(m≤n)、(k≤d)，严格不等式不得不满足等式11，即：

F(m，k)＞F(m-1，k)+F(m-1，k-1)，m≤n，k≤d.    (13)

返回参考等式9，我们现在希望通过创建函数P′(i)、Q′(d)和R′(k)来生成具有低复杂度的原始函数的近似F′(n，d)，以使：

$F^{\′}(n,d)=R^{\′}(\underset{i=n-d+1}{\overset{n}{\mathrm{\Σ}}}{P}^{\′}\left(i\right)-Q^{\′}\left(d\right)),---\left(14\right)$

并且其中，满足在等式10和11中给出的条件。考虑到P(i)，我们可以希望近似函数，以使P′(i)≥log_a(i)，i∈[1，2，...，n]。如果我们选择a＝2并且然后约束P′(i)为32位的精度，则由于多数DSP支持单周期32位加法，所以在手持移动设备上易于实现作为结果的运算。因此，我们定义：

i∈[1，2，...，n]，    (15)

其中，l(i)是可以随着函数i而变化的移位因子。在优选实施例中，l(i)＝l＝21，但是很多其他值的集合是可能的。对于这一示例，2¹因子等同于左移1位，由此地板函数

移除分数位，同时取整为下一最大整数，并且最后2^-1因子将结果向右移回1位。使用这套方法，对于所有的i≥1函数P′(i)≥log₂(i)，并且因为在log₂域内的9位正整数分解可以表示512位数字，所以仅使用32位还提供足够的动态范围和精度。为了避免实时计算这些值的复杂性，对于F(144，29)的示例，可以仅使用144×4字节的存储器预计算并在表格中存储这些值。使用类似的方法用于近似Q(d)，我们得到：

其中，由于从总数中减去量，所以使用了地板函数

这就保证了 $Q^{\′}\left(d\right)\≤{\mathrm{\Σ}}_{j=1}^d{\log }_2\left(j\right),$ 以使Q′(d)的贡献将保证F′(n，d)≥F(n，d)。尽管l(j)可以根据m和n的配置假设许多值，但优选实施例使用值l(j)＝l＝14用于可变移位因子。与P′(i)类似地，对于F(144，28)的示例，可以仅使用28×4字节的存储器来预计算和在表格中存储Q′(d)。为了定义R′(k)，我们需要首先将k定义为：

$k=\underset{i=n-d+1}{\overset{n}{\mathrm{\Σ}}}{P}^{\′}\left(i\right)-Q^{\′}\left(d\right).---\left(17\right)$

通过以上定义的P′(i)和Q′(d)，k优选地是具有8位无符号的整数分量k_i和24位分数分量k_f的32位数字。用此，我们可以通过使k＝k_i+k_f来导出R′(k)≥exp₂(k)＝2^k，并且然后取底2的反对数来得到 $2^k=2^{k_i}{2}^{k_f}.$ 然后，我们可以使用泰勒级联展开来对估计由 $K_f=2^{k_f}$ 表示的达到期望精度的分数分量，使用上限函数来取整结果，并且然后适当地移位该结果以形成多精度结果(仅具有1个有效位)，以使：

其中，

是用于泰勒级联展开结果的整数移位因子。这里，1是以与等式15和16类似的方式使用的移位因子，以保证R′(k)≥2^k。然而，由于不能实际地预计算R′(k)用于有效实时运算，所以在指定为编码器和解码器二者中所必须的精确运算中，必须要非常小心以确保重构信号矢量与输入信号矢量完全匹配。注意到，可以从左移位

获得R′(k)，这通过1位能够准确表示。

在以上讨论中，已经选择了函数P′(i)、Q′(d)、和R′(k)以使每个单独的函数估计保证作为结果的F′(n，d)≥F(n，d)。然而，只有聚合效应必须满足该条件。例如，P′(i)和Q′(d)可以是如上所述，但是R′(k)可以是更常规的R′(k)≈2^k函数，该函数可以截取或取整最低有效位，以使对于k的一些值，R′(k)可以小于2^k。只要该效应相对于P′(i)和Q′(d)的效应很小，这就是可接受的，所以在等式10和11中的性质仍然成立。

