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.     

一种选择预测矢量量化的迭代优化设计方法

为了提高选择预测矢量量化的性能,提出了一种迭代优化设计方法。利用常规的前后帧相关性划分训练数据,采用不同的训练数据进行各个预测系数计算和码本设计。采用设计的预测系数和码本对训练数据进行量化,根据量化误差大小调整训练数据划分。通过训练数据划分和码本设计迭代,优化选择预测矢量量化码本设计。该方法改进了训练数据固定划分的缺点,可以有效提高选择预测矢量量化设计性能。以语音线谱对参数为实验数据进行实验,实验结果表明,该方法能减小参数量化失真,改善信号压缩质量。     

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。     

基于线谱对高效矢量量化的0.6 kb/s语音编码算法

为了提高通信系统的抗干扰和抗攻击能力,尽可能降低语音编码速率.提出了一种O.6 kb/s语音编码算法.算法基于3帧联合,对多帧联合参数采用高效矢量量化,在降低语音编码速率的条件下保证语音编码质量.其中,对线谱对参数采用预测多模式多级矢量量化码本结构.在码本设计过程中,提出了多模式渐进闭环设计,对各类码本联合优化,并联合优化预测器和量化器,可以有效提高线谱对参数量化质量.在译码方,采用多带混和谐波激励提高合成语音清晰度.测试结果表明,该语音编码算法合成语音PESQ(perceptualevaluation of speech quality)得分可以达到2.7,汉语诊断押韵测试DRT(diagnostic rhyme test)得分可以达到89.7.     

带有帧间级间预测的线谱频率参数多级矢量量化

为在极低速率下实现高质量的语音编码,提出一种高效的带有帧间及级间预测的线谱频率参数多级码本矢量量化(IFP-MSVQ-ISP)算法。算法利用多级矢量量化中上一级码本的选定码矢对残差矢量进行预测,对去除预测分量的残差矢量再进行下一级矢量量化。测试结果表明,这种带有多级码本级间预测的算法与无级间预测的算法相比,能够有效降低线谱频率参数的量化误差,使谱失真降低0.1 dB以上,合成语音客观MOS提高0.02以上。该算法的实现对极低速率下语音压缩编码算法的研究具有重要的参考价值。     

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。     

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。     

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。     

一种甚低码率声码器的设计

在混合激励线性预测 (mixed excitation linear prediction, MELP) 模型的基础上,以超帧为单位,采用多帧联合编码技术,分模式对子帧的语音特征参数进行联合量化,实现了一种码率为600 bit/s的声码器。为了进一步减小量化误差,设计出了一种基于高斯混合模型的预测分类分裂矢量量化器(predictive switched split vector quantization based on Gauss mixture model, GMM-PSSVQ),该量化器对超帧中某些子帧的线谱频率进行量化,并利用帧间预测和线性插值等方法提高编码效率。采用谱失真对设计的矢量量化器进行性能评估,并分别与多级矢量量化和预测分裂矢量量化算法进行性能比较;通过客观感知语音质量评估和主观判断韵字测试对实现的声码器进行性能测试。测试结果表明,设计的矢量量化器平均谱失真最低,实现的声码器合成语音具有较高的清晰度和可懂度。     

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。     

基于KLT／WT／WTVQ的三维多光谱数据压缩方法

提出了三维多谱图像数据压缩的新方法。在对多光谱图像数据进行Karhunen-Leove变换（KLT）消除谱相关性,再应用小波变换（WT）对KLT后的多光谱图像数据进行消除空间相关性。采用特殊矢量量化编码,叫作小波树矢量量化（WTVQ）编码对每个谱象数据进行压缩,获得较高的压缩性能。实验结果表明：KLT／WT／WTVQ压缩方法比KLT／JPEG和KLT／WT／FSVQ压缩方法在相同的PSNR条件下,CR提高20以上,整体压缩性能有较大的提高;在同样压缩比（CR）条件下,压缩速度提高3倍。     

矢量量化器的典型训练序列方法

本探讨了矢量量化器设计中信源样本的选取问题，提出了典型训练序列的概念和生成方法。实验结果表明用典型训练序列设计矢量量化器的有效性。同时，简化了设计。     

向量量化图象中的信息搭载

让信息承载者增载另一种信息的方式称为信息搭载，它是为实现信息隐蔽而提出的。基于相似性的搭载模型是实现信息隐蔽的一般框架。由于图象通常以压缩格式存储和传输，因此把数据压缩与信息搭载结合是使其实用化的关键技术。针对向量量化这种常用的图象压缩方法，设计了两类信息搭载方案，并对参数取值的不同情况进行了实验比较。说明了信息搭载的可行性。     

基于多分辨方法的海量数据三维云体绘制

针对因图形硬件存储能力有限带来的海量云数据体绘制的交互性差等问题,提出了一种适用于大规模体数据压缩的多分辨率三维云体绘制方法。该方法首先引入基于变异系数的多分辨率细节层次划分,再利用小波变换和最优量化对划分数据块进行压缩,最后采用基于GPU的自适应采样光线投射算法对云数据进行体绘制。实验结果表明:该方法与传统的多分辨率压缩绘制方法相比,既提高了绘制速度,又保证了绘制的逼真效果。     

一种改进的等范数最近邻码本矢量搜索算法

文章提出了一种改进的等范数最近邻码本矢量搜索算法,该算法预先离线计算好各码本矢量的2-范数和它与中心线的矢量夹角,再根据各码本矢量的2-范数进行升序排列.编码时用二分法搜索到与目标矢量2-范数最近的码本矢量,再排除那些不在目标矢量形成的夹角范围内的码本矢量。结果证明,该算法对比文中列举的其他算法更加高效。     

矢量量化与神经网络FSCL算法的收敛性

非监督的神经网络算法在矢量量化器的最佳设计上具有简单、存贮量 小、适合并行运算等优点，但算法的收敛性仍未得到证明。针对ＦＳＣＬ算法， 证明了当ｎ趋于无穷时，算法收敛于量化器的局部最佳解，并对算法的初始 值、学习速度控制函数ε（ｎ）和训练集的选取作了探讨。     

矢量量化的一种快速编码算法

矢量量化的计算量主要在于搜索最近的码字,这也是矢量量化实用化的障碍。作者在该文中提出了一种不增加量化噪声快速编码算人实验结果表明,所提出的快速编码算法相对于穷尽搜索算法只需增加较小存储量,就将使小算时间可大大降低。     

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.