基于量化编码技术的声音隐藏算法

本文提出了一种基于量化编码技术的语音隐藏算法。该算法可以将一种秘密语音伪装成另外一种语音以便于从公网上安全的传输,实验结果表明,该算法具有隐藏数据量大、安全性高、隐藏效果好等优点。且该算法可以用于在语音中隐藏文本、图像等信息数据。

SAR原始数据的频域量化编码方法研究

对SAR原始数据时域中的统计特性进行分析的基础上,对原始数据在频域中的特性进行了具体分析,分析的结果认为SAR原始数据在时域和频域中的特性相一致,从而提出了频域中采用块自适应量化编码的方法,文中对该方法进行了深入讨论,同时在文中还介绍了利用该方法对SAR原始数据进行压缩处理的实验结果,由实验结果可以看出,在频域中实现SAR原始数据的压缩同样也能得到良好的效果。

一种基于小波变换的医学图像量化编码算法的研究

医学图像压缩是远程医疗和 PACS系统中的重要研究课题。研究了小波子带图像系数的统计分布 ,发现小波子带图像系数分布和拉普拉斯分布非常相似 ,继而提出了一种基于其统计特征的图像量化编码算法。该算法以小波子带图像样本标准差为选择量化编码阈值的重要依据。实验表明 ,该算法具有计算简单、不同阈值范围待编码系数可预测以及易于获得较高压缩效率的优点 ,在远程医疗和

一种高效的小波变换跨带矢量量化编码

文中提出了一种基于小波变换的跨带矢量量化编码方案 ,通过以下措施改进算法性能 :对小波变换后的数据建立跨带矢量并进行矢量量化 ;对不同的子带分配不同的码率从而有效地节约码字 ;对低频子带进行标量量化以保持图像质量。实验结果表明本方案能在降低每象素比特率的同时提高峰值信噪比。

合成孔径雷达原始数据量化编码的分析

本文详细地讨论了合成孔径雷达原始数据量化编码的原理以及对压缩算法进行了分析,并对块自适应量化编码原理进行了讨论。

一种新的小波零树量化编码方法

利用EZW进行图像数据压缩一般的步骤是 :小波变换 ;零树量化编码 ;熵编码。为了提高压缩比和编码效率 ,本文提出了一种非常有效的编码方案。主要是 :利用零树量化编码后出现了许多连续的次要系数根这一特点 ,将熵编码与零树编码统一进行 ,一次完成 ,熵编码采用变长零游程方法。实验表明 ,图像经该方法编码后压缩比得到了提高。

压缩量化编码在空空导弹遥测上的应用

介绍了空空导弹遥测系统使用的脉冲编码调制的模拟信号数字化方法,设计了一种基于FPGA实现的压缩量化编码方法。试验表明,该方法可以很好的改善小信号的量化信噪比,提高小信号的遥测精度。

用于PACS系统的医学图象量化编码的算法

图象压缩是PACS系统的重要研究部分。作者研究了二维图象小波分解后系数的统计分布与拉普拉斯分布有很好的一致性 ;同时 ,由于不同幅度的小波系数在图象重构中权重的不同 ,在系数压缩编码时对不同权重的系数采用不同的压缩精度。由此 ,作者提出了一种适用于PACS系统的图象量化编码算法 ,该算法以各小波子带图象小波系数的重要统计特征———样本标准差为量化阈值选择依据 ,精确编码图象重构中权重较大的系数 ,还利用了人眼的频率视觉特性。实验表明 ,本算法具有计算简单、不同编码精度时被量化系数可预见的特点 。

一种奇异值填充加密的大数据量化编码方法

在大数据传输的公钥密码体制中,为了提高密文抵御短明文攻击的能力,提出了一种基于奇异值有限域填充加密的网络链路层大数据传输量化编码算法.对链路传输层的比特序列进行线性分段处理,采用多次重传机制进行大数据嵌入式自适应编码,采用奇异值分解方法进行加密密文的信源编码设计.利用伪随机序列构造量化编码密钥,在奇异值有限域中构造密钥协商协议,输入密钥敏感性参数,将公钥嵌入主密钥分布的有限域中,填充密钥中心的敏感域参数,实现加密比特序列的量化编码.仿真结果表明,采用该方法进行大数据传输的加密编码,密文的抗攻击能力较强,加密比特序列的泄漏概率较低,具有更高的安全性.