同样，只要满足等式10和11的性质，就可以不失一般性地使用任何函数P′(i)、Q′(d)和R′(k)。然而，必须小心的是，如果使用过小的精度就会出现位率的增加。还应当注意，在位率和复杂度之间存在固有的折衷，并且对于大值的m、n来说，1或2位的增加对于复杂度的有效降低可以是合理的折衷。

图2是解码器200的框图。如图所示，解码器200包括组合解码电路(解码器)206、信号重构电路210、其他解码电路204以及组合函数生成器108。在运算期间，组合解码电路206接收组合码字。组合解码电路206向组合函数生成器提供n和d，并且接收F′(n，d)作为响应。然后，解码电路206基于F′(n，d)创建矢量x_i。向信号重构电路210传递矢量x_i，其中基于x_i和来自其他解码电路204的其他参数创建了输出信号(例如，语音、音频、图像、视频或其他信号)。更具体的，其他参数可以包括任何数量的信号重构参数，该信号重构参数与在具体实施例中使用的信号编码范式相关联。这些可以包括，但不限于，信号缩放和能量参数以及频谱整形和/或合成滤波器参数。通常地，这些参数用于以重现最终输出信号的方式来缩放重构信号矢量x_i的能量和/或频谱地整形重构信号矢量x_i。

图3是示出图1和图2的组合函数生成器的运算的流程图。更具体地，图4的逻辑流程示出了组合函数生成器108产生F′(n，d)所必需的那些步骤。逻辑流程开始于步骤302，其中接收输入n和d。在步骤303，将累加器A设置为0。在步骤304，将计数器i设置为等于n-d+1。在步骤306，对数近似P′(i)被添加到累加器A。在步骤310，计数器i递增1。在循环中重复步骤306和310直至计数器i大于n。步骤312测试i＞n，并且当i变得大于n时，终止该循环。在这个阶段，累加器包含组合函数F(n，d)分子的对数近似。在步骤316，从累加器减去组合函数Q′(d)分母的对数近似，以获得该组合函数的对数近似。在步骤318，取累加器的指数近似P′(A)，以生成该组合函数的近似B。在步骤314，B作为F′(n，d)被输出。

图4是示出图1编码器的运算的流程图。逻辑流程开始于步骤410，其中矢量生成器102接收输入信号。如上所讨论的，输入信号可以包括语音、音频、图像、视频或其他信号。在步骤403，产生矢量x_i，并且将该矢量输入组合编码电路106，其中m和d被确定并传递到组合函数生成器108。如上所讨论的，m是单位振幅脉冲的总数(或者xi整数值分量的绝对值的总和)，并且d是x_i的非零矢量元素数。在步骤405，组合函数生成器108生成F′(n，d)，并且将其传递到组合编码电路106，其中编码矢量x_i以生成组合码字C(步骤407)。如上所讨论的，利用原始函数的低复杂度近似，通过在F(n，d)中替换函数P(i)、Q(d)和R(k)来创建F′(n，d)，以便满足在等式10和11中给出的条件。

图5是示出图2解码器的运算的流程图。逻辑流程开始于步骤501，其中组合解码器206接收码字。在步骤503，从组合解码器206向组合函数生成器108传递n和d，并且将F′(n，d)返回到解码器206(步骤505)。解码器206基于F′(n，d)解码码字(步骤507)，以生成矢量x_i，并且向信号重构电路210传递x_i，在信号重构电路210中创建输出信号(步骤509)。

表格1示出相比于现有技术与本发明相关联的复杂度降低。对于不同m和n的值，给出了相关联的位数M和每帧函数调用F(n，m)的平均数。对于这些示例，帧长度间隔是20ms，其对应于每秒50帧的速率。用于复杂度比较的测量单位是加权的每秒成百万的运算或WMOPS。由于将在限制精度定点DSP上执行，所以使用计算机仿真来生成复杂度的估计。对于这些示例，适当地时候使用多精度库，并且为每个基元指令分配了适当的权重。例如，给乘法和加法一个运算的权重，同时给基元除法和超越(例如，2^x)运算25个运算的权重。根据该表，容易看出使用F′(n，d)提供对现有技术的有效复杂度降低，并且复杂度的成比例降低增加且n和m增加。对于F(144，60)情况，示出该复杂度的降低高达两个数量级，但是随着n和m进一步增加，还会继续增长。这主要是由于在现有技术中执行精确组合表达式所需的操作数的精度增长而导致的。这些运算证明导致了过多的复杂度负担，并且实际上未考虑作为一种用于编码潜在具有大m和n的矢量的方法的阶乘脉冲编码。通过仅请求单周期低精度运算外加少量存储器存储，以产生这类编码所需要的复杂组合表达式的估计，本发明解决了这些问题。

