LBG算法中空胞腔优化处理研究

一个码书中空胞腔的码字越多,则LBG算法的量化效果就越不好,解码得到的信号失真就越大。在分析处理LBG算法中空胞腔的次邻域方法的基础上,针对次邻域法所存在的缺点,文中提出了一个新的空胞腔处理方法。利用仿真实验将其与传统的几种空胞腔处理方法进行比较分析,从类间离散度、矢量量化不均匀度、处理后所剩空胞腔数以及收敛性等性能指标都表明提出的改进方法达到减少量化失真,改善量化性能的目的。     

声纹识别的应用与矢量量化算法研究

针对声纹识别算法中的矢量量化方法,给出一种新的初始码本选择策略:超球面极值选择法;对提出的新策略进行性能分析,证明该方法在矢量量化码本训练过程中收敛速度快,不存在振荡点与空胞腔问题,计算量小,易于实现;应用此策略实现了基于矢量量化的说话人识别系统,与传统选择策略的系统识别结果进行统计比较,结果表明由改进超球面极值选择法得到的说话人矢量量化码本,识别性能好,具有可应用价值。     

基于快速胞腔划分的改进分裂法矢量量化码书设计

本文提出了基于快速胞腔划分的改进分裂法语音信号矢量量化码书设计新算法。新算法应用特征变量对码书进行合理的构造，使得码书在结构上具有秩序性。利用这种秩序性进行快速划分胞腔，从而压缩分裂法码书训练中庞大的运算量。计算机实验结果表明，新算法明显减少了码本训练的复杂度，提高了矢量量化码书的训练速度。实验还分析了码书扩展参数r的不同取值对码书性能的影响．     

矢量量化在语音波形编码中的应用

矢量量化(VQ)技术是近几年发展起来的一种高效数据压缩技术.本文介绍了VQ技术的发展历史、现状和它的基本原理,较为详细地讨论了基本矢量量化器的实用设计方法——LBG算法,并对原有的LBG算法进行了改进,给出了实验结果.     

码本均衡矢量编码算法

提高矢量编码的压缩率是矢量编码的一个重要研究方向。提出一种提高矢量编码压缩率的码本均衡算法。它是对LBG算法得到的码本进行修正,将胞腔矢量个数较小的聚类矢量用胞腔矢量个数较大的胞腔矢量取而代之,以此完成再生初始矢量的选择,然后再用LBG算法进行压缩,该算法以较短的码本长度完成矢量压缩,从而提高了压缩率。给出了码本均衡算法的思想和具体算法步骤,仿真结果证明了该方法的有效性。     

噪声信道中基于进化算法的矢量量化器的设计

本文提出了一个基于进化算法的信道最优矢量量化器（COVQ）设计算法。该算法在给定信道状态模型和存在信道噪声的情况下，可以有效地提高矢量量化器的性能，实现了信道最优矢量量化器的设计。与目前常用的码书设计算法比较，实验结果表明该算法可获得比传统算法更高的性能增益。     

一种设计语言信号波形矢量量化器的新算法

本文提出了波形矢量量化器码本的特征变量,对码本的分布特性进行了研究,提出了合理构造初始码本、快速训练码本和快速量化矢量的设计波形矢量量化器新算法。计算机模拟结果表明,新算法明显缩减了码本训练时间、提高了矢量量化的速度。     

一种基于高斯混合模型的导谱频率参数量化算法

提出了一种高效的基于高斯混合模型(GMM)的导谱频率(ISF)参数量化算法,算法的基本思想是利用高斯混合模型将导谱频率(ISF)参数发送给M个高斯簇,然后由高斯格型矢量量化器来量化相应高斯簇的导谱频率(ISF)参数,最终可以在M个量化值中选出频谱失真值最小的一个作为输出值。在设计高斯格型矢量量化器时,基于率失真理论提出了一种最佳比特分配算法。实验结果显示导谱频率(ISF)参数可以透明地压缩到42 bit/帧,与AMR-WB(G.722.2)的多级分裂矢量量化算法相比,节省了3 bit,减少了55%的存储空间。     

一种设计语言信号波形矢量量化器的新算法

本文提出了波形矢量量化器码本的特征变量，对码本的分布特性进行了研究，提出了合理构造初始码本，快速训练码本和快速量化矢量的设计波形矢量量化器新算法，计算机模拟结果表明，新算法明显缩减了码本训练时间，提高了矢量量化的速度。     

基于进化算法的矢量量化索引值分配算法

本文提出了一个基于进化算法的矢量量化（VQ）的码磁索引值分配算法（EAIAA），该算法提出了一种有效的获得全局最优的索引值分配方法，在存在信道噪声的情况下，可以有效地提高矢量量化器的性能，实现了信道最优矢量量化器（COVQ）的设计，该算法利用进化算法的隐含并行性搜索方法和优胜劣汰的自然选择机制，可迅速寻找至全局最优解，克服了传统估化算法只能提供局部最优解的缺陷，实验结果表明该算法可获得比传统算法更高的性能增益。     

宽带ISF参数的转换分类乘积码锥形矢量量化

本文提出了一种新的应用于宽带导抗谱频率参数量化的转换分类乘积码锥形矢量量化方案.该量化器基于转换分类与乘积码锥形矢量量化原理,首先对待量化的ISF参数矢量进行分类,然后按类进行乘积码锥形矢量量化.该算法具有低存储量及低复杂度的特点.实验表明,该算法在每帧编码比特数为46时,平均谱失真比乘积码锥形矢量量化低,且达到了透明量化标准.     

