【摘 要】语义压缩编码方法通过开辟信息表征新维度,能够显著提高压缩效率,因而受到广泛关注。旨在通过语义表征与编码实现语音信源的高效压缩:首先,面向语音信源内容、韵律、音调、音色四方面特性,提出多层语义表征框架,实现语音语义的综合表征;基于此框架,利用矢量量化方法与哈夫曼编码方法,构建语音语义知识库,进一步提高语音压缩效率。仿真结果表明,相较于经典低比特率语音压缩方法,所提方法能够显著提高信源压缩效率。
【关键词】语义压缩;语音编码;语义知识库;深度神经网络
0 引言
数字化的语音信号数据量庞大,为了减少存储语音时的容量和传输语音时占用信道的带宽,亟需研究语音信源高效压缩编码技术。传统语音信源的压缩方法是利用信息的符号性冗余实现压缩,属于语法层次的信息处理方法,即把数据看作a连续的符号序列逐个处理,忽略了符号之间复杂的依赖关系。
近年来,语义压缩正在成为语音压缩编码技术新的关注点,其核心思想是在语义层次对信息进行处理,利用符号间相关性充分理解信息的含义,进一步压缩数据。目前,围绕文本[1-3]、语音[4-8]、图像[9-11]、视频[12-13]等信源模态展开的语义通信模型能够在保证信息语义保真的条件下进行低成本的传输,展示了语义压缩的巨大潜能,但现有的关于语音语义通信的工作大多聚焦于通信系统的实现,语音语义提取方法比较单一。
本文首先面向语音信源特性,从内容、韵律、音调、音色四部分分析语音信源的语义组成,提出多层语义表征框架;基于此框架,利用矢量量化方法与哈夫曼编码方法