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%.     

一种结合小波变换的矢量量化快速编码算法

研究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,合理构造矢量.结合非线性插补矢量量化技术、矢量和值差法、部分失真排除法和一些典型的小波系数的极性判断,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98%.     

变比特率均值匹配相关矢量量化图像编码算法

矢量量化(VQ)是一种有效的数据压缩技术。为找出与输入矢量最匹配的码字,传统的穷尽搜索矢量量化编码算法需要计算输入矢量与所有码字之间的失真测度。码书大小和矢量维数越大,穷尽搜索矢量量化编码的计算复杂度就越高。为了降低穷尽搜索矢量量化器的编码复杂度,本文提出了一种用于快速图像编码的均值匹配相关矢量量化器(MMCVQ)。在编码前,首先计算所有码字的均值,然后按照这些均值从小到大对码书进行排序。编码阶段,利用邻近图像块的高度相关性和当前输入矢量的均值共同确定相应的码字搜索范围。实验结果表明,当阈值大小为320时,与传统穷尽搜索矢量量化编码法相比,虽然MMCVQ算法的编码质量下降约0.3～0.4dB,但速度快14倍而且比特率下降0.1～0.2比特像素。     

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.     

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.     

矢量量化的投影算法

将矩阵的投影引入到矢量量化中, 达到了在搜索最佳匹配码字的过程中首先在降维空间中将一些侯选码字排除,其中利用了最佳匹配码字的和待编码的矢量的均值和方差与MSE 距离之间的关系不等式.^[1]实际结果表明约 98%的侯选码字被排除,只有2%左右的码字需要直接计算其欧氏距离.     

一种结合小波变换的矢量量化快速编码算法

研究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，合理构造矢量，结合非线性插补矢量量化技术、矢量和值差法、部分失真排除法和一些典型的小波系数的极性判断，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98％。     

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。     

一种针对减格矢量预编码的可调量化误差校正方法

基于减格矢量预编码的量化误差问题,提出了一种可调量化误差校正方法.通过大量仿真实验发现,在减格矢量预编码中量化误差数目的概率分布是有规律的,利用实际量化误差数目的概率分布规律,通过设定不同的调节值控制量化误差校正的数目,获得一种可调的误差校正方法.仿真表明,该方法在量化误差校正中,能够取得性能和复杂度的折衷.     

SFCM模糊聚类在语音矢量量化中的应用

提出了一种模糊聚类分析算法ＳＦＣＭ,并将其用于语音特征的矢量量化,最终形成码本尺寸为２５６的码本。用ＳＦＣＭ算法得到的码本分布合理,没有空类,采用此码本的语音识别实验表明了这种量化方法对语音识别的有效性。     

基于SFCM自适应矢量量化码本训练方法

自适应矢量量化在语音信号处理中有广泛地应用,提出了一种基于SFCM算法的自适应矢量量化码本的训练方法,其特点是通过模糊聚类方法,重新调整训练样本与码字之间的隶属度,达到最小编码失真,使码本更适合新说话人,且计算简单·实验结果表明,可以使编码平均失真下降·     

一种基于小波变换与分类矢量量化的图像压缩算法

为了提高数字图像的压缩比率,提出了一种将小波变换与分类矢量量化相结合的图像压缩算法.该算法首先对图像进行小波分解,充分利用不同尺度小波系数的相关性,并对不同尺度的子图使用分类矢量,不同类使用不同大小的子码书.为了解决高维矢量在算法实现时效率较低的问题,采用非线性插值对构造好的码矢量进行降维.实验表明,该方法在提高图像压缩比的同时,降低了算法的时间复杂度,从而提高了算法的效率.     

一种孤立词语音识别方法研究

结合动态谱特性的语音识别研究,阐述了一种有限状态矢量量化(FSVQ)方法。FSVQ利用了过去的信息来选择合适的码本进行编码,对于语音识别更为有效。改进了所使用的语音特征参量,除了LPC倒谱系数外,结合使用了动态谱特征和能量的对数值,并根据汉语发音特征对语音信号端点进行一种加权处理。实验结果表明：与说话人有关的孤立词识别率达到98%。     

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。     

图像压缩算法的研究

采用自适应子带分解方法对原始图像经过基于提升算法的小波变换后进一步分解,对分解后的码块采用自适应相对距离最近阈值法将局部块划分为4类（平坦、过渡、弱纹理和强纹理）,对平坦局部块进行向量量化编码,对其余局部码块使用改进的位平面编码从而提高压缩比和编码效率．     

采用格形矢量量化的小波图象编码方法

研究了以格形矢量量化方法进行小波图象的压缩编码。以两种经典的格形矢量量化算法乘积码塔形矢量量化（ＰＣＰＶＱ）和分块均匀格点矢量量化为例，分析了两种算法中非均匀矢量格点的分布与输入信号源的概率密度分布函数的关系，指出在保持矢量格点具有规则分布的前提下，格点分布难以与不规则的输入矢量概率分布实现良好的匹配。提出了一种均匀格点分布与熵编码相结合的矢量量化图象编码方法，该方法与以上两种算法对信号源输入矢量的概率分布具有更灵活的适应能力。给出了该算法和ＰＣＰＶＱ的实验结果的比较。