一种快速模糊矢量量化图像编码算法

本文在学习矢量量化和模糊矢量量化算法的基础上,设计了一种新的训练矢量超球体收缩方案和码书学习公式,提出了一种快速模糊矢量量化算法。该算法具有对初始码书选取信赖性小,不会陷入局部最小和运算最小的优点。实验表明,ＦＦＶＱ设计的图像码书性能与ＦＶＡ算法相比,训练时间大大缩短,峰值信噪比也有改善。     

基于小波变换和误差竞争学习的矢量量化

用神经网络实现图像矢量量化是一种非常有效的方法，而小波变换又是近年来迅速发展起来的新算法。文中提出一种改进的误差竞争学习算法，分析了图像在小波变换后数据的特点，提出了新的矢量构造方法，从而最终得到了基于小波变换和误差竞争学习的矢量量化图像压缩新算法(以下简称VQWDCL)，无论是在主客观效果上，还是在计算复杂度上，其性能都优于传统的基于小波变换和LBG算法的矢量量化。     

实时自适应量化法——逐级均值法

本文以跟踪电视系统中自适应量化器为设计背景,提出了一种新的、实时自适应的快速图象量化方法——逐极均值法,文中首先用Lloyd-Max最佳量化理论分析了这种量化方法的均方误差失真,讨沦了图象中存在孤立亮点时的处理方法。然后论述了这种量化方法应用于跟踪电视系统中的性能,即实现的简单、快速性;对照度变化的自适应性;及图象对比度增强效果。文中通过图象处理实验结果验证了这种量化方法的性能和理论分析的正确性。最后得出结论:逐极均值法量化器是一种能够代替LlodyMax最佳量化器的次佳量化器,这种量化器可以很好地满足跟踪电视系统中对自适应量化器的设计所提出的各方面性能要求;它对那些要求实现简单、实时自适应的量化器应用领域也将具有一定意义。     

模糊强化学习型的图像矢量量化算法

本文给出了一种新的图像矢量量化码书的优化设计方法.传统矢量量化方法只考虑了码字与训练矢量之间的吸引影响,所以约束了最优解的寻解空间.本文提出了一种新的学习机理--模糊强化学习机制,该机制在传统的吸引因子基础上,引入新的排斥因子,极大地释放了吸引因子对最优解的寻解空间的约束.新的模糊强化学习机制没有采用引入随机扰动的方法来避免陷入局部最优码书,而是通过吸引因子和排斥因子的合力作用,较准确地确定了每个码字的最佳移动方向,从而使整体码书向全局最优解靠近.实验结果表明,基于模糊强化学习机制的矢量量化算法始终稳定地取得显著优于模糊K-means算法的性能,较好地解决了矢量量化中的码书设计容易陷入局部极小和初始码书影响优化结果的问题.     

相关矢量量化图象编码算法的VLSI结构

本文提出了一种实现相关矢量量化图象编码算法的VLSI结构．该结构根据相关矢量量化编码算法，利用相邻图象块编码地址的相关性，提高编码效率，并采用特殊设计的图象边缘块处理方法，降低实现复杂度．本文详细讨论了相关矢量量化图象编／解码器各部分的VLSI实现结构，并介绍了电路设计与模拟结果．     

基于旋转Barnes-Wall格的增益-波形矢量量化器及其在序列图象编码中的应用

本文首先提出了一种基于旋转Barnes-Wall格的格型矢量量化器(LVQ)的构造方法及快速量化算法,然后研究了以此LVQ为核心的增益-波形矢量量化器(GSLVQ)的实现方法,最后探讨了GSLVQ在序列图象编码中的应用方案,并给出了较好的实验结果。     

一种改进的相关图像矢量量化编码算法

本文提出了一种改进的图像矢量量化编码算法。该算法通过采用增加预测块，以及根据相邻块状态进行控制信息的条件熵编码等改进方法，进一步提高了算法的编码效率，为了便于算法实现，本文对图像的边缘引进的一致的处理方法。测试结果表明，相对于无记忆适量量化编码算法，比特率约下降４０％，相对于文献［５］算法，比特率约下降１５％。     

基于格矢量量化和倒排文件的快速图像检索方法

本文提出一种新的快速图像检索方法,它用格矢量量化器对特征矢量进行量化和描述,用倒排文件和Hash表存储和索引量化后的特征矢量,利用代数格良好的几何和代数性质实现快速检索.最后,本文分析了新方法的检索性能,并给出实验结果.     

一种改进的模糊C-均值聚类算法在说话人识别中的应用

提出了一种将改进的FCM聚类算法与矢量量化相结合的说话人识别的方法。先从语音信号中提取待识别的特征矢量集,再利用矢量量化来设计码本,最后用改进的算法对待识别语音进行辩识。该算法解决了FCM算法对初始值敏感、易陷入局部最优的问题。所使用的特征参数较少,计算比较简单,但识别率较高,且具有较好的鲁棒性。