CN104078047A - 基于语音多带激励编码lsp参数的量子压缩方法 - Google Patents

Abstract

本发明公开了一种基于语音多带激励编码LSP参数的量子压缩方法，涉及编码技术领域。通过参数提取、压缩、排序，将语音的LSP参数转换为经典二进制序列，长度为经典二进制8比特，应用幺正变换U，对不同子空间的输入序列进行变换，发送端对|ψ′〉的第八个比特进行测量，接收端对所接收的信息后面添加|0〉，并进行解压缩操作，将得到的八位态矢对应至经典二进制信息，生成最终的LSP参数，对码本按照选中的参数次数进行排序。本发明利用量子与语音压缩进行结合应用的语音模型多带激励模型，合理的利用各态矢之间的相关性，填补现有技术的空白，满足人们的使用需求。

Description

基于语音多带激励编码LSP参数的量子压缩方法

技术领域：

本发明涉及编码技术领域，尤其涉及一种基于语音多带激励编码LSP参数的量子压缩方法。

背景技术：

在经典通信领域，传输的信息具有一定的冗余性，去除信息冗余以减少传输信息比特的方法称为压缩，信息的压缩可以起到节约资源的目的。在量子通信领域，也要进行量子压缩，以达到节约传输量子比特的目的。

现有的量子压缩编码的方法是在量子信息论的基础上提出来的，主要有分布式压缩，固定长度压缩，变长压缩等。而且，量子压缩算法具体的应用只在图像压缩方面。其中：

分布式压缩是指将源量子态分发至两个或更多的小组中，每个小组在发送消息至接收方前，对分到的量子态进行独立压缩，而接收方可以据此重建原始输入。该类压缩方式，不能合理的利用各态矢之间的相关性，因此只在理论上进行了验证，而无实例。

在固定长度压缩中，需要信源的密度矩阵，并称密度矩阵的特征值张量空间为典型子空间，发送的信源信息在发送端判断是否为典型序列，若为典型序列，则可以用较少的量子比特来发送；若非典型序列，则任意发送典型子空间内的任一序列至接收端。

变长压缩是将量子码字通过幺正变换变为长度缩短的新量子码字，并通过其他渠道将原量子码字的长度告知接收端，由接收端根据收到的量子码字及原码字长度，对接受码字添加一定个数的0，使码字长度恢复原长，再进行该幺正变换的逆变换而恢复原量子码字。

还有学者提出了基于量子神经模型和人工神经网络的量子反向传播(quantum reverse propagation，QBP)算法，并用于图像压缩，用更少的学习迭代过程得到了比BP算法更好的重建图像质量。

因此，到目前为止，已经有很多人研究了量子压缩问题，但是并未有人将量子与语音压缩进行结合的实例。

多带激励(Multi-Band Excitation，MBE)模型是Griffin和Lim于1988年针对传统二元模型中的缺点提出一种新的语音模型。简单的二元清/浊音模型中，将一整段语音完全判决为清音或者浊音，但在实际语音中，这一段语音可能既含有清音又含有浊音，如果根据某个标准只判决为一种，那么可能会在合成语音中产生嗡嗡声。

发明内容：

针对上述问题填补该领域的空白，本发明基于语音多带激励编码LSP参数的量子压缩方法，以256大小的码本为例包括如下步骤：

1)通过参数提取、压缩、排序，将语音的LSP参数转换为经典二进制序列，长度为经典二进制8比特；

2)将二进制的0和1分别对应到量子态的|a〉和|b〉可以得到|aaaaaaaaa〉，|aaaaaaaab〉…|bbbbbbbbb〉256种态矢；

3)据表1，将|M〉＝{|aaaaaaaa〉，|aaaaaaab〉…|bbbbbbbb〉}划分为概率较大的正交空间

$\mathrm{\Ω}=\left\{\begin{array}{c}|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,\\ |{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|\↔\⟩\end{array}\right\},$

