小波分解滤波器组和重构滤波器组的构造方法

摘要

本发明涉及现代信息处理领域中一个快速发展的分枝——数据压缩技术,特别涉及一种小波分解滤波器组和重构滤波器组的构造方法。本发明编码过程为(1)移入新样本于缓冲池,同时从缓冲池中移出旧的样本;(2)将该缓冲池中的序列分别与多个小波分析滤波器卷积,并进行临界再采样,获分解序列对应的频带,由于子带的非均匀性,各子带的再采样率是不一样的;至此获得多个频带上的分解样本。本发明能适合人类听觉特点,使声音在各个频带范围内均能适合人耳敏感程度变化,减小处理过程中产生的误差失真。

说明书

本发明涉及现代信息处理领域中一个快速发展的分枝——数据压缩技术，特别涉及一种小波分解滤波器组和重构滤波器组的构造方法。

在现有音视频信号的压缩方法，都采用了子带分解来进行压缩编码。在MP1,MP2,MP3,DILBY AC-3,AAC都是将样本分解到32个等宽子带，进而通过心理声学模型对各个子带样本进行压缩。然而由于人类听觉特点呈现非等带宽的频带组合，在各个频带范围内人耳对声音的敏感程度有明显的不同；因此等分子带的方法并不适合人耳的听觉特点，对利用心理声学模型进行压缩带来不利的影响。

而小波分析可以灵活地将频带非等带宽化。同时小波具有更佳的能量汇聚特性，因此本发明基于小波包方法构造了基于人类听觉特征的非等宽子带滤波器以取代现有方法中的等带宽子带滤波器。为在保证重构音质透明的情况下进一步提高压缩比提供了可能。

现有小波包分解方法的描述及其缺点：

利用小波包对信号序列进行处理时最常用的方法是Mallat方法，其处理过程描述如下：

(1)在分析过程中需要把信号与分解滤波器(包括高通和低通滤波器)进行卷积，然后进行下采样(2抽1)；

(2)重复过程(1)直至到达小波包二叉树相应的子带结点；

(3)在重构过程中则需要把每一叶子结点上的小波系数与重构滤波器进行卷积，然后进行上采样，直至回到小波包二叉树的根结点。

这种方法的最大缺点是：在实现卷积的数值处理过程中不可避免地会多次引入截断误差，而每次卷积之后的上、下采样则会使该误差扩散，多次重复这一过程则会导致误差累积。

本发明的目的是提供一种小波包方法获得的非等带宽的多相滤波器组，能适合人类听觉特点，使声音在各个频带范围内均能适合人耳敏感程度变化，减小处理过程中产生的误差失真。

本发明对Mallat方法的这一流程进行了改进，利用卷积处理对线性系统满足结合律这一特点，先把各分解和重构层次上的单个小波滤波器作卷积而不作任何截断，构成对应于子带的大滤波器组，这样源信号与该大滤波器组只要进行一次卷积即完成子带划分，最大限度地减小了截断误差，而且运算速度明显提高。由此得到每个子带上各自的分解与重构滤波器组，可以方便地对音频信号进行非等带宽的子频带划分并能随时进行调整，能较好地满足心理声学模型的要求，在保证音质的前提下进一步提高压缩比。

本发明的具体处理方法为：编码过程为

(1)移入新样本于缓冲池，同时从缓冲池中移出旧的样本；

(2)将该缓冲池中的序列分别与多个小波分析滤波器卷积，并进行临界再采样，获分解序列对应的频带，由于子带的非均匀性，各子带的再采样率是不一样的；至此获得多个频带上的分解样本。

解码过程：

(1)相应于编码过程(2)中的再采样，将各子带上的样本间插零值；

(2)将各子带的样本对应移入多个重构缓冲池；

(3)将多个缓冲池中的序列与合成滤波器组分别卷积得到多个数据，将多个点对应相加形成多点序列，输出值即为重构序列。

与现有技术相比较所具有的有益效果

本发明方法采用了小波包方法获得了非等带宽的多相滤波器组，该滤波器组与MPEG采用的多相滤波器组相比得到的子带划分能更好地符合人类的临界子带，为在保证音质透明的条件下提高压缩比提供了可能。此外，本发明通过对双正交小波滤波器的卷积和上下采样运算的频域特征分析，一方面利用卷积对线性系统满足结合律的特点，可把各个小波滤波器先进行卷积运算；另一方面考虑在上下采样的影响来控制各个小波滤波器在小波包分解与合成树中所处的位置，由此可得到相应的子带划分多相滤波器组。采用此方法对宽带音频信号如各种性质的音乐进行处理，在音质水平相同的情况下，本发明方法在编解码的计算速度和压缩比两方面都达到了较好的程度。

