用模拟退火法解决LBG算法陷入局部极小的问题

矢量量化是一种极其重要的数据压缩方法 ,但其码本设计算法容易陷入局部极小值 .为了解决这个问题 ,可以将模拟退火法引入矢量量化器的码本设计     

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.     

一种改进型自适应前后向量化IMBE算法

为了提高自适应后向码本的精度,提出了一种码本更新的新算法．该算法设置了一个线谱频率系数自适应后向码本,通过对该码本中最新一个码矢量与当前帧线谱频率系数内插来提高线性预测系数自适应后向码本的精度,从而提高了后向量化的使用率,降低了平均编码速率．主客观测试表明,改进算法的合成语音质量好于自适应前后向量化IMBE算法,且合成语音质量与 2.4kb/s IMBE算法相当．     

基于模糊聚类的矢量量化的声纹识别研究

采用模糊C-均值聚类算法(FCM)实现声纹码本的矢量量化,使用基于相似系数和的孤立点检测法识别孤立点.试验表明,该方法能有效地减少孤立点对识别结果的干扰,显著降低码本量化误差,从而提高矢量量化声纹识别系统的识别率.     

一种高效、低存储的线谱频率参数矢量量化器

为了降低线谱频率(LSF)参数矢量量化器的搜索复杂度和码字存储单元,利用LSF参数的帧内和帧间相关性,设计了一种LSF参数的预测式多级分裂矢量量化器.该量化器对LSF参数的预测残差矢量进行两级矢量量化,其中第2级的误差矢量分裂成2个维数分别为4和6的子矢量进行矢量量化,采用瞬时联合多级矢量量化器设计算法设计码本,应用M-L树搜索算法搜索码字,降低了搜索复杂度和码字存储单元,在20 bit时,平均谱失真小于1 dB.     

一种基于距离谱的稀疏码多址接入码本设计

由多维星座经星座运算得到用户码本的典型稀疏码多址接入（SCMA）码本设计方案中,多维星座设计的复杂度和最优星座运算确定的难度实际上增加了码本设计难度,对此,分析了SCMA码本对消息传递算法（MPA）具体过程的影响,提出了一种以最大化距离谱最小元素为准则的SCMA码本设计方案.所提方案将多维星座的设计和星座运算的确定过程转化为简单的码本设计参数选择过程.在不影响用户码本唯一可译码性的前提下,通过替换部分码本设计参数,降低了参数选择复杂度.仿真结果表明,采用所提基于距离谱的码本设计方案与现有的码本设计方案相比,系统的误比特率性能有显著改善.     

使用码本的MIMO系统多用户调度

为了解决多输入多输出(MIMO)系统广播信道多用户调度的问题,提出了一种新的基于FFT码本的低复杂度用户选择算法.通过将用户归入不同的信道量化区域进行快速筛选,将待选的用户数降至码本的码字个数,再利用信道量化区域之间的准正交性最终确定一组准正交用户.仿真结果表明,通过选取合适的码本,这一调度算法传输速率优于已有算法,同时在用户数较大的情况下显著减小了算法复杂度,从而提高了系统传输性能,验证了该方法的有效性.     

一种基于神经网络的LD-CELP算法

在低延时矢量励线性预测 (LD -CELP)编码算法的基础上 ,提出直接矢量量化的低延迟矢量激励线性预测编码方案 (DVQ -LD -CELP) ,采用误差反向传播神经网络 (BPNN)来实现DVQ -LD -CELP方法中的码本搜索算法 ,实现在保持原编码方法 (LD -CELP)生成语音的音质和码率的同时 ,降低码本搜索的复杂度 ,提高码本搜索算法的效率     

基于BER性能约束的MIMO系统码本设计优化算法

提出了一种基于误码率（BER）性能约束的码本优化设计算法。在提出的算法中,采用了联合预编码和功率控制的发射方案,并基于容量准则进行码本设计。仿真结果表明,与已有的码本设计算法相比,所提出的码本设计算法可以达到更高的容量,并能保证期望的BER性能。     

一种基于神经网络的LD—CELP算法

在低延时矢量励线性预测（LD－CELP）编码算法的基础上，提出了直接矢量量化的低延迟矢量激励线性预测编码方案（DVQ－LD－CELP），采用误差反向传播神经网络（BPNN）来实现DVQ－LD－CELP方法中的码本搜索算法，实现在保持原编码方法（LD－CELP）生成语音的音质和码率的同时，降低码本搜索的复杂度，提高码本搜索算法的效率。     

基于N相位的60GHz无线通信波束赋形码本设计方案

提出了一种支持60 GHz毫米波通信波束赋形机制的码本设计方法.为满足低功耗需求,码本设计仅进行相位移动而未作幅度调整,其中码本矩阵采用相位间隔相同、幅度为1的N个复数权值构建.仿真结果证实,与IEEE802.15.3c码本设计相比,高阶相位码本可获得相似的波束主瓣形状,同时波束将具有更低的旁瓣电平和更高的主瓣增益.该码本方案可在多用户环境下显著抑制空间干扰,提高网络累计信道容量,且对相位误差产生的波束偏移同样具有稳健性.     

