基于子矢量技术的矢量量化码字快速搜索算法

针对矢量量化编码过程中,码书搜索计算量较大的问题,提出一种基于子矢量技术的矢量量化码字快速搜索算法.算法使用小波变换后的系数合理构造矢量,在码字搜索过程中将输入矢量和码字划分为几个互不重合的子矢量,利用各个子矢量的2范数建立码字排除不等式,最终实现快速排除不匹配码字的目的.实验结果表明,该算法比EEENNS(equal-average equal-variance equal-norm nearest neiohbor search)算法在失真计算次数和计算复杂度上分别减少了51%～63%和25%～40%.相比Pan的算法减少了28%～41%的失真计算次数和31%～44%的计算量,而比Chen的算法则减少了8%～22%的失真计算次数和11%～19%的计算量.     

快速码字搜索算法在G.722.2中的应用

首先介绍了FS算法的原理,然后使用了一种将部分失真搜索算法与超立方体码字搜索算法相结合的快速码字搜索算法,并将其应用于G.722.2中.仿真结果表明:与FS算法相比较,PDS和HAS相结合的PDHAS码书搜索算法可显著降低码书搜索的计算复杂度,从而使语音趑编码时间得到显著降低,且语音编码质量没有显著下降;仿真实验验证本文使用的PDHAS快速码字搜索算法是一种实现矢量量化快速编码的有效方法,对降低码书搜索算法的复杂度、减少语音编码时间具有非常重要的应用价值.     

一种改进的AMR—WB矢量量化码字搜索算法

AMR—WB是一种高品质的宽带语音编码技术,其矢量量化时一般采用全搜索算法,该算法虽然精度比较高,但却存在计算复杂度高、搜索速度慢的问题．针对以上问题,提出了一种改进的矢量量化码字搜索算法．该算法引入了部分失真搜素算法,并对其初始匹配码字的设置进行了优化．仿真结果表明,改进后的算法在保证语音质量的前提下,提高了码书搜索的速度,从而改善了AMR．WB编码的效率．     

LBG与SOFM应用于矢量量化的比较研究

在介绍矢量量化以及LBG算法和SOFM算法的基础上,通过实验对比了LBG算法和SOFM算法在应用于图象矢量量化压缩过程时,码书大小、码字大小以及初始码书生成方式等因素对图像压缩性能的影响,得到了相关结论:固定码字矢量维数,码书越大,压缩比越小,重建图像质量越好;固定码书,码字矢量维数越小,编码性能越好;LBG算法对初始码书敏感,而SOFM算法由于所具备的自适应特性对初始码书不敏感。论文最后提供了一些改进思路,为改进传统矢量量化算法及设计新的矢量量化算法以提供了参考。     

基于小波变换的矢量量化快速码字搜索算法

针对矢量量化过程中编码的复杂性,提出了一种基于小波变换的自适应快速码字搜索算法.该算法使用欧几里德距离的平方作为量化的失真测度,首先为输入矢量选择合理的初始匹配码字,然后利用多控制点的三角不等式和变换域中矢量的性质去排除不可能匹配的码字,最后通过搜索空间的逐次降低找到与输入矢量最匹配的码矢量.仿真结果表明：在需要很少预先计算量和额外存储量的条件下,文中算法的编码质量和全搜索算法相同,但是其计算量却极大地降低.     

码书分类重排矢量量化方法及其应用

矢量量化可有效降低语音编码速率,但目前已有的多级分裂矢量量化、转换分类分裂矢量量化方法等都存在存储需求、计算复杂度以及解码语音质量等不能达到良好折衷的缺陷。该文提出了一种码书分类重排矢量量化方法。该方法通过将设计好的码书进行分类重排以降低码书搜索范围。并将该方法与多级分裂矢量量化结合,提出了码书分类重排多级分裂矢量量化方法。在量化比特及码书大小不变的前提下,实验结果表明:该方法可达到透明量化效果,量化时的计算复杂度最大降幅可达到多级分裂矢量量化方法的90.24%。     

基于小波变换的矢量量化快速编码算法

提出了一种基于均方误差MSE测度的矢量量化快速编码算法#算法利用小波变换的特点,合理 地构造矢量,结合非线性插补矢量量化技术.矢量和值差法和部分失真排除法,在搜索编码过程中,有效排 除部分候选码字,实验结果表明,相对于穷尽搜索方法#计算量有明显降低,计算时间减少约97%.     

