使用进化策略的图像矢量量化

在分析自组织特征映射（SOFM）算法的基础上,把进化策略引入到矢量量化设计中,在将SOFM算法作为基本聚类算法的前提下,基于等误差原则,利用最大最小原则改变各区域聚类点,使各子区域的误差趋于相等。使用进化策略在子区域误差大的聚类点附近产生新的聚类点,从而调整各个区域的子误差,进一步改善总期望误差。实验证明该方法可克服基本聚类算法落入局部最化的局限。在对Lena图像进行量化的过程中,改善了码书矢量,提高了码书矢量,提高了量化后图像的质量。     

矢量量化的等误差竞争学习算法

提出了一种使各区域子误差相等的矢量量化算法，该算法利用小波变换后各子带间的相关性，合 理构造矢量，采用最优矢量量化器设计原则，通过调整学习过程中各子区域的误差，使之趋于相等，改善总 的期望误差，获得更接近全局最优的码书。实验表明，这种算法获得的码本优于其它几种算法。     

矢量量化的等误差竞争学习算法

提出了一种使各区域子误差相等的矢量量化算法．该算法利用小渡变换后各子带间的相关性，合理构造矢量．采用最优矢量量化器设计原则．通过调整学习过程中各子区域的误差，使之趋于相等，改善总的期望误差，获得更接近全局最优的码书。实验表明，这种算法获得的码本优于其它几种算法。     

采用进化算法优化向量量化

把进化策略引入到矢量量化设计中,提出了一种选择优良后代码书矢量的判据和方法,在使用LBG算法进行聚类的前提下,利用所选择出来的后代矢量调整各个区域的子误差,从而进一步改善期望误差,以获得全局最优码书,实验结果证明,此方法能克服局部最优,改善码书矢量。     

一种基于小波变换的矢量量化算法

提出了一种基于小波变换的矢量量化算法，算法利用小波变换后各子带间的相关性，合理地构造 矢量。采用最优矢量量化器设计原则，给出了小波域的误差竞争学习算法（DCL）实验表明，这种算法获得 的码本优于其它几种算法。     

一种基于小波变换的矢量量化算法

提出了一种基于波变换的矢量量化逄法，算法利用小波变换后各子带间的相关性，合理地构造矢量。采用最优矢量量化器设计原则，给出了小波域的误差竞争学习算法（DCL）。实验表明，这种算法获得的码本优于其它几种算法。     

噪声信道下最佳矢量量化器的人工神经网络实现方案

噪声信道影响下的矢量量化器设计,实际上是一个信源、信道联合编码(joint soruce/channel encoding)问题。本文提出了一种利用人工神经网络ANN(Artificial Neural Network)技术解决联合编码的组合优化问题的方案,该方案较好地解决了有噪声信道条件下的最佳矢量量化器的设计问题。由于将信道传输特性直接引入到神经网络的构造中,因此,对网络进行训练后,最终得到对噪声信道影响具有一定程度的抑制作用的矢量量化器。我们针对BSC信道对所提方案进行了分析和模拟,结果表明,在量化网络设计中,考虑噪声信道影响的因素,可使训练得到的量化网络的量化特性对噪声信道的影响表现出明显的韧性。     

神经网络矢量量化的设计与实现

设计了一种混合神经网络矢量量化编码方法。利用Ｋｏｈｏｎｅｎ网络的自组织聚类功能设计矢量量化器码书，实现矢量量化，用３层ＢＰ网络完成码字的信道符号编码。该神经网络矢量量化编码器能够并行处理输入矢量，速度快，效率高，适用于语音和图像数据压缩     

Turbo码在瑞利慢衰落信道中的性能仿真与分析

介绍瑞利衰落信道的编码信道模型，给出与这些模型相对应的仿真方法．然后针对充分交织瑞利平坦慢衰落信道，在未知信道状态信息的情况下，对Turbo码的译码算法Log—MAP进行修正，并进一步对影响Turbo码性能的主要参数：迭代次数、交织器长度、编码效率、分量编码器结构进行仿真与分析，得出的仿真结果可以指导实际无线信道中设计合理的通信Turbo码。     