语音模糊特征提取及码本训练算法

为克服低速率声码器因清浊音硬判决、粗判决而导致解码语音有帧过渡等不自然感的缺陷,在分析比较目前主流声码器编码算法中激励参数提取和量化算法的基础上,将模糊数学中的隶属度概念引入语音子带清浊音描述。提出了五维的浊音隶属度矢量概念,用于精细描述语音丰富的激励信息;阐述了浊音隶属度矢量的提取算法;提出了矢量量化码本的模糊聚类与LBG级联训练算法（F-LBG：Fuzzy-LBG）;采用提取算法提取、建立了浊音隶属度码本的训练样本集,采用F-LBG训练了浊音隶属度码本;将提取算法和F-LBG法训练得到的浊音隶属度码本分别应用于正弦激励声码器、混合激励声码器和同态声码器的语音编、解码仿真。结果表明,用浊音隶属度矢量描述合成语音激励信号的算法,具有较高的准确性和较强的噪声鲁棒性。     

TD-LTE-Advanced系统中一种新型8天线双码本设计方法

提出了一种新型8天线双码本设计方法,有效提高了TD-LTE-Advanced系统频谱效率. 该方法根据层映射的层数对码本分组,层数为1、2及5~8时,利用R8协议中4天线码本的满秩矩阵生成码本;层数为3、4时,将离散傅里叶变换矩阵与循环延迟分集技术相结合构造新码本. 与R10协议中给出的8天线双码本相比,在反馈开销相同的情况下,新码本码字间距更大. 仿真结果表明,在8发2收层数为2的条件下,新码本增益提高2 dB以上;当信噪比为5 dB时,新码本比现有码本的频谱效率高15%以上.     

矢量量化孤立字识别的研究

在矢量量化孤立字识别系统中,对于识别字典中每一个单字,都要分别建立与这些单字对应的码本。本文提出一种按音节递归训练码本的算法,它的计算量是训练语音帧数的线性函数。而传统的LBG聚类算法的运算量则随训练矢量增加呈指数率增长。本文比较了这两种算法的失真特性,得出结论:新方法需要n+1次发音训练,就能达到全搜寻算法n次发音训练的失真性能。最后,本文给出矢量量化孤立字识别器的实验结果。     

基于格拉斯曼码本的分布式干扰对齐算法

有限反馈干扰对齐对信道矩阵进行量化从而降低反馈所需要的信息量,但经典有限反馈干扰对齐算法只考虑对信道状态矩阵的量化,且多限于理论分析.针对分布式干扰对齐技术中预编码矩阵反馈数据量要比信道矩阵反馈大得多的情况,从降低分布式干扰对齐技术预编码矩阵反馈对反馈信道的影响出发,提出一种基于格拉斯曼码本的分布式干扰对齐算法,基于格拉斯曼码本对预编码矩阵和重组矩阵进行量化,并以最小化干扰泄漏为目标进行迭代优化.仿真实验结果表明,当信噪比小于或等于15 dB,且迭代次数小于或等于10次时,该算法能在系统性能接近理想反馈条件的同时有效降低反馈信息量.     

融合超像素分割与码本模型的目标检测算法

针对码本模型在前景目标检测中的效率有待进一步提高的现状,提出了融合超像素分割的码本构建算法。为减小处理对象的规模,设计了按照颜色及空间相似度聚类原始像素点的思路。以超像素作为码本构建单元,有利于抑制局部噪声并降低码本的冗余度。实验结果表明,融合超像素分割的码本模型算法在保持前景目标检测准确性的情况下,能显著减少视频处理过程中的内存消耗以及提高视频帧处理效率,在基于DM6437的嵌入式处理平台上达到了实时处理的性能。     

基于改进码本模型的视频运动目标检测算法

针对经典码本模型对动态背景适应能力不足及更新算法效率不高的问题,提出了一种用快速冒泡排序和短时滑动窗口改进的码本模型。为了优化码本结构,提高活动码字首次匹配成功概率,设计了一种快速冒泡排序算法对模型码本中码字位置进行快速排序;为了实现像素的均值及偏差的快速跟踪,设计了一种短时滑动窗口算法对像素变化信息进行存储,解决了动态背景的模型自适应问题。实验表明,改进后的算法能够有效适应复杂环境下的背景变化,且具有良好的检测精度和实时性能。     

一种容量上界最大化的量化反馈方法

研究了多输入多输出广播通信(MIMO BC)系统中的信道量化反馈问题．通过分析得到了一个接收用户容量上界,并基于该上界最大化构造了一种新的量化反馈方法．该方法采用随机量化码本,不仅考虑了信道的方向还考虑了子信道增益信息．仿真结果表明,相对只量化反馈信道方向信息的方法,该方法不仅显著提高了量化误差存在下的系统容量,并且复杂度更低．     

一种低速率语音编码矢量量化方法

论述了一种高质量、低速率的语音编码矢量量化方法。在提取声道参数中采用了增益归一化模型谱失真测度［２］。计算机模拟结果表明，本文在训练码本时采用的方法是行之有效的。     

一种高质量,中速率的语音矢量量化方法

本文论述的是一种高质量、中低速码率的语音矢量量化编码.为了提高综合语音质量,在提取声道参数中采用了 Itakura-Saito 失真测试,并用高维残差矢量激励源.经过计算机模拟证明我们在训练码本时采用的一些方法是行之有效的.