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。     

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。     

一种设计LBG初始码书的改进PNN算法

以成对最近邻(PNN)算法为基础,提出了一种用于设计LBG初始码书的改进算法.该算法首先采用随机法或者LBG分裂法选定预备码书,然后以最相邻的原则,将训练矢量依次合并到预备码书的码字中.与PNN算法相比,这种算法生成LBG初始码书的训练时间短.用LBG分裂法得到预备码书后生成的最终码书比随机法的性能稳定.测试结果表明:用该算法得到的码书来恢复语音,其平均谱畸变在1dB左右,2～4dB的谱泄露小于2%,4dB及以上无谱泄露,质量达到了语音编码的要求.     

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.     

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。     

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。     

基于小波特征矢量的分离初始码书算法

针对LBG算法在图像空域中随机构造初始码书性能不稳定、压缩质量差的缺点,提出了一种新的基于小波变换的变换域初始码书构造方法。该算法利用小波分解后系数的父子关系构造训练矢量,在此基础上采用分离的初始码书算法,考虑了子带内部以及各子带之间的关联性。用两幅经典图像做了算法的性能仿真与比较。仿真结果表明,该算法与传统的随机LBG以及一般的小波随机LBG算法相比,具有收敛速度快、压缩比高、图像质量好的优点。     

LBG算法使用等价范数产生相同码书

LBG算法是图像压缩中向量量化的基础算法,目前主要是采用L2范数进行计算.证明了著名的LBG算法使用等价范数,只要初始码书相同,则产生相同码书.从而在研究LBG算法性能时,只需选择最有利于研究的范数.     

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。     

一种基于改进的矢量量化算法的说话人识别方法

该文针对LBG算法可能有空胞腔产生及有些码字利用率低的问题,提出了一种改进的矢量量化算法,并将其应用到与文本无关的说话人识别研究,得到了一种新的说话人识别方法.实验表明,这种方法对说话人的识别性能好于基于LBG算法的说话人识别方法.     

基于改进粒子群算法的码书设计方法

基本的矢量量化码书设计方法的性能易受到初始码书的影响,采用群体优化的粒子群算法是克服这一缺陷的有效手段。在粒子群算法中,惯性权重因子的大小决定了粒子的搜索能力。为了权衡粒子群算法中全局搜索能力与局部搜索能力,提出了一种非线性递减的惯性权重粒子群优化算法。该算法能够自适应地调整惯性权重因子的大小,从而有效地改善粒子的全局搜索能力。     

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。     

一种改进的等误差竞争学习矢量量化算法

针对等误差竞争学习矢量量化算法的初始码书生成随机性较强和搜索获胜码字计算量较大这2个缺点,提出了一种改进算法。对于初始码书的缺点,改进算法采用一种基于训练矢量的统计特征量的分类平均初始码书生成算法,同时改进算法利用3个不等式来快速排除大量候选码字,从而解决了原算法计算量较大的问题。仿真实验表明,改进算法的计算量比原算法减小了80%,而图像效果即峰值信噪比(PSNR)比原算法平均提升了0.5 dB左右。     

TETRA数字集群系统语音编解码算法研究

研究了陆地集群无线通信（TETRA）数字集群移动通信系统的语音压缩编解码算法的基本原理。TETRA语音压缩编解码器使用一种低复杂度的ACELP（代数码激励线性预测）算法，通过线性预测和磁量量化等方法降低比特率，并通过自适应码本和代数码本相结合的方法降低了CELP声码器的复杂度，兼顾了较好的语音质量和较低的比特率。在微机上通过C评议和Matlab对TETRA的语音编解码算法进行了实时仿真，语音信号由微机声卡录入和播放。仿真结果表明，该算法具有速率低，重建语音可懂度高，计算复杂度低等优点，适于在移动通信中应用。     

基于分频算法的VQ码书生成方法

提出一种简单有效的VQ码书生成的分频算法。该算法将图像分割为高频、低频两部分，在高频段采用阈值比较的方法，在低频段采用分块提取的方法生成VQ码书。实验结果表明，该算法生成的码书通用性较强，在码率为0．625bpp的情况下，重构图像的峰值信噪比为23．20～32．24dB，性能优于其他方法。     

高质量4kbit/s码速率语音编码算法研究

４ｋｂｉｔ／ｓ有限状态代数码激励线性预测语音编码算法ＦＳ－ＡＣＥＬＰ是一种具有延时较短、合成语音质量高、算法复杂度较低的语音编码算法。在线性预测（ＬＰ）参数量化上,利用了语音帧内和帧间的相关性,对线谱对（ＬＳＰ）参数使用预测式分裂式矢量量化,获得很高的量化效率。在自适应码本搜索上,采用了有限状态控制分数延时搜索的算法,在保证合成语音质量的同时,有效地降低了运算量。对于随机码本,采用了具有多模结构的代数码本,提高语音合成质量。对于激励码序列的增益,采用了预测式矢量量化,有效地提高了量化精度。经非正式听音测试,４ｋｂｉｔ／ｓＦＳ－ＡＣＥＬＰ的合成语音质量超过了北美８ｋｂｉｔ／ｓＶＳＥＬＰ,接近Ｇ．７２９８ｋｂｉｔ／ｓＣＳ－ＡＣＥＬＰ,ＭＯＳ分约为３．９。     

一种矢量量化的快速码字搜索算法

文章提出了一种基于范数和方差相结合的码字快速搜索算法。该算法在搜索前预先计算码书中码字的范数和方差,并按范数的大小对码书中的码字进行排序;搜索时,利用有序的码书和有效的删除准则,大大减小了码字的搜索范围,从而降低了编码时间。     

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。