矢量量化的抗噪声优化算法

矢量量化是低速率语音和图像编码传输的有效手段,但是矢量量化系统很容易受信道误码的影响。通常对信道误码可以用纠错码来解决,但是这需要增加系统的传输码率。该文提出了一种不增加传输码率的矢量量化抗噪声优化算法,即对矢量量化码本的索引值分配进行优化,使得优化后所有Hamming距离为1的二进制码本索引值对应的码矢量的距离尽量小,从而在不增加传输码率的条件下有效地控制信道误码引起的信号失真。软件模拟显示在随机误码的情况下此算法是很有效的,并且成功地应用于低速率声码器算法中,使得声码器在10-2的随机误码的情况下仍然具有良好的性能。     

基于压缩感知的非线性 OFDM 系统迭代信道估计算法

针对因非线性失真引起的正交频分复用（orthogonal frequency division multiplexing,OFDM）系统信道估计性能下降的问题,提出了一种基于压缩感知的非线性OFDM系统迭代信道估计算法。在算法实现过程中,利用信道与非线性噪声的双重稀疏性,将导频信息作为观测矩阵进行压缩感知信道估计,再将所得信道信息看作观测矩阵进行压缩感知非线性失真估计,进而对信号进行非线性补偿,并逐步循环迭代至算法收敛。仿真表明,在稀疏信道下,该算法在较少的迭代次数下即可有效减小非线性失真对信道估计的影响,且比现有方法性能更优,仿真证明了该方法在性能上的优越性。     

矢量量化中的非二元树搜索算法

在矢量量化(VQ)系统中,搜索算法是实现编码的关键技术.本文介绍非二元树搜索矢量量化系统的码本设计和搜索算法.计算机模拟实验结果表明,非二元树搜索矢量量化在失真性能和存储量方面明显优于二元树搜索矢量量化,而计算量只有全搜索矢量量化的几分之一.     

基于矢量量化和可变长编码的联合信源信道编码

提出了一个在噪声信道中对可变长信源编码码流传输提供有效差错保护的联合信源信道编码方案，利用信源编码器输出中的残留冗余为传输码流提供差错保护。该方法基于改进的联合卷积软解码以及采用非霍夫曼码的通用可变长码(UVLC)，更接近于一般的信源和信道编码方法，并且信源符号集的大小也不受限制。仿真结果表明，文中提出的联合编码系统可获得比传统的分离编码系统更高的性能增益。     

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．     

正交频分复用系统中改进的FFT插值算法

提出了一种基于快速傅里叶变换的边缘扩展信道插值算法(EFFT),该算法对正交频分复用(OFDM)符号有效频带边缘的两端频点作镜像线性扩展,使增加的导频信息能改善有效频带边缘附近的信道估计性能.仿真结果表明,在低阶调制且信噪比(SNR)较低时,EFFT插值算法的性能与维纳滤波信道估计算法相当,且较传统快速傅里叶变换(FFT)插值算法的均方误差(MSE)提升1dB左右.在实现复杂度方面,EFFT算法与FFT算法相当,与维纳滤波算法相比运算量明显降低.EFFT算法不需要对现有技术标准进行改动,也不会降低系统的传输效率.     

基于网络计数器的隐蔽信道

为了避免基于存储的网络隐蔽信道通过操纵报文头部实现信息的隐蔽传输的局限性,提出利用网络计数器作为存储体构建隐蔽信道,编码者和译码者之间不需要建立直接的网络连接,从而躲开防火墙和各种入侵检测系统的监管.把信道建模成有噪声的一般离散无记忆信道,并用C语言实现了离散信道容量的迭代算法计算信道容量,利用多个计数器并行传输多位信息等方法提高传输率,采用伪随机序列对发送信息进行扰码的技术增强信道的隐蔽性和抗噪性.通过实验分析几种参数和信道性能的关系,结果表明了隐蔽信道的可行性.     

基于VQ-HMM的无教师说话人自适应方法

提出了一种新的语音识别方法,该方法综合了VQ,HMM和无教师说话人自适应算法的优点。该方法首先在每个状态通过用矢量量化误差值取代传统HMM的输出概率值来建立VQ－HMM,同时采用无教师自适应矢量量化算法,来改变VQ－HMM的各状态的码字,从而实现对未知说话人的码本适应。本文通过非特定人汉语数码（孤立和连续数码）识别实验,把新的组合方法同基于CHMM的自适应和识别方法进行了比较,实验结果表明该方法鲁棒性好,所需计算量较少,自适应和识别效果远优于基于CHMM的方法。