表格1：F(n，m)相对于F′(n，m)的复杂度比较

以下正文和等式实现以上技术，用于编码和解码到第三代合作伙伴项目2(3GPP2)C.P0014-C规范中，该规范用于增强型可变速率编解码、用于宽带扩频数字系统的语音业务选项3、68和70。

4.13.5MDCT剩余线谱量化(Residual Line Spectrum Quantization)

将被称为剩余线谱的MDCT系数以类似于4.11.8.3的FCB阶乘码簿(factorial codebook)的方式量化。基本上，假定长度n矢量v具有性质 $m={\mathrm{\Σ}}_{i=0}^{n-1}\left|v_i\right|$ 且所有元素v_i是整数值，则可以实现N＝ⁿFPC_m可能组合的阶乘编码。即，v的整数元素的绝对值的和等于m。对于这种情况，我们希望编码X_k的能量缩放的形式(version)，以使：

$m=\underset{k=0}{\overset{143}{\mathrm{\Σ}}}\left|\mathrm{round}\right\{{\mathrm{\γ}}_m{X}_k\left\}\right|,---(\mathrm{4.13.5}-1)$

其中γ_m是全局缩放因子，并且范围0到143对应于频率范围0到3600Hz。对于这种情况，m可以是用于NB的28或用于WB输入的23。根据以下伪代码来迭代地确定用以实现以上目的γ_m的值(用于非零||X_k||²)：

   /*Initialization*/

e_min＝-100，e_max＝20

$e=\max \{e_{\min },-{10\log }_{10}\left({\left|\right|X_k\left|\right|}^2\right)/1.2\}$

s＝+1，Δ_e＝8

/*main loop*/

do{

  γ_m＝10^e/20

$m^{\′}=\underset{k=0}{\overset{143}{\mathrm{\Σ}}}\left|\mathrm{round}\right\{{\mathrm{\γ}}_m{X}_k\left\}\right|$

if(m′＝＝m)  then break

else if(m′＞m and s＝＝+1)  then s＝-1，Δ_e＝Δ_e/2

else if(m′＜m and s＝＝-1)  then s＝+1，Δ_e＝Δ_e/2

end

e＝e+s·Δ_e

}while e≤e_max and Δ_e≥Δ_min

然后量化的剩余线谱X_cc被计算为：

$X_{\mathrm{cc}}\left(k\right)=\left\{\begin{array}{cc}\mathrm{round}\left\{{\mathrm{\&gamma;}}_m{X}_k\right\};& 0\&le;k<144\\ 0;& 144\&le;k<160\end{array}\right.,---(\mathrm{4.13.5}-2)$

在极少情况下，如果m和m′的值不同，则通过加上或减去单位值将线谱修改为量化线谱X_cc。这保证了使用阶乘编码方法可以可靠地编码作为结果的线谱。表示线谱X_cc的输出指数被标示为RLSIDX。该指数对于¹⁴⁴FPC₂₈的情况包括131位，并且对于¹⁴⁴FPC₂₃的情况包括114位。

为了解决与编码和解码矢量X_cc相关联的复杂度问题，用低分解度组合近似函数F′(n，r)来代替标准组合关系F(n，r)＝ⁿC_r＝n！/r！(n-r)！。具体地，编码器和解码器都利用具有F′(n，r)≥F(n，r)和F′(n，r)≥F′(n-1，r)+F′(n-1，r-1)性质的组合函数生成器F′(n，r)，其足以唯一地编码/解码矢量X_cc。函数F′(n，r)，如下式给出：

