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%。     

G.728中增益码书的研究

阐述了G.728编码器中增益预测器的作用；定性地对增益码书进行深入的分析，认为gi的精确表达对合成语音质量改善有很大提高，提出使用归一化波形码书的重要性。研究旨在探索一条实现8kB/sLD-CELP算法的途径。     

声道参数的矢量量化

矢量量化是一种高效数据压缩技术,成功的用于语音、图象处理和模式识别中。本文讨论矢量量化应用在参数编码中的码书结构、初始码书的生成和训练中的一些具体问题。     

一种快速的代数码书搜索方法

代数码激励线性预测(ACELP)编码算法在各类语音编码标准中得到广泛采用.在ACELP码书搜索时.要得到全局最优的码向量,所需运算量很大,难以在硬件系统上实时实现.为降低计算复杂度,提出了一种基于脉冲预选和替换步骤的快速码书搜索方法.该方法采用预选技术来减少可能的脉冲组合,利用两级搜索与判断机制来改善脉冲替换搜索的效率.实验表明,该方法可以有效地降低复杂度,并维持较高的合成语音品质.     

矢量量化在语音识别中的应用

本文评述了矢量量化法用于语音识别研究的现状,并提出一种新的识别方案——将考虑能量信息的多段码书矢量量化技术应用于汉语孤立词语音识别。实验证明该法确实可在保证较高识别精度的前提下,大大加快识别速度。     

一种基于模糊聚类的矢量量化码书生成算法

码书设计是矢量量化中的关键技术.为此,针对经典 LBG 算法对初始码书敏感的缺陷提出一种基于模糊聚类的码书生成算法.为了提高收敛速度,首先设定距离门限的初始值,然后依次循环逐级递减调整以减少迭代次数.逐级调整门限的也可以降低新聚类生成的速度,从而得到更好的更具有典型性的码书;此外,通过对胞腔中矢量按从大到小的顺序择优选取,设计出的码书性能更好,更加接近全局最优.将该算法应用于移动语音频编码标准中线谱频率矢量量化的码书训练,与 LBG 算法的对比实验结果表明,该算法在主客观质量评价方面都有效地提高了语音频编码算法的性能.     

低速率语音编码LPC参数的多级VQ设计

针对LPC参数量化过程的多级VQ码书设计中顺序与迭代顺序设计算法收敛速度较慢这一缺点，提出了一种新的顽健多级VQ的联合码书设计方案。实验表明，该多级VQ的联合码书设计方案应用于线谱对参数的量化时，可提供透明质量的合成语音。相比顺序设计算法不仅加快了收敛速度，而且改善了VQ的性能测度。     

基于多层码书模型的运动阴影检测算法

在实际监控场景中,运动阴影的存在将对目标检测的准确性产生直接影响.针对此问题,本文提出了一种采用三层码书模型以此来提高阴影检测识别率的算法.该算法首先通过传统码书模型获取前景,然后对前景部分建立备选码书模型,再从备选码书中提取出具备阴影特质的点,构建阴影码书模型,最后通过该模型去除运动阴影.实验结果表明,与传统算法相比,该算法对阴影检测识别率有较大的提高.同时,通过对不同场景的对比,结果说明该算法具备良好的鲁棒性.     

一种基于预测的矢量量化图像编码方法

为了提高图像编码效率，提出了一种基于预测的矢量量化图像编码方法．在编解码端设置维数和大小各不相同的两种码书．对于平滑区域，用较小的码书对输入矢量进行编码，从而加快图像编码速度和降低比特率；对于边缘区域，用较大的码书去量化当前输入矢量以保证图像质量．文中还提出了一种有效的码书设计方法以提高生成的码书的质量．仿真结果表明，相对于其它方法，文中所提出的矢量量化图像编码方法运算速度更快，在同样图像质量下降低了传输过程中所需的比特率．     

