一种新的用于LBG图像压缩初始码书生成算法

LBG算法是一种经典的矢量量化算法,广泛用于数字图像的压缩.在矢量量化中,码书的设计问题实际上解决的是如何选择最具有代表性的矢量作为码字来尽可能精确表示整个矢量空间.码书决定了矢量量化的编码质量,因此高质量的码书设计就成为整个矢量量化研究的核心.初始码书的质量极大的影响了LBG算法的收敛速度和收敛的可能性.并决定了最终的码书质量.针对常用的算法生成的码书分布不能很好的代表样本集的分布,并造成LBG算法收敛缓慢和最终码书的品质不佳,提出一种新的快速的初始码书生成算法,提高了生成码书的迭代速度和最终码书的品质.     

基于粒子群优化算法的矢量量化图像压缩方法

提出一种基于粒子群优化算法的图像矢量量化码书设计算法．该算法引入粒子群的全局搜索策略，结合矢量量化码书设计方法，增加了算法解的随机性和多样性．实验结果显示，本算法与传统LBG码书设计算法相比，具有更强的鲁棒性，可有效解决LBG算法对初始码书的依赖性，能获得性能较好的码书．     

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。     

基于遗传K-均值算法的LSF参数码书设计

文章提出了一种基于遗传K-均值算法的线谱频率参数(LSF)码书设计方法。该方法使用K-均值算法定义遗传操作中的交叉操作,采用训练矢量随机替换码书码字的方法进行变异操作。实验结果表明:该方法是有效的,在相同的码书尺寸下,用该量化器设计的LSF码书较传统分裂式LBG算法(初始码书由分裂法产生)设计的码书质量有所提高。     

神经网络在图像矢量量化中的应用

该文研究了自组织特征映射神经网络(SOFM)在图像矢量量化码书设计中的应用,并把SOFM算法同LBG算法作了比较。最后总结了SOFM算法与LBG算法的优缺点。     

基本矢量量化器的性能研究

介绍了基本矢量量化器的理论和结构设计基本原理．研究和实现了基本矢量量化器的LBG算法，并着眼于在优化系统结构和性能时选择LBG算法中产生初始码书的方法．通过对输入的语音信号进行矢量量化仿真，分析了基本矢量量化器的性能．     

一种基于小波分析的图像压缩编码方法

提出一种基于小波变换的图像压缩编码算法。即首先对图像进行小波分解,然后对高频子图像用改进后的LBG算法形成码书,进行VQ编码。算法充分利用了不同分辨率间各种子图像的相似性,仅对最高分辨率层进行码书地址索引,低频区域用DPCM编码,最低分辨率层用游程编码。模拟实验的结果验证了该算法在提高图像的恢复质量及降低位码率方面有一定的价值。     

基于遗传算法的码本设计及其在说话人识别中的应用

矢量量化方法是与文本无关的说话人识别系统中广泛应用的建模方法之一.在矢量量化过程中,经典的LBG算法收敛速度快,但极易收敛于局部最优点,无法保证根据有限样本数据得到最优码本,并最终影响系统识别性能.本文提出了一种基于遗传算法并结合LBG算法的码本设计方法.该方法通过遗传操作获得全局优化的说话人模板,把新的识别算法应用于说话人识别的实验.结果显示,对于一个小的码本集,新的码本算法比经典的LBG算法具有更好的识别性能.     

改进的子帧矢量量化

提出了一种新的子帧划分方法-四叉树分裂法，对LBG算法中初始码书的分裂方法进行了修正，拟实验结果表明，在相同的压缩比的情况下，信噪比要优于传统的矢量量化(VQ)和子帧矢量量化(SVQ)，且重构图像的主客观效果良好。     

引入病毒进化模型的新型模拟退火算法

改进了病毒进化遗传算法中的病毒进化模型,根据病毒生命力强弱动态调整其感染概率,并将改进后的病毒进化模型引入到模拟退火算法中,提出一种引入病毒进化模型的新型模拟退火算法,并用其解决图像编码矢量量化码书设计问题.实验表明,该算法收敛速度快,码书性能较好.     

基于混合自适应遗传算法HEV系统参数的优化

选择优化算法是混合动力电动汽车系统参数优化的一个重要内容.针对基本遗传算法存在着易早熟、收敛速度慢的缺陷,提出了一种混合自适应遗传算法.测试结果表明,该算法既具有良好的全局收敛性,又具有较快的收敛速度.将该算法应用到混合动力电动汽车系统参数优化问题中,取得了较为满意的优化结果和收敛效果.根据优化结果,对一辆串联式混合动力中巴的发动机/发电机组进行了优化设计.     

遗传算法中群体多样性评价指标的研究

本文针对遗传算法中早熟问题进行了分析,提出了评价群体多样性的两个性能指标,在此基础上结合模糊逻辑调节遗传算法的交叉和变异概率.对一组函数优化问题对标准算法和优化算法进行测试,测试结果表明基于模糊逻辑控制的遗传算法的性能要优于标准遗传算法.证明本文提出的群体多样性的评价指标是有效的.     

基于特征选择的高光谱图像快速矢量量化算法

高光谱图像在取得较高光谱分辨率的同时带来了海量数据,使其压缩成为必需.矢量量化技术在高光谱图像压缩中取得了良好效果,但有计算复杂度高的缺点.针对高光谱图像谱带间高度冗余的情况,本文提出基于特征选择的快速矢量量化算法.该算法在减少运算量同时,能取得和LBG算法相近的压缩效果.实验表明在信噪比略微下降的情况下,计算时间下降了94.32%.     

多路快速卡尔曼算法

在实际应用中,往往遇到需要处理具有多输入单输出的系统。在要求快速收敛和跟踪的场合下,LMS 算法及常规的快速卡尔曼算法均不适用。本文导出了一种适用于这种情况的复值多路快速卡尔曼算法。理论分析和计算机模拟结果均表明了这种算法的可行性。     

改进的子帧矢量量化

提出了一种新的子帧划分方法 四叉树分裂法 .并对LBG算法中初始码书的分裂方法进行了修正 .模拟实验结果表明 ,在相同的压缩比的情况下 ,信噪比要优于传统的矢量量化 (VQ)和子帧矢量量化 (SVQ) ,且重构图像的主客观效果良好     

基于E-PASTd的盲扩频码序列估计算法

针对直接序列扩频信号的扩频码盲估计问题,改进了特征分解的方法,提出了一种基于压缩投影近似子空间跟踪的PN码恢复算法。该算法由两个主特征向量估计非同步延迟值,结合利用压缩投影近似子空间跟踪技术的快速收敛特性提取主分量,避免了对自相关矩阵的直接特征分解运算。计算机仿真表明该算法降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能优于已有的梯度算法和神经网络算法。     

变预处理子SOR-双共轭残量法

研究了大规模稀疏线性方程组的预条件迭代求解算法。结合Krylov子空间方法和SOR迭代,给出了一个新的求解算法,即变预处理子SOR-双共轭残量法,同时给出了算法的收敛性分析。数值实验显示了算法的快速收敛性。     

一种改进的递归神经网络盲均衡算法

提出了一种新的基于递归神经网络的快速收敛盲均衡算法。设计中采用观测信号的四阶统计量构造代价函数,简化了系统的复杂度;利用实时递归学习算法对系统参数进行动态调节。该算法具有镇定性,其收敛性能不会受到失真信道的影响,适用于均衡衰落性严重的信道。实验仿真结果表明对具有频率选择性衰落的非线性信道,该算法在收敛速度和对抗码间串扰方面都具有良好的性能。