$F^{\&prime;}(n,r)=R^{\&prime;}(\underset{i=n-r+1}{\overset{n}{\mathrm{\&Sigma;}}}{P}^{\&prime;}\left(i\right)-Q^{\&prime;}\left(r\right)),---(\mathrm{4.13.5}-3)$

其中如下式给出的P′(i)和Q′(r)是32位查找表：

i∈[1，2，...，144]，(4.13.5-4)

并且

并且其中R′(k)是如下式给出的函数R′(k)≈2^k的多精度整数近似：

其中将k＝k_i+k_f分解为k的整数和分数分量，并且 $K_f=2^{k_f}$ 为k的分数分量的泰勒级联展开。这些运算通过用32位加法和后接多精度移位运算的低复杂度泰勒级数近似来替换多精度乘法和除法运算，有效地降低在计算组合表达式中所必需的复杂度。编码/解码运算的所有其他分量与4.11.8.3中的类似。

尽管已经参考具体实施例具体示出了并且描述了本发明，但是本领域技术人员应当理解，在不背离本发明的精神和范围的情况下，可以做出各种形式和细节上的改变。希望这样的改变在下列权利要求的范围之内。

权利要求书(按照条约第19条的修改)

1.一种用于组合编码和解码的方法，所述方法包括以下步骤：

接收包括语音、音频、图像或视频的矢量；

基于所述矢量中位置的数量接收值n；

基于所述矢量内占有位置的数量接收值d；

基于n和d生成F′(n，d)，其中F′(n，d)与F(n，d)有关，以使F′(n，d)＞F(n，d)并且F′(n，d)＞F′(n-1，d)+F′(n-1，d-1)，并且其中 $F(n,d)=\frac{n!}{d!(n-d)!},$ 其中生成F′(n，d)的步骤包括生成下式的步骤

$F^{\&prime;}(n,d)=R^{\&prime;}(\underset{i=n-d+1}{\overset{n}{\mathrm{\&Sigma;}}}{P}^{\&prime;}\left(i\right)-Q^{\&prime;}\left(d\right)),$

其中，P′(i)、Q′(d)和R′(k)分别是函数P(i)＝log_a(i)、 $Q\left(d\right)={\mathrm{\&Sigma;}}_{j=1}^d{\log }_a\left(j\right)$ 和R(k)＝a^k的近似，其中a是任意对数底；

使用F′(n，d)编码或解码所述矢量，以产生编码的或解码的语音、音频、图像或视频；以及

输出所述编码的或解码的语音、音频、图像或视频。

2.一种装置，包括：

矢量生成器，接收包括语音、音频、图像或视频的矢量，并且输出矢量X_cc；

组合函数生成器，生成具有性质F′(n，r)＞F(n，r)和F′(n，r)＞F′(n-1，r)+F′(n-1，r-1)的函数F′(n，r)，其中F′(n，r)用于编码/解码所述矢量X_cc，并且其中函数F′(n，d)如下式给出：

$F^{\&prime;}(n,r)=R^{\&prime;}(\underset{i=n-r+1}{\overset{n}{\mathrm{\&Sigma;}}}{P}^{\&prime;}\left(i\right)-Q^{\&prime;}\left(r\right)),$

其中，P′(i)和Q′(r)如下式给出：

i∈[1，2，...，144]

并且

并且，其中R′(k)是函数R′(k)≈2^k的近似，如下式给出：

其中，将k＝k_i+k_f分解成k的整数和分数分量，并且 $K_f=2^{k_f}$ 是k的分数分量的泰勒级数展开；以及

编码器，接收F′(n，r)和矢量，并且基于所述矢量X_cc和F′(n，r)输出编码的语音、音频、图像或视频。

3.一种装置，包括：

组合函数生成器，输出具有性质F′(n，r)＞F(n，r)和F′(n，r)＞F′(n-1，r)+F′(n-1，r-1)的函数F′(n，r)，其中F′(n，r)用于唯一地编码/解码矢量X_cc，并且其中函数F′(n，r)如下式给出：

$F^{\&prime;}(n,d)=R^{\&prime;}(\underset{i=n-d+1}{\overset{n}{\mathrm{\&Sigma;}}}{P}^{\&prime;}\left(i\right)-Q^{\&prime;}\left(d\right)),$