基于排序分离平均算法的码书设计改进算法

为了获得性能更佳的码书,以排序的分离平均算法为基础,在获得初始码书后,对于在LBG迭代中可能出现的空胞腔采用填充与当前码书距离最远输入矢量的方式作为改进,有效地改善了传统LBG算法容易陷入局部最优以及排序分离平均算法的空胞腔问题。改进算法生成的码书更加接近全局最优。仿真实验证明了该算法的有效性。     

多级矢量量化中的码本共享

为了解决语音参数编码算法中多级矢量量化中码本尺寸过大,存储量过大,导致搜索复杂度大的问题,提出了多级矢量量化中的码本共享的迭代算法。该算法基于多级矢量量化中各级待量化码矢之间的相似性,采用模拟退火算法,通过迭代得出共享变换系数。在1.2 kb/s的正弦激励线性预测声码器中,采用该算法对线谱对参数进行多级矢量量化。测试结果表明:在共享级别选择恰当时,可降低存储量20%,同时重建语音谱失真损失约为0.02 dB,可见该算法可以有效降低码本容量,同时对语音质量影响极小。     

基于GA/VQ的说话人辨认的研究与实现

为了改善在矢量量化说话人识别中,采用模板(码书)表征说话人,模板的质量对识别系统的性能。采用遗传算法改进模板的生成方式,构建了一种GA／VQ说话人辨认系统,给出了一种GA／VQ识别算法,通过遗传操作获得全局优化的说话人模板。实验证明,GA／VQ方法提高了码书的质量,比经典矢量量化识别系统识别率高。     

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。     

基于方差分类初始化码书的三维邻域SOM算法

针对自组织特征映射算法用于图像矢量量化存在的问题,为了提高矢量量化码书的性能,提出基于方差分类初始化码书的三维邻域SOM算法,通过对三维邻域SOM算法中的初始化码书算法进行改进,建立了基于方差分类的初始化码书算法.实验表明,用该算法设计图像矢量量化码书具有码矢利用率高、码书的性能好等优点.     

多矢量多模式量化中码本尺寸联合优化算法

为了在基于模式的矢量量化中得到更好的量化效果,提出了一种有效的各模式码本尺寸分配算法以逼近全局最优。该算法对于各个模式分别计算每一种码本尺寸所带来的量化失真,在所有模式码本尺寸之和受限的条件下,寻找所有量化失真之和最小的码本尺寸分配方案。结果表明:该算法在运算量和存储量基本不变的情况下,可以有效地降低量化失真,提高量化精度,合成语音平均意见得分(MOS)提高0.02左右。     

一种新的基于码本设计的MIMO系统预编码方法

针对多输入多输出系统基于码本的预编码反馈开销与性能的矛盾,提出了一种新的基于码本设计的预编码方案,在传统码本设计中引入分集概念,通过空间分集的增益来改善码本矩阵的性能,并进一步在预编码实现中增加了预编码补偿单元.最后在4×4天线模式下对该算法进行了性能仿真和对比,仿真结果表明,在不增加任何开销的情况下,所提方案较传统的预编码方案大约有1～2 dB的性能改善.     

基于半波编码的语音码本的设计

语音编码技术是语音信号处理中的关键技术之一，语音编码包括波形编码和参数编码以及混合编码3种方法．在对语音实验分析的基础上，提出一种语音波形编码的新方法——半波编码．较详细地阐述了浊音初始码本和码本的制作方法，并类推出清音和无声码本的制作．经实验证明，这是一种有效的语音码本的设计方法．     

融合自组织映射与Wang-Mendel方法的模糊规则提取

为解决经典Wang-Mendel方法提取模糊规则时得到的规则数目较多的问题,该文提出一个融合自组织映射(SOM)网络和Wang-Mendel方法的规则提取方案.利用SOM对原始样本进行学习,再使用Wang-Mendel方法从SOM的原型向量中提取规则.因为SOM的原型向量学习得到了原始样本的模式分布规律,并且原型向量的数量远小于原始学习样本的数量,所以该方法降低了提取的规则数目及耗费时间.有关混沌时间序列预测的实验结果表明了该文方法的有效性.