图1为本发明编码器结构图。

图2为本发明编码器结构图。

图3为小波包分解树(由上至下)和合成树(由下至上)示意图。

图3中其中：LD,HD为相应的分解低通和高通滤波器；LR,HR为相应的重构低通和高通滤波器。

考虑一7层满树分解系统，采用DB-10小波，如采用逐层分解的方法(即Mallat方法)，然后以相反的过程重构，为完全抵消截断效应，则每一次需取帧长为(1144+新点数)个点，而连续两帧之间的重叠为1144点，才能获得完全重构的新点，其它1144个点均为失真点，可见这1144个点是没用的，而如果重迭点数不够，则截断误差就会扩散到新点内。

而利用本发明采用的小波分解和重构滤波器，结合以下方法流程，就可以不用计算这些失真点，因而极大地减少了计算量。以128点新点数，16个子带为例的基本编码过程：

(1)移入128点新样本于缓冲池，同时从缓冲池中移出128点最旧的样本；

(2)将该缓冲池中的序列分别与16个小波分析滤波器卷积，并进行临界再采样，获16个分解序列对应16个频带，由于子带的非均匀性，各子带的再采样率是不一样的；至此获得了16个频带上的分解样本。

基本的解码过程：

(1)相应于编码过程(2)中的再采样，将各子带上的样本间插零值；

(2)将各子带的样本对应移入重构缓冲池(16个重构缓冲池)；

(3)将16个缓冲池中的序列与合成滤波器组分别卷积各得128个数据，将16个128点对应相加的一128点序列，该序列即为输出值；

(4)输出128点，即为重构序列。

现有小波包分解方法的局限性：目前，利用小波对信号进行处理时，为进一步提高频率分辨率，需要将信号继续分解，通常的做法是进行类Mallat算法，如图3所示。

传统的做法是逐层分解和逐层合成，其具体方法如下所述：

在分析过程中将信号与分解滤波器进行卷积，然后进行下采样，重复这一过程直至到达二叉树相应的子带结点；

而在重构过程中则需要把每一叶子结点上的小波系数与重构滤波器进行卷积，然后进行上采样(一般为添零)，直至回到二叉树的根结点。

很显然，在实现卷积的数值计算过程中不可避免地会多次引入截断误差，而每次卷积之后的上、下采样则会使该误差扩散，多次重复这一过程则会导致误差累积。当层次较深时，误差甚至会扩散到整个子带上，从而整个子带上的数据都成为虚假数据。

因此，本发明中小波分解和重构滤波器的获得是通过预先卷积滤波器，可以完全避免中间各层的截断误差，将总的截断误差限制在最小范围内。同时计算量也得到降低。

本发明中小波分解和重构滤波器的获得：本发明利用卷积对线性系统满足结合律的特点，可把各个小波滤波器先进行卷积运算；另一方面考虑上下采样的影响来控制各个小波滤波器在小波包分解与合成树中所处的位置，由此可得到相应的子带划分多相滤波器组。

其对应的公式如下所示：

其中：S1,D1：输入信号；

      f1,f2：小波分解滤波器

      rf1,rf2：小波重构滤波器

      ：下采样n倍

      ：上采样n倍

设所采用小波包二叉树如图4的三层小波包二叉树，以子带2为例进行说明，设源信号序列为resSig，子带2上得到的分解系数序列为sub2Sig，分解低通小波滤波器为LD，分解高通小波滤波器为HD，^*为卷积运算，则该子带分解滤波器及该子带分解序列的生成方法为：  DecFilter2=LD1^*(LD2----上采样2倍)^*(HD4----上采样4倍)；

Sub2Sig=(resSig^*DecFilter2)---下采样8倍；

其中bigFilter2为该子带最终生成的分解滤波器。

上采样为间插零。

Sub2Sig为已下采样的该子带的分解序列。

若低通小波重构滤波器为LR，高通小波重构滤波器为HR，^*为卷积运算，则该子带分解滤波器和该子带合成序列的生成方法为：    RecFilter2=(HR4---上采样4倍)^*(LR2---上采样2倍)^*LR1；    Rec2Sig=(Sub2Sig---上采样8倍)^*sub2Sig；

其中RecFilter2为该子带最终生成的合成滤波器。

Rec2Sig为该子带的合成序列。所有各子带上的合成序列对应相加即为合成样本。其它分解子带滤波器和重构滤波器可以由类似的方法得到。