其中，P′(i)和Q′(r)如下式给出：

i∈[1，2，...，144]

并且

并且，其中R(k)是函数R′(k)≈2^k的近似，如下式给出：

其中，将k＝k_i+k_f分解成k的整数和分数分量，并且 $k_f=2^{k_f}$ 是k的分数分量的泰勒级数展开；以及

解码器，接收F′(n，r)和码字，并且基于所述码字和F′(n，r)输出语音、音频、图像或视频矢量。

4.一种用于组合编码和解码的方法，所述方法包括以下步骤：

接收包括语音、音频、图像或视频的矢量；

基于所述矢量中位置的数量来接收值n；

基于所述矢量内占用位置的数量来接收值d；

基于n和d的组合函数的对数近似来生成值；

基于所述n和d的组合函数的对数近似来生成值F′(n，r)，使得 $F^{\&prime;}(n,d)>\frac{n!}{d!(n-d)!}$ 并且F′(n，d)＞F′(n-1，d)+F′(n-1，d-1)；以及

使用所述值F′(n，r)来编码或解码所述矢量，以产生编码的或解码的语音、音频、图像或视频。

5.根据权利要求4所述的方法，其中基于所述n和d的组合函数的所述对数近似而生成所述值的步骤，进一步包括生成值Q′(d)的步骤，其中Q′(d)是函数 $Q\left(d\right)={\mathrm{\&Sigma;}}_{j=1}^d{\log }_a\left(j\right)$ 的近似，其中a是对数底。

6.根据权利要求4所述的方法，其中基于所述n和d的组合函数的所述对数近似而生成所述值的步骤，进一步包括生成值Q′(d)的步骤，其中

其中l(j)是移位因子。

7.一种装置，包括：

矢量生成器，接收包括语音、音频、图像或视频的矢量；

组合函数生成器，基于所述矢量中位置的数量接收值n、基于所述矢量内占有位置的数量接收值d、基于n和d的组合函数的对数近似而生成值，以及基于n和d的所述组合函数的对数近似而生成F′(n，d)，以使 $F^{\&prime;}(n,d)>\frac{n!}{d!(n-d)!}$ 并且F′(n，d)＞F′(n-1，d)+F′(n-1，d-1)；以及

编码器/解码器，使用所述值F′(n，d)来编码或解码所述矢量，以生成编码的或解码的语音、音频、图像或视频。

8.根据权利要求7所述的装置，其中所述组合函数生成器基于Q′(d)生成所述值，其中Q′(d)是函数 $Q\left(d\right)={\mathrm{\&Sigma;}}_{j=1}^d{\log }_a\left(j\right)$ 的近似，其中a是对数底。

9.根据权利要求7所述的装置，其中所述组合函数生成器基于Q′(d)生成所述值，其中

其中l(j)是移位因子。

10.根据权利要求7所述的装置，其中F′(n，d)＝R′(k)，其中R′(k)是函数ak的近似，并且其中a是对数底。

Claims (11)

1.一种用于组合编码和解码的方法，所述方法包括以下步骤：

基于矢量中位置的数量接收值n；

基于所述矢量内占有位置的数量接收值d；

基于n和d生成F′(n，d)，其中F′(n，d)是F(n，d)的估计，使得F′(n，d)＞F(n，d)并且F′(n，d)＞F′(n-1，d)+F′(n-1，d-1)，并且其中 $F(n,d)=\frac{n!}{d!(n-d)!};$ 以及

使用F′(n，d)编码或解码所述矢量。

2.根据权利要求1所述的方法，其中生成F′(n，d)的步骤包括生成下式的步骤：

$F^{\&prime;}(n,d)=R^{\&prime;}(\underset{i=n-d+1}{\overset{n}{\mathrm{\&Sigma;}}}{P}^{\&prime;}\left(i\right)-Q^{\&prime;}\left(d\right)),$

其中P′(i)、Q′(d)和R ′(k)分别是函数P(i)＝log_a(i)、 $Q\left(d\right)={\mathrm{\&Sigma;}}_{j=1}^d{\log }_a\left(j\right)$ 和R(k)＝a^k的近似。