基于小波变换的矢量量化快速编码算法

提出了一种基于均方误差（MSE）测度的矢量量化快速编码算法，算法利用小波变换的特点，合理地构造矢量，结合非线性插补矢量量化技术、矢量和值差法和部分失真排除法，在搜索编码过程中，有效排除部分候选码字。实验结果表明，相对于穷尽搜索方法，计算量有明显降低，计算时间减少约97%。     

一种改进的树形矢量量化编码算法

矢量量化中的一个最严重的问题是在一本码本中搜索最近码字的高计算复杂度。本文在研究树形矢量量化的基础上提出了一种改进的树形矢量量化编码算法。实验结果表明,本文提出的编码算法相对于树形矢量量化算法可大大改善峰值信噪比（ＰＳＮＲ）。     

矢量量化的一种快速编码算法

矢量量化的计算量主要在于搜索最近的码字,这也是矢量量化实用化的障碍。作者在该文中提出了一种不增加量化噪声快速编码算人实验结果表明,所提出的快速编码算法相对于穷尽搜索算法只需增加较小存储量,就将使小算时间可大大降低。     

一种矢量量化的快速码字搜索算法

文章提出了一种基于范数和方差相结合的码字快速搜索算法。该算法在搜索前预先计算码书中码字的范数和方差,并按范数的大小对码书中的码字进行排序;搜索时,利用有序的码书和有效的删除准则,大大减小了码字的搜索范围,从而降低了编码时间。     

基于码字特征的多模式多级矢量量化算法

为提高声码器中线谱频率参数多级矢量量化的性能,提出了一种根据码字特征进行分模式量化的算法。该算法首先根据下一级量化误差最小化的准则,通过训练得到本级代表模式信息的码字(码字数目为模式数目);然后统计与各个码字相对应的输入矢量占总矢量的比重,继而得到各模式码字所分化的码字个数;最后根据该分化方案训练得到本级所有码字并确定码字与模式的对应关系,从而进行分模式量化。测试结果表明:相比于根据本级码字索引平均进行模式分配的简单方案,该算法可以使平均谱失真(ASD)降低0.05 dB,而平均意见得分(MOS)提高0.02左右。     

基于二级矢量量化的LPC声码器算法

为了有效地减少语音编码的比特数、降低量化误差以及提高解码语音质量,提出了一种二级矢量量化的LPC声码器算法.该算法在模糊聚类与LBG级联的VQ算法的基础上,进一步采用二级矢量量化算法对特征参数矢量进行量化.特征参数为语音的两个特征值:基音周期与增益.第一级码本为矢量码本;第二级码本为误差码本.将该算法应用于LPC声码器中进行仿真实验,结果表明:该算法能有效地降低量化比特数并且减少了量化误差,从而使解码语音质量得到改善.     

快速编码算法的VLSI体系结构设计

研究了基于平方误差距离的矢量量化快速编码算法的VLSI体系结构,该结构以模块化思想设计,采用流水线技术、并行处理和设计复用技术提高了系统的处理速度,占用较少的硬件资源,很容易扩展到任意数目的码书,非常适合大尺寸码书的矢量量化编码系统.对结构中的各个模块分别编写了相应的Verilog HDL模型,完成了整个VLSI电路设计,成功地进行了功能仿真和验证.     

一种改进的等范数最近邻码本矢量搜索算法

文章提出了一种改进的等范数最近邻码本矢量搜索算法,该算法预先离线计算好各码本矢量的2-范数和它与中心线的矢量夹角,再根据各码本矢量的2-范数进行升序排列.编码时用二分法搜索到与目标矢量2-范数最近的码本矢量,再排除那些不在目标矢量形成的夹角范围内的码本矢量。结果证明,该算法对比文中列举的其他算法更加高效。     

用于LBG初始码书设计的改进PNN算法

矢量量化初始码书对于码书的形成非常重要,为了改善初始码书的性能和提高最终的码书质量,在分析成对最邻近(pair-wise nearest neighbor,PNN)算法与基础上,提出2种改进算法用于LBG算法初始码书的设计。改进的算法将训练矢量的分量和值排序与一次迭代多次融合用于PNN算法中,有效地降低了PNN算法的复杂度,减小了PNN算法的收敛时间。实验证明,该算法具有合理性和有效性,与LBG算法结合可进一步提高码书质量。     

8 kbit/s 短延时语音编码算法——LD-ACELP

８ｋｂｉｔ／ｓ短延时语音编码算法ＬＤ－ＡＣＥＬＰ，采用了代数码本激励线性预测（ＡＣＥＬＰ）的编码方法，利用语音的帧间相关性对线谱对参数采用了分裂式矢量量化技术，并采用高效的码本结构、码本搜索技术和增益矢量量化技术来获得较高的语音合成质量和较短的算法延时。ＬＤ－ＡＣＥＬＰ的帧长为１０ｍｓ，算法延时为１５ｍｓ。通过信噪比及人耳主观听觉实验等性能测试表明，该算法具有与国际电联１６ｋｂ／ｓ短延时语音编码算法ＬＤ－ＣＥＬＰ（Ｇ．７２８）相当的语音合成质量。     

自适应分形矢量量化编码

提出了一种自适应分形矢量量化编码方法。对图像进行自适应四叉树分割,并构造粗糙的均值图像。误差图像进行分形矢量量化编码时,使用设计的自适应二维维纳数字滤波器,对收缩的均值图像进行滤波后,可构造好的码书。实验证明,本方法码书不需外部训练,解码不需要迭代,可以改善重建图像的视觉质量,使压缩比和PSNR都有明显提高。