基于遗传算法的矢量量化

本文提出了一种基于遗传算法的矢量化方法。矢量量化码书设计本质是搜索训练矢量的最佳分类。遗传算法有卓越的全局优化搜索能力,易搜索到全局最优的矢量分类,形成高度优化的码书,可克服传统方法局部优化的缺陷。该算法不依赖初始条件、鲁棒性好、结构规则、并行性高。     

一种提高矢量量化器性能的方法

矢量量化技术是一种既能高效压缩数码率，又能保持语音质量在编码方法，它不但能用于波形编码，而且能用于参数编码，本文主要论述了矢量量化在参数压缩编码中的应用，即应用模拟退火方法设计矢量量化器，对语音ｃｅｐ参数库进行压缩，通过语音倒谱参数库压缩前后，语音正确识别率听变化来评价所设计矢量量化器的性能，文章中提出了适用于语音倒谱参数的模拟退火时间表，对于所涉及的扰动范围，扰动次数方面主要参数进行了一定的探讨     

一种用于语音编码的高效矢量量化新方法

近年来的研究表明,VQ技术是一种有效的信源编码技术,但由于计算量和存储量的限制,使VQ技术在实时实现上受到阻碍。本文在研究了MPE—LPC语音压缩编码方案中的间接激励参数R_(hx)的特性的基础上,提出了一种新的VQ方法——抽取矢量的矢量量化。该方法可使VQ的计算量和存储量降低50％,为VQ技术的实时实现创造了良好的条件。     

线性预测编码的矢量量化

语音的线性预测编码是获得低比特率数字语音的一种较好的方式.对预测滤波器模型参数采用矢量量化之后,将使这种方式更加完善,并在保证输出语音的质量下使比特率比一般线性预测进一步降低.本文在介绍了矢量量化的基本慨念之后,对采用矢量量化线性预测的几个主要问题如畸变测度的规定,产生码本的方法及搜索算法中的全搜索与二进位树搜索等作了扼要的阐述.本文最后介绍了一种较新的800bit/s矢量量化线性预测编码(LPC)声码器的主要结构.     

线谱频率参数的分裂矢量量化

本文简要介绍了线谱频率（ＬＳＦ）参数的定义和性质，给出了一种求解ＬＳＦ参数的有效方法，在ＬＰＣ语音编码中设计了一种新的ＬＳＦ参数分裂适量量化器．主观和客观评价结果表明，以每帧２５ｂｉｔ对ＬＳＦ参数编码，该量化器提供了透明的量化质量。     

基于遗传算法与模糊聚类相结合的小波变换矢量量化方法

提出一种有效的图像压缩方法，利用小波变换对图像进行多分辨率分解，对小波系数进行矢量量化(VQ)编码。使用遗传算法(GA)与模糊c均值聚类(FCM)算法相结合的方法来设计码书，有效地克服了FCM算法容易陷入局部最优且对初始值敏感的缺点。实验结果表明，该算法可较大提高图像重构质量。     

矢量量化中线谱对参数失真度量准则的确定

线谱对是一种频域的线性预测参数，在如何对其进行有效地量化方面，人们已经进行了广泛的研究，本文从人的主观感觉出发，将加权均方误差准则应用于线谱对参数的矢量量化中，并用自激励编码方式来检验量化后合成语音质量。实验结果表明，在感沉上８ｂｉｔｓ线谱对参数的矢量量化与３４ｂｉｔｓ线谱对参数的标量量化几乎产生相同的合成语音质量。     

基于矢量量化的层次分形编码方法

文中提出了一种新的分形图像压缩方法,该方法将矢量量化的概念应用于分形块编码中,对图像的平缓区进行矢量量化的线性组合编码,对图像的丰富细节区用分形编码,并且在分形编码时,采取了层次处理。实验表明,与基本的分形块编码方法相比,本文提出的矢量量化层次分形编码方法在保证一定的重建图像质量下,使图像的压缩比有了明显的提高,并且大大提高了编码和解码速度。     

一种基于改进的矢量量化技术的语音波形编码

针对GLA(Generalized Lloyd Algorithm)对初始码书的敏感性,用PNN(成对最近邻)算法训练初始码书,并将该改进措施用于语音波形编码。实验证明,此改进措施有助于克服GLA对初始码书的敏感性,并且语音恢复效果良好,失真度较低。     

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.     