3.根据权利要求1所述的方法，其中生成F′(n，d)的步骤包括生成F′(n，d)，使得F′(n，d)≥F(n，d)并且F′(n，d)≥F′(n-1，d)+F′(n-1，d-1)的步骤。

4.根据权利要求2所述的方法，其中P′(i)和Q′(r)如下式给出：

i∈[1，2，...，144]

并且

并且其中，R′(k)是函数R′(k)≈2^k的近似，如下式给出：

其中，将k＝k_i+k_f分解成k的整数和分数分量，并且 $K_f=2^{k_f}$ 是k的分数分量的泰勒级数展开。

5.根据权利要求2所述的方法，其中F′(n，d)基于以下函数：

6.根据权利要求2所述的方法，其中F′(n，d)基于以下函数：

7.根据权利要求2所述的方法，其中F′(n，d)基于以下函数：

其中，将k＝k_i+k_f分解成k的整数和分数分量，并且 $K_f=a^{k_f}$ 是k的分数分量的泰勒级数展开。

8.一种装置，包括：

组合函数生成器，生成具有性质F′(n，r)≥F(n，r)和F′(n，r)≥F′(n-1，r)+F′(n-1，r-1)的函数F′(n，r)，其中F′(n，r)用于编码/解码矢量X_cc，并且其中F′(n，d)如下式给出：

$F^{\&prime;}(n,r)=R^{\&prime;}\left(\stackrel{n}{\underset{i=n-r+1}{\mathrm{\&Sigma;}}}{P}^{\&prime;}\left(i\right)-Q^{\&prime;}\left(r\right)\right),$

其中，P′(i)和Q′(r)如下式给出：

i∈[1，2，...，144]

并且

并且，其中R′(k)是函数R′(k)≈2^k的近似，如下式给出：

其中，将k＝k_i+k_f分解成k的整数和分数分量，并且 $K_f=2^{k_f}$ 是k的分数分量的泰勒级数展开；以及

编码器，接收F′(n，r)和矢量，并且基于所述矢量X_cc和F′(n，r)输出码字。

9.一种装置，包括：

组合函数生成器，输出具有性质F′(n，r)≥F(n，r)和F′(n，r)≥F′(n-1，r)+F′(n-1，r-1)的函数F′(n，r)，其中F′(n，r)用于唯一地编码/解码矢量X_cc，并且其中F′(n，r)如下式给出：

$F^{\&prime;}(n,d)=R^{\&prime;}(\underset{i=n-d+1}{\overset{n}{\mathrm{\&Sigma;}}}{P}^{\&prime;}\left(i\right)-Q^{\&prime;}\left(d\right)),$

其中，P′(i)和Q′(r)如下式给出：

i∈[1，2，...，144]

并且

并且，其中R(k)是函数R′(k)≈2^k的近似，如下式给出：

其中，将k＝k_i+k_f分解成k的整数和分数分量，并且 $K_f=2^{k_f}$ 是k的分数分量的泰勒级数展开；以及

解码器，接收F′(n，r)和码字，并且基于所述码字和F′(n，r)输出矢量。

10.一种装置，包括：

组合函数生成器，基于矢量中位置的数量接收值n、基于所述矢量内占有位置的数量接收值d以及基于n和d生成F′(n，d)，其中F′(n，d)是F(n，d)的估计，使得F′(n，d)＞F(n，d)并且F′(n，d)＞F′(n-1，d)+F′(n-1，d-1)，并且其中 $F(n,d)=\frac{d!}{d!(n-d)!};$ 以及

编码器，使用F′(n，d)编码所述矢量，并且输出码字。

11.一种装置，包括：

组合函数生成器，基于矢量中的位置的数量接收值n、基于所述矢量内占有位置的数量接收值d以及基于n和d生成F′(n，d)，其中F′(n，d)是F(n，d)的估计，使得F′(n，d)＞F(n，d)并且F′(n，d)＞F′(n-1，d)+F′(n-1，d-1)，并且其中 $F(n,d)=\frac{n!}{d!(n-d)!};$ 以及

解码器，使用F′(n，d)解码码字，并且输出所述矢量。

Images