以及概率较小的正交补子空间

${\mathrm{\Ω}}^{\⊥}=\left\{\right|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|\↔\⟩\}$

其中，表示其中|λ_a〉和|λ_b〉的个数与前相同但位置不同的量子态矢；

4)应用幺正变换U，对不同子空间的输入序列进行变换；

5)发送端对|ψ′〉的第八个比特进行测量；

6)接收端对所接收的信息后面添加|0〉，并进行解压缩操作，可以得到如下两种状态之一

7)将得到的八位态矢对应至经典二进制信息，生成最终的LSP参数。

作为优选，所述LSP参数采用码本的形式进行压缩和传输；每一组LSP参数是10维的向量，当一帧语音输入需要压缩时，从码本中来寻找与该向量最接近的向量，只传输该码本的编码即可，如果码本的大小为N，则需要传输的经典比特个数为log₂N。

作为优选，所述语音的LSP参数提取自包含中外男女老少语音的语音库，用N大小的码本进行压缩，记录码本内LSP参数被选中的次数，并按照选中次数进行排序；以N＝256为例，将选中次数最多的LSP参数编码为00000000，其次的为00000001，再次为00000010。

作为优选，所述编码原则为选中的次数越多，参数编码中包含0的个数越多；反之，则包含1的个数最多。

作为优选，所述对|ψ′〉的第八个比特进行测量时测量结果为0，则信息态为|fghijkl0〉，则证明将发送的量子比特为|fghijkl〉为典型态|ψ_typ〉，用|ψ_comp1〉表示，经信道发送|ψ_comp1〉；测量结果为1，则信息态为|zyxwvut1〉，则证明发送的量子比特为非典型态|zyxwvut〉，即|ψ_comp2〉，经量子信道发送|ψ_comp2〉，其中|ψ_com〉满足典型态。

本发明有益效果：本发明填补了该领域的空白，将量子压缩方法运用于多带激励模型中，对码本按照选中的次数进行排序，把一段语音划分成更小的子带，在每个子带中进行判决，大大接近实际语音情况，提高了合成语音的质量，合理的利用各态矢之间的相关性，满足人们的使用需求。

附图说明：

为了易于说明，本发明由下述的具体实施及附图作以详细描述。

图1为本发明编码流程图；

图2为本发明LSP参数压缩流程图。

具体实施方式：

如图1所示，本具体实施方式采用以下技术方案：以256大小的码本为例的量子压缩的步骤如下：

1)通过参数提取、压缩、排序，将语音的LSP参数转换为经典二进制序列，长度为经典二进制8比特；

2)将二进制的0和1分别对应到量子态的|a〉和|b〉可以得到|aaaaaaaaa〉，|aaaaaaaab〉…|bbbbbbbbb〉256种态矢。

3)据表1，将|M〉＝{|aaaaaaaa〉，|aaaaaaab〉…|bbbbbbbb〉}划分为概率较大的正交空间

$\mathrm{\Ω}=\left\{\begin{array}{c}|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,\\ |{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|\↔\⟩\end{array}\right\},$

以及概率较小的正交补于空间

${\mathrm{\Ω}}^{\⊥}=\left\{\right|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|\↔\⟩\}$

其中，表示其中|λ_a〉和|λ_b〉的个数与前相同但位置不同的量子态矢。

4)应用幺正变换U，对不同子空间的输入序列进行变换：

对于163个典型态，转换为

对于93个非典型态，转换为即所得结果为|ψ′〉＝U|ψ〉。

5)发送端：对|ψ′〉的第八个比特进行测量

测量结果为0，则信息态为|fghijkl0〉，则证明将发送的量子比特为|fghijkl〉为典型态|ψ_typ〉，用|ψ_comp1〉表示，经信道发送|ψ_comp1〉；

