基于双正交小波的快速矢量量化算法

提出了一种用于图象压缩的矢量量化算法．该算法通过构造符合图象小波变换系数特征的跨频带矢量,利用小波系数之间的相关性,提高了图象的编码效率和重构质量．同时,该算法又采用了两种新的矢量量化技术——非线性插补矢量量化（ＮＬＩＶＱ）和渐进构造聚类（ＰＣＣ）,提高了矢量量化的速度和码书质量．实验结果证明,该算法在比特率为０．１７２ｂｐｐ的条件下仍能获得ＰＳＮＲ＞３４ｄＢ的高质量重构图象．研究图象小波变换系数的固有特性是提高矢量量化性能的关键,而提高矢量量化速度是这类算法得以实用的重要前提．     

说话人识别的参量研究和语音库建设

本文对说话人识别中的几个基本问题进行了研究。语音参量是说话人识别的基础,用矢量量化方法,使用自建的语音库中的材料,研究了说话人识别中的各种参量的效果。实验表明,所采用的参量中,一种混合参量MC最好,倒谱系数CE次之。     

噪声补偿应用于与文本无关的说话人辨认研究

通过对VQ码本在线性频谱域进行噪声补偿,使得补偿后的VQ码本逼近测试环境下训练出的码本,从而提高说话人辨认系统的性能。实验中,在不同的信噪比条件下测试辨认率,并将补偿和没有补偿时的辨认率进行比较,结果显示,该算法能够有效地提高说话人辨认系统的性能。     

一种基于鲁棒矢量量化的信源-信道联合编码算法

信源-信道联合编码是数字通信中编码与传输的关键技术之一。在分析经典算法的基础上,结合语音编码中的声道参数,提出了采用似然比作为测度的信源-信道联合编码算法,同时通过多级分裂矢量量化进一步提高编码参数的量化精度。定点仿真结果表明,该算法的量化精度较传统方法性能提高了近41％,且可以在不增加额外比特开销的基础上进一步提高系统的鲁棒性。     

基于运动补偿的多级矢量量化联合编码算法

研究了基于运动补偿的多级矢量量化编码方法．针对传统算法编码质量较低的问题,在保持量化器结构不变的情况下,借鉴维特比编码方式,提出多级矢量量化联合编码算法,并采用部分失真快速码字搜索算法提高编码速度．仿真实验表明,与传统MSVQ算法相比,本算法不仅提高了编码图像的质量。而且降低了编码速率．     

随机VQ与晶格VQ优劣之鉴

通过对随机VQ和晶格VQ优劣分析 ,得出随机VQ优于晶格VQ的结论 ,而晶格VQ仅仅在用于无记忆的、均匀分布的输入向量时 ,才是最优的     

使用矢量量化技术压缩SAR原始数据

该文研究基于矢量量化技术的合成孔径雷达（SAR）原始数据压缩算法，提出了块自适应树型矢量量化（BATSVQ）算法和块自适应球形矢量量化（BASVQ）算法。与块自适应矢量量化（BAVQ）算法相比较，该文提出的算法采用约束型矢量量化技术，能够充分利用SAR原始数据经过自适应块处理后在较小的范围内具有稳定高斯分布的特性。采用以上算法对SAR实测数据进行了验证，并比较图像及其性能参数，结果表明BATSVQ算法和BASVQ算法能够获得算法性能和实现复杂度之间的合理折衷。     

语音识别中的VQ聚类方法

介绍了一种新的ＶＱ聚类分析－修正Ｋｍｅａｎｓ算法,该方法充分利用了语音的先验知识,聚类后仍能较好地保留汉语辅音段及过滤段的有用信息,还介绍了为解决ＶＱ聚类的无时序性与语音信号序列的有时序性之间的矛盾而采用的多节ＶＱ聚类方法。     

增强型全速率语音编码的原理及实现

在无线通信系统中，语音压缩编码起着非常重要的作用，因为它在很大程度上决定着合成话音的质量和系统容量。为了提高话音质量，GSM提出了增强型全速率（EFR）语音编码方案。它在LPC声码器的基础上，采用了A－B，S和VQ等技术，编码信息中既包含若干语音特征参量又包括部分波形编码信息。因此，能提供高质量的编码，且比特速率压缩到12.2kbps,为TD－SCDMA移动通令系统提供了一咎可行的语音编码方式。笔者从语音编码的基本概念出发，详细地介绍了EFR语音编码的原理及代数码本搜索实现技术。     

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。