标量—矢量量化（SVQ）在子带编码中的应用

子带编码作为中低码率的波形编码方法，已经广泛应用于语音及声频编码。ＳＢＣ可以通过给各子带分配不同的量化及编码比特数，使压缩编码后的重建语音具有较高的质量。     

16kb／S BESBC语音编码

本文提出了一种称为比特扩展子带编码（ＢＥＳＢＣ）的语音编码方法。该方法在输入语音作子带分解的基础上，以ｒｂｉｔｓ作２（ｒ＋１）量阶的语音编码，在相同码率的条件下，提高了编码的量化信噪比，改善了重建语音的质量。在１６ｋｂ／ｓ的情况下，获得了良好的听觉效果。     

16kb／s BESBC语音编码

本文提出了一种称为比特扩展子带编码（ＢＥＳＢＣ）的语音编码方法。该方法在输入语音作子带分解的基础上，以ｒ ｂｉｔｓ作２＾（ｒ＋１）量阶的语音编码，在相同码率的条件下，提高了编码的量化信噪比，改善了重建语音的质量。在１６ｋｂ／ｓ的情况下，获得了良好的听觉效果。     

栅格编码量化（TCQ）在语音编码中的应用

栅格编码调制（ＴＣＭ）作为一种有效的数字调制技术，已经得到了广泛的应用。春在信源编码中的对偶－栅格编码量化（ＴＣＱ），也正在研究 。ＴＣＱ方法利用有限字母表的率失真理论，采用信号的集合扩展１分划及支路标注等概念，结合信号本身的特点，得到了一镁方误差性能很妇且计算量不复杂的压缩编码器。本文将ＴＣＱ量化编码方法用于语音编码、ＴＣＱ编码模拟系统，模拟结果表明重建语音具有较高的主、客观质量。     

栅格编码量化(TCQ)在语音编码中的应用

栅格编码调制（ＴＣＭ）作为一种有效的数字调制技术,已经得到了广泛的应用。其在信源编码中的对偶———栅格编码量化（ＴＣＱ）,也正在研究之中。ＴＣＱ方法利用有限字母表的率失真理论,采用信号的集合扩展、分划及支路标注等概念,结合信号本身的特点,得到了一种均方误差性能很好且计算量不复杂的压缩编码器。本文将ＴＣＱ量化编码方法用于语音编码,设计了ＴＣＱ编码模拟系统,模拟结果表明重建语音具有较高的主、客观质量。     

卷积码在语音压缩编码中的应用

栅格编码量化（ＴＣＱ）是基于有限字母表率失真理论,将信道编码和量化相结合的一种压缩编码方法。结合信号的具体特点,用它可以设计出一种均方误差性能很好而且复杂度低的压缩编码器。本文将此方法用于语音压缩编码,设计了１６ｋｂｐｓ的语音自适应预测栅格编码量化系统（ＡＰＴＣＱ）,并详细研究了系统设计中的关键问题———卷积码的选择。该系统经软件模拟,重建语音主、客观质量较高。     

神经网络矢量量化的设计与实现

设计了一种混合神经网络矢量量化编码方法。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，用３层ＢＰ网络完成码字的信道符号编码。该神经网络矢量量化编码器能够并行处理输入矢量，速度快，效率高，适用于语音和图像数据压缩。     

卷积码在语音压缩编码中的应用

栅格编码量化是基于有限定母表率失真理论,将信道编码和量化相结合的一种压缩编码方法。结合信号的具体特点,用它可以设计出一种均方误差性能很好而且复杂度低的压缩编码器。本文将此方法用于语音压缩编码,设计了１６ｋｂｐｓ的语音自适应预测栅格编码量化系统,并详细研究了系统设计中的关键问题－卷积码的选择。该系统经软件模拟,重建语音主,客观质量较高。     

分形的产生及其在矿山视频图象编码中的研究

概述了分形编码的基本方法,讨论了如何用ＢｏｒｌａｎｄＣ＋＋对Ｓｉｅｒｐｉｎｓｋｉ三角形分形码解码,提出了煤矿工业电视图象的分形编码方法     

线谱对参数的一步插值预测矢量量化

利用语音短时谱变化相对较慢、其邻近ＬＳＰ矢量存在充分相关这一特性，提出了一种新的谱编码方法，即ＬＳＰ编码的一步插值预测矢量量化，本设计了一个１８ｂｉｔ／ｆｒａｍｅ分裂矢量量化方案用于量化预测残差，当帧变化周期为３０ｍｓ时，平均谱失真仅为１．１７８ｄＢ。     

基于压缩感知的语音信号编码算法

针对语音信号在离散余弦变换基上的稀疏性,提出了一种基于压缩感知的语音压缩编码算法。算法在编码端采用随机高斯矩阵直接对语音波形进行观测,并采样均匀量化技术对随机观测进行量化。解码端利用未饱和的观测值通过Lasso算法实现语音信号的重构。仿真结果表明,该算法具有良好的重构性能。     