测量结果为1，则信息态为|zyxwvut1〉，则证明发送的量子比特为非典型态|zyxwvut〉，即|ψ_comp2〉，经量子信道发送|ψ_comp2〉，其中|ψ_com〉满足典型态。

6)接收端：对所接收的信息后面添加|0〉，并进行解压缩操作，可以得到如下两种状态之一

将得到的八位态矢对应至经典二进制信息，生成最终的LSP参数。

如图2所示的，LSP参数在经典通信领域采用码本的形式进行压缩和传输。每一组LSP参数是10维的向量。当一帧语音输入需要压缩时，从已经准备好的码本中来寻找与该向量最接近的向量，只传输该码本的编号即可。如果码本的大小为N，则需要传输的经典比特个数为log₂N。

将包含中外男女老少语音的语音库作为语音输入，提取该库内语音的LSP参数后，用N大小的码本进行压缩，记录码本内LSP参数被选中的次数，并按照选中次数进行排序。以N＝256为例，将选中次数最多的LSP参数编号为00000000，其次的为00000001，再次为00000010。编码原则为选中的次数越多，参数编号中包含0的个数越多；反之，则包含1的个数最多。

这样，在信道上传递的LSP参数即为一系列经典二进制序列。将经典信息的0，1对应为量子纯态的|a〉，|b〉，并进行量子压缩。

$\left\{\begin{array}{c}|a\⟩=|0\⟩=\left(\begin{array}{c}0\\ 1\end{array}\right)\\ |b\⟩=\frac{1}{\sqrt{2}}\left(\right|0\⟩+|1\⟩)=\frac{1}{\sqrt{2}}\left(\begin{array}{c}1\\ 1\end{array}\right)\end{array}\right.$

计算信息的符号密度算符ρ＝p_a|a〉〈a|+p_b|b〉〈b|，并求出ρ的特征向量|λ_a〉和|λ_b〉。选择的符号信息满足ρ的特征向量完备正交的条件，因此|λ_a〉和|λ_b〉构成空间U的完备正交基矢。

$|{\mathrm{\λ}}_a\⟩=\left(\begin{array}{c}\cos (\mathrm{\π}/8)\\ \sin (\mathrm{\π}/8)\end{array}\right)$

$|{\mathrm{\λ}}_b\⟩=\left(\begin{array}{c}\sin (\mathrm{\π}/8)\\ -\cos (\mathrm{\π}/8)\end{array}\right)$

特征向量与量子态的交叠为

$\left\{\begin{array}{c}{|\⟨{\mathrm{\λ}}_a|a\⟩|}^2={|\⟨{\mathrm{\λ}}_a|b\⟩|}^2={\cos }^2\frac{\mathrm{\π}}{8}\≈0.8535={\mathrm{\λ}}_a\\ {|\⟨{\mathrm{\λ}}_b|a\⟩|}^2={|\⟨{\mathrm{\λ}}_b|b\⟩|}^2={\sin }^2\frac{\mathrm{\π}}{8}\≈0.1465={\mathrm{\λ}}_b\end{array}.\right.$

以码本大小为256为例，则最后表示码本的序列号为

00000000～11111111，对应到量子态为

|M〉＝{|aaaaaaaa〉，|aaaaaaab〉…|bbbbbbbb〉}，共256种态矢。

|M〉对应空间的正交基矢{λ₁，λ₂，λ₃，λ₄，λ₅，λ₆，λ₇，λ₈＝λ_a，λ_b}，分别求出所有基矢.为了进行典型与非典型空间的划分，需要计算消息与正交基矢的交叠|〈ψ|M〉|²，如下所示，