基于小波理论的矢量量化遥感图像压缩方法

分析了遥感图像的统计特性，提出了适合遥感图像压缩的矢量量化与小波变换相结合的压缩方法。该方法将遥感图像小波变换后高频子图划分为一定大小的的像块，对局部相关性较强、灰度变化较小的像块进行高倍压缩；对局部相关性较小、灰度变化较大的像块进行高保真压缩。实验表明，本方法具有良好的压缩性能，适用于遥感图像的压缩。     

映射矢量量化系统

本文提出了一种利用语音信号分布特性的矢量量化方法。此方法的主要特点是利用语音信号的概率分布在不同子空间中的相似性,减小设计码书的尺寸及搜索空间。     

线谱频率参数的分裂矢量量化

本文简要介绍了线谱频率(LSF)参数的定义和性质,给出了一种求解LSF参数的有效办法。在LPC语音编码中设计了一种新的LSF参数分裂矢量量化器。主观和客观评价结果表明,以每帧25bit对LSF参数编码,该量化器提供了透明的量化质量。     

基于树结构矢量分类的小波图像图编码矢量量化

本文基于零树编码,矢量分类和网络编码量化的思想,提出了对小波图象采用树结构矢量组合和分类后进行网络编码矢量量化的新方法,该方法充分利用了带系统的带间和带内的相关性,分类信息上中用比特数少,对重要类矢量实行加权网络编码矢量量化,利用卷积编码扩展信号空间以增大量化信号间的欧氏距离,用维特比算法搜索最优量化序列,并采用基于人眼视觉性特性的加权均方误差准则作为失真度量和码字匹配,提高了量化增益,仿真结果表明,该方法编码计算复杂度适中,解码简单,可达到很好的压缩效果。     

基于视觉误差准则的矢量量化编码

传统矢量量化编码一般采用绝对误差为误差度量准则，并不符合人类视知觉的特性，本文根据人的视觉感知规律，定义了一种可广泛用于图象编码的视觉误差准则，由此导出了一种新的矢量量化编码方法，实验表明，采用这种方法得到的解码图象在视觉效果比传统方法有较大改善。     

LD-CELP语音编码算法中矢量量化过程的改进

本文介绍了LD-CELP算法的基本原理,在分析其编码的矢量量化过程的基础上提出了一种旨在提高编码速度的改进方案.模拟实验表明,改进算法的编码速度平均提高了一倍.虽然信噪比有所下降,但下降幅度仅为1.2dB,依然能够保证编码质量.     

低速率声码器中残差谱的变维矢量量化

基于一个基音周期内语音线性预测残差波形,提出了一种简单而有效的ＬＰＲ谱变维矢量量化（ＶＤＶＱ）方法,即利用具有固定维数的通用码本对ＬＰＲ谱幅度形状进行了矢量量化,通用码本和结构化的ＶＱ相组合减少了存储和计算复杂度,产生了高的量化效率,增强了编码语音的感怀质量计算机仿真结果表明,利用该ＶＤＶＱ技术设计的２．４ｋｂ／ｓ语音编码器产生了高质量合成语音。     

矢量量化器设计算法的研究

目前常用的设计算法是LBG算法,但用它设计的矢量量化器不是最佳的。本文从Gersho的K维空间最佳分划的定理出发,构造了一种改进的算法。本文还就分裂法去除空胞腔问题提出一种新的意见,并针对语音信号的特点提出两种新的空胞腔处理方法。一组矢量量化器设计给果表明,改进的算法和新的空胞腔处理方法都是更有效的。     

基于空间组合矢量分类的小波图像网格编码矢量量化

本文基于零树编码、矢量分类和网格编码量化的思想,提出了对小波图像采用空间矢量组合和分类后进行网格编码矢量量化的新方法.该方法充分利用了各高频子带系数频率相关性和空间约束性,依据组合矢量能量和零树矢量综合判定进行分类,整幅图像只需单一量化码书,分类信息占用比特数少.对重要类矢量实行加权网格编码矢量量化,利用卷积编码扩展信号空间以增大量化信号间的欧氏距离,用维特比算法搜索最优量化序列,比使用矢量量化提高了0.6db左右.该方法编码计算复杂度适中,解码简单,可达到很好的压缩效果.