基于自组织特征映射的神经网络的矢量量化

本文设计了一种神经网络矢量量化编码方法－基于自组织特征映射的神经网络的矢量量化,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。该神经网络速度快,效率高,适用于语音和图象数据压缩,并对SOFM算法应用于图象矢量量化进行系统的研究。     

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.     

一种改进的基于平均背景模型的运动目标检测算法

通过实验仿真分析探讨了基于背景差分法的两种运动目标检测算法(平均背景模型法和codebook 模型法)的性能和存在问题,并在此基础上提出了一种改进的平均背景模型的算法.算法采用当前图像与背景相减后差分图像的灰度直方图进行阈值的选取,同时引进新的背景更新方法,由分割得到的前景图像来控制背景更新的区域,实验结果表明,改进后...     

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codebook的事件关联分析

为关联系统事件,给出最根本故障原因,采用codebook与原因池相结合的方法,建立了一种新的事件分析模型。模型通过不断地缩小原因池中原因的个数,最终锁定系统故障原因,适用于分布式系统的事件关联分析应用。针对codebook中记录的事件和原因规模扩大的情况进行了模型的性能测试,并对查全率、差误率、重报率等指标进行了模型的功能测试。测试结果表明,模型对丢失事件和事件逆序具有抗干扰性,可独立进行多系统并发事件分析且不会互相影响。     

融合码本和纹理的双层视频背景建模方法

基于背景建模的运动目标分割是智能视频监控的重要任务,模型的质量直接影响到检测、跟踪、识别等运动分析的准确性.当前的建模方法多是单层的,忽略了像素特征在时域和空域上的联系,模型描述不够准确,对于背景扰动、全局光照变化及复杂的室内外场景等多种情况鲁棒性不强,导致了分割中出现空洞和噪声点.针对这些问题提出了一种双层建模的方法,在第一层提取时域上的像素亮度特征采用码本建模,第二层提取邻域纹理特征采用基于中心对称的局部二值模式建模.实验证明该方法在用于运动分割时,比常用方法具有更好的准确性和鲁棒性.     

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．     

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。     

基于自适应数据压缩的码集设计及算法实现

简要给出了最近秩(Recency Rank)编码原理，运用插值法构成了其编码码集，并采用位输入输出方法实现了该算法的压缩及还原。     

一种低码率语音编码矢量量化算法

矢量量化(VQ)是近年来发展迅速的新型的高效信源编码技术,被广泛地应用于移动通信、卫星通信和保密通信等领域。而在矢量量化中,码本的优劣直接影响到 VQ 技术的性能。本文在研究了几种传统的建本算法的基础上,提出了一种高质量的量化方式——非均匀矢量量化(NUVO),并在此基础上提出了适应 NUVO 的建本算法——多级阈值聚类算法(Multi—Stage Threshold Clustering Algorithm——MSTC)。该方案主要建立在矢量自身的概率密度函数(pdf)之上,因此,在质量上有了较大的提高。