$\begin{array}{c}{|\⟨{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a|M\⟩|}^2={{\mathrm{\λ}}_a}^8={\cos }^{16}(\mathrm{\π}/8)={\left({\cos }^2(\mathrm{\π}/8)\right)}^8\≈0.2816\\ |\⟨{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b|{M\⟩|}^2={|\⟨{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_a|M\⟩|}^2={|\⟨{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_a{\mathrm{\λ}}_a|M\⟩|}^2\\ ={|\⟨{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a|M\⟩|}^2={|\⟨{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a|M\⟩|}^2={|\⟨{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a|M\⟩|}^2\\ ={|\⟨{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a|M\⟩|}^2={|\⟨{\mathrm{\λ}}_b{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a|M\⟩|}^2={{\mathrm{\λ}}_a}^7{\mathrm{\λ}}_b={\cos }^{14}\frac{\mathrm{\π}}{8}{\sin }^2\frac{\mathrm{\π}}{8}\≈0.0483\end{array}$

依次类推，可以得到下表：

量子信息长度为n＝8，定义典型子空间

$\mathrm{\Ω}=\left\{\begin{array}{c}|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,\\ |{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|\↔\⟩\end{array}\right\},$ 概率为1-δ＝0.9974

其中，

Claims (5)

1.基于语音多带激励编码LSP参数的量子压缩方法，其特征在于，以256大小的码本为例包括如下步骤：

1)通过参数提取、压缩、排序，将语音的LSP参数转换为经典二进制序列，长度为经典二进制8比特；

2)将二进制的0和1分别对应到量子态的|a〉和|b〉可以得到|aaaaaaaaa〉，|aaaaaaaab〉…|bbbbbbbbb〉256种态矢；

3)据表1，将|M〉＝{|aaaaaaaa〉，|aaaaaaab〉…|bbbbbbbb〉}划分为概率较大的正交空间

$\mathrm{\Ω}=\left\{\begin{array}{c}|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,\\ |{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|\↔\⟩\end{array}\right\},$

以及概率较小的正交补子空间

${\mathrm{\Ω}}^{\⊥}=\left\{\right|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_a{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b{\mathrm{\λ}}_b\⟩,|\↔\⟩\}$

其中，表示其中|λ_a〉和|λ_a〉的个数与前相同但位置不同的量子态矢；

4)应用幺正变换U，对不同子空间的输入序列进行变换；

5)发送端对|ψ′〉的第八个比特进行测量；

6)接收端对所接收的信息后面添加|0〉，并进行解压缩操作，可以得到如下两种状态之一

7)将得到的八位态矢对应至经典二进制信息，生成最终的LSP参数。

2.根据权利要求1所述的基于语音多带激励编码LSP参数的量子压缩方法，其特征在于：所述LSP参数采用码本的形式进行压缩和传输；每一组LSP参数是10维的向量，当一帧语音输入需要压缩时，从码本中来寻找与该向量最接近的向量，只传输该码本的编码即可，如果码本的大小为N，则需要传输的经典比特个数为log₂N。

3.根据权利要求1所述的基于语音多带激励编码LSP参数的量子压缩方法，其特征在于：所述语音的LSP参数提取自包含中外男女老少语音的语音库，用N大小的码本进行压缩，记录码本内LSP参数被选中的次数，并按照选中次数进行排序；以N＝256为例，将选中次数最多的LSP参数编码为00000000，其次的为00000001，再次为00000010。

4.根据权利要求1所述的基于语音多带激励编码LSP参数的量子压缩方法，其特征在于：所述编码原则为选中的次数越多，参数编码中包含0的个数越多；反之，则包含1的个数最多。

5.根据权利要求1所述的基于语音多带激励编码LSP参数的量子压缩方法，其特征在于：所述对|ψ′〉的第八个比特进行测量时测量结果为0，则信息态为|fghijkl0〉，则证明将发送的量子比特为|fghijkl〉为典型态|ψ_typ〉，用|ψ_comp1〉表示，经信道发送|ψ_comp1〉；测量结果为1，则信息态为|zyxwvutl〉，则证明发送的量子比特为非典型态|zyxwvut〉，即|ψ_comp2〉，经量子信道发送|ψ_comp2〉，其中|ψ_com〉满足典型态。