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．     

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。     

一种改进的LBG快速算法

LBG算法是矢量量化码书设计的经典算法。针对其空胞腔问题提出一种改进的LBG算法，并以熵序列收敛作为新的算法停止判据。实验表明，该算法具有收敛速度快、码书性能佳等优点，该算法的PSNR比传统的LBG算法提高2.74dB。     

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.     

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。     

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。     

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     

用模糊聚类神经网络设计图象矢量量化码书

讨论了一种模糊聚类神经网络模型，给出了将该模型用于图象矢量量化码书设计的学习算法，实验结果表明，模糊聚类神经网络可以为图象矢量量化压缩编码提供一种新的码书设计方法。     

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.     

新的学习矢量量化初始码书算法

针对原有随机数设置法、训练矢量集随机抽取法和LGB分裂法等初始码书算法存在的码矢利用率较低、运算量大和与信源匹配程度不高等不足,提出了一种新的分离平均法,并应用到基于自组织特征映射算法（SOM）的学习矢量量化（LVQ）中,图像矢量量化的实验表明,分离平均初始码书算法具有无效码矢数量少、码书性能高、运算量小、实现简单等优点。     

Efficient gray-level digital image watermarking based on vector quantization

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｅｘｐｌｏｓｉｖｅｇｒｏｗｔｈｏｆｄｉｇｉｔａｌｍｕｌｔｉｍｅｄｉａａｐｐｌｉｃａ ｔｉｏｎｓｃｏｕｐｌｅｄｗｉｔｈｔｈｅｒａｐｉｄｇｒｏｗｔｈｏｆｄｉｇｉｔａｌｎｅｔｗｏｒｋｃｏｍ ｍｕｎｉｃａｔｉｏｎｓｈａｓｃｒｅａｔｅｄａｎｕｒｇｅｎｔｄｅｍａｎｄｆｏｒｔｅｃｈｎｉｑｕｅｓｔｈａｔｃａｎｂｅｕｓｅｄｆｏｒｃｏｐｙｒｉｇｈｔｐｒｏｔｅｃｔｉｏｎ .Ｍａｎｙｔｒａｄｉｔｉｏｎａｌａｐｐｒｏａｃｈｅｓｓｕｃｈａｓｅｎｃｒｙｐｔｉｏｎ ,ａｕｔｈｅｎｔｉｃａｔｉｏｎ ,ｄ…     

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%.     

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。     

基于在线粒子群优化方法的IPMSM驱动电流和速度控制器

利用在线粒子群优化方法(particle swarm optimization, PSO)设计内埋式永磁同步电动机(interior permanent magnet synchronous motor, IPMSM)电流和速度控制器。在该驱动系统中,空间矢量调制技术产生两电平逆变器开关控制信号。为了更加真实地模拟实际运行环境,仿真试验中考虑了逆变器的非线性特性,如死区时间、触发信号门槛值以及开关器件的电压降落。电机驱动系统中的PI控制器参数采用在线PSO算法进行实时调节,采样周期设为100 μs,硬件试验平台为DSPACE1104,且优化的目标函数值可以根据系统的动态和静态运行情况而改变。指令信号采用一阶阶跃信号。将PSO算法与传统的PI控制方法进行仿真和试验比较,结果表明采用PSO方法具有更好的鲁棒性和动态特性。