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.     

基于模拟退火技术的多级矢量量化编码方案

研究了矢量量化最优码书的形成条件，以多级矢量量化和模拟退火技术为基础，提出一种基于模拟退火技术的多级矢量量化编码方案。实验证明，该算法不仅降低了计算的复杂度和码书存储量，而且在较高压缩比下可获得较好的图像恢复。     

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．     

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。     

基于空间域图象变换的矢量量化图象编码方法

本提出一种新的矢量量化图象编码方法。这种方法不同于通常矢量量化图象编码方法的地方在于,它利用若干空间域图象变换来构造码书,这些图象变换本身也构成码书中码矢的索引。这样就在解码端,免除了预置码书的累赘。本提供了这种方法的实验实例。     

模糊聚类法实现初始码书的优化

应用模糊数学理论,在限定条件下,从训练矢量的空间分布出发,对训练矢量空间进行胞腔划分,通过动态控制λ截集水平,调整截集数量和相应胞腔大小,然后求出相应的形心作为代表矢量构成一个优良的初始码书。采用该初始码书作为LBG矢量量化算法的叠代初值比分裂法、随机法更优。     

一种新的矢量量化码书设计算法

提出了一种针对码书优化的图像矢量量化算法。首先设定矢量距离的初始门限值,基于空间划分对训练矢量聚类,找到矢量个数小于平均胞腔矢量数的胞腔;提取其聚类矢量后删除该胞腔,然后缩小距离门限值再次聚类提取,依次循环直到聚类矢量个数达到要求。将提取的聚类矢量作为初始码书,进行LBG算法码书设计,有效地改善了传统LBG算法依赖于初始码书而容易陷入局部最优的缺点,采用改进算法生成的码书更接近全局最优,加快了收敛速度。仿真结果证明了该方法的有效性。     

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.     

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。     

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。     

一种快速的码本设计算法

矢量量化（VQ）是一种极其重要的信号压缩方法,广泛地应用于图像信号压缩、语音信号压缩领域。它的主要问题是码本设计,在码本设计过程中,有很多算法被提出,但是大部分的算法只适用于码本当中码字个数比较少的情况。随着数据量逐渐地增加,算法所需的时间复杂度和空间复杂度也大幅度地增加,本文提出的方法是结合了FCM聚类算法和LBG算法,首先对大量数据分类,然后通过用FCM聚类算法对每一组数据进行分类,可以得到相似度比较小的聚类中心。用这些相似度比较小的聚类中心作为LBG的初始码本,进行码本设计。虽然LBG算法依赖初始码本的好坏,容易陷入局部最小,但因为已经用FCM对初始码本进行了处理,所以初始码本对于算法的影响并不大。这样不仅可以改善LBG算法容易陷入局部最小的情况,而且由于首先对大量的数据分类,根据需要得到了一些可用的码字所以同时也改善数据量大所带来的运行时间的问题。     

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.     

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。     

基于改进SOFM的矢量量化图像压缩

在介绍矢量量化和自组织特征映射神经网络的基础上,针对基于自组织特征映射神经网络的矢量量化算法,在初始码书生成、获胜神经元搜索策略以及调整获胜码字及其拓扑领域权值等方面进行改进.实验结果表明改进算法具有合理性和有效性.     

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。     

6.3kbit/s CELP语音编码的研究

提出了一种新的6.3kbit/sCELP语音编码方案,其语音质量接近ITU-TG.729的合成语音质量,而编解码复杂度约为10MIPS.它在CELP的3个主要方面作了改进LSP参数的矢量量化;开环基音预测,长时预测滤波器系数的求解和量化一体化;代数码本激励.这些措施在保证合成语音质量的前提下大大降低了计算量,从而能够在单片TMS320C30系统上实时实现.