图象信号的变换域锥形矢量量化器的实现

本文提出了用于图象压缩编码的一种变换域锥形矢量量化器(简称PVQ)的实现方法。鉴于 PVQ 希望输入信源具有 Laplacian 分布,而哈达玛变换(WHT)和离散余弦变换(DCT)中的非直流系数近似服从 Laplacian 分布,采用 WHT 与 DCT 与矢量量化技术相结合的方法,实现了静态图象的压缩编码。该方法的特点是量化器设计结构简单、复杂度低、可大维数编码和有较高的压缩比。在均方误差失真测度准则下,该量化器在恢复图象的质量方面和保护图象边缘方面性能较佳,在图象的高效编码和实现实时处理方面具有可观的研究前景。     

H.263视频编解码器中量化过程的研究

H．263是一种面向低比特率视频通信应用的视频压缩标准，其编码标准所采用的算法中，DCT变换是重要的一个模块，而量化是DCT变换后的一个重要环节．量化过程是对预处理后的信号进行取舍，在一定的图像质量的前提下，丢掉那些对视觉效果影响不大的信息，由于量化过程是造成DCT编解码信息损失的根源，所以量化器的好坏直接影响到编码器效率和重建图像的质量．通过分析H．263的编码过程，研究了H．263量化因子的选取对重建视频质量的影响，并应用C＋＋作为开发工具进行了实验仿真．结果表明：量化因子越大，则解码后图像质量越低，压缩率则越高。     

可变阶数多脉冲激励线性预测语音编码方法

多脉冲激励线性预测编码 (MPLPC)方法中 ,合成滤波器的阶数是固定的 .而对于某些语音帧 ,可以用较小的阶数得到相同质量的合成语音 .为了进一步压缩比特率 ,我们研究了可变阶数合成滤波器的语音编码方法 ,即根据当前语音帧的性质决定相应合成滤波器的阶数 .首先用MATLAB(MATrixLABoratory)对此方法进行了仿真 ,然后对重构语音的质量进行了讨论 ,实验证明可以用较低的比特率得到几乎相同质量的语音 .     

G.718音频编码器核心层的一种低延时编码方案

语音编码器不仅要求提供高质量的语音,同时还要具有较低的编解码延时。较大的编码延时不仅会降低语音通信的服务质量,同时还可能减小系统容量。由于G.718编码器的延时主要由核心层算法引入,为了降低G.718编码器核心层的延时,提出了一种帧长为5ms的低延时编码方案,通过改变语音分类、开环基因搜索、线性预测系数的求解和量化方法,成功将编码延时在G.718基础上降低了25ms。主客观语音评测结果表明,该方案接近G.718核心层的重建语音质量。     

线谱频率参数的快速、低存储矢量量化

为降低码书的存储空间和搜索复杂度,更充分地利用线谱频率参数帧内和帧间的相关性,提出了一种快速、低存储的矢量量化器。将线谱频率参数去除平均值后进行一阶滑动平均预测,将残差进行三级矢量量化。在第二级量化时,将高维线谱频率参数矢量分裂成两个低维的部分,分别用不同的码书进行量化,降低了码书的存储空间和搜索复杂度。C语言仿真结果显示,在满足低速率编码的前提下,平均谱失真达到0.91dB,2～4dB的谱泄露为0.13%,无4dB以上谱泄露,同时码书的存储空间和搜索复杂度均降低了31%以上。     

Bark-Band Residual Noise Model for Parametric Audio Coding

A Bark-band residual noise model integrated with the human hearing mechanism is proposed to efficiently complement sinusoidal model in parametric audio coding. The time-varying spectrum of the residual noise is retrieved by Bark-scale piecewise constant magnitude estimates along with random phases. In the proposed noise model, Bark bands information is obtained by short-time FFT method and window overlap-add technique is exploited to remove boundary discontinuities. SVQ is also incorporated into parameter quantization process for the low bit-rate coding demand. Simulation results and informal listening tests show that when the sinusoidal model is combined with the Bark-band noise model, better synthesis audio quality can be achieved compared with the original sinusoidal modeling audio codec.     

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     

一种基于正弦模型的变码率低速率宽带语音编码算法

基于语音正弦模型,采用能量谱熵和子谐波谐波比率方法进行语音分析。根据最小二乘估计准则提取语音参数,引入多形态量化方法和幅度参数拟合量化模型,在对分裂矢量量化过程中采用动态时间归整的方法快速搜索码本,提出了一种变码率、低速率、宽带语音编码算法。仿真结果表明:在有效降低码率和算法复杂度的前提下,该算法具有语音参数分析精度高、实时性好和语音合成质量较高的特点,并能在汽车及音乐背景噪声下重建高质量语音。