卫星图像的格矢量量化编码压缩方法研究

卫星图像是一个种高熵值图像，本文针对卫星图像研究了格矢量量化编码压缩方法，分析了格矢量量化特性，并列举了几种格。实验结果表明，格矢量量化编码压缩方法失真小，计算量少，比较适用于卫星图像编码压缩。

自适应量化编码的研究

本文详细地讨论了信源编码的原理 ,介绍了最优量化的方法以及自适应量化编码的原理。本文还给出了一个自适应量化编码的实例。

一种矢量量化编码的快速搜索算法

提出了一种矢量量化编码的快速匹配算法。利用码书的拓扑结构和柯西 施瓦兹不等式的性质推导出了消除不必要匹配操作的条件,并根据这个条件提出了快速搜索算法。实验结果表明,该算法不仅明显降低了矢量编码过程的复杂程度,同时也保证了与全搜索编码相同的图像编码质量。与其它搜索方法的操作次数和存储空间进行了比较。

无序数据集的向量化编码

改进了由P.Courrieu于2001年提出的基于范德蒙矩阵的无序数据集的向量化编码方法,证明该编码具备可逆性。

一种基于动态量化编码的深度神经网络压缩方法

近年来深度神经网络(Deep neural network,DNN)从众多机器学习方法中脱颖而出,引起了广泛的兴趣和关注.然而,在主流的深度神经网络模型中,其参数数以百万计,需要消耗大量的计算和存储资源,难以应用于手机等移动嵌入式设备.为了解决这一问题,本文提出了一种基于动态量化编码(Dynamic quantization coding,DQC)的深度神经网络压缩方法.不同于现有的采用静态量化编码(Static quantitative coding,SQC)的方法,本文提出的方法在模型训练过程中同时对量化码本进行更新,使码本尽可能减小较大权重参数量化引起的误差.通过大量的对比实验表明,本文提出的方法优于现有基于静态编码的模型压缩方法.

基于模拟退火技术的多级矢量量化编码方案

研究了矢量量化最优码书的形成条件，以多级矢量量化和模拟退火技术为基础，提出一种基于模拟退火技术的多级矢量量化编码方案。实验证明，该算法不仅降低了计算的复杂度和码书存储量，而且在较高压缩比下可获得较好的图像恢复。

一种基于子波变换的改进型零树量化编码算法

该文在图像子波变换的基础上，提出一种改进型零树量化编码算法。该算法保留了原算法的优点，并引入频率优先原则，改进了原算法中存在的不足：当压缩比逐渐增大时，尤其当所处理的图像含高频信息丰富的时候，所恢复图像的低频成份损失较严重，使得重建质量变得很差。实验表明，在相同压缩比条件下，改进算法ＭＳＥ 得到明显减少。尤其对含高频分量丰富的图像，处理效果更为理想。

基于矢量量化编码的协同过滤推荐方法

随着互联网的高速发展,海量数据涌现,使得推荐系统成为计算机科学领域的研究热点。变分自编码器已经被成功应用于协同过滤方法的设计中,并取得了出色的推荐效果。然而,以往基于变分自编码器的推荐模型存在一些问题,如对隐变量先验分布的约束以及“后验失效”等,这些问题降低了推荐模型的性能。为了解决这一问题,使变分自编码器模型更加适用于推荐任务,提出了一种基于矢量量化编码的协同过滤推荐方法。该方法采用离散的矢量编码代替变分自编码器从隐变量分布中直接取样获得编码,从观测数据中学习到一个离散的潜在表示,提高了编码的表示能力。在多个公开数据集上的性能评测结果显示,与现有方法相比,所提方法能够有效提升推荐性能。

语声的矢量量化编码

各种语声高效编码的主要目的是降低比特率。采用声码器是有效的方法之一。近年来,极低比特率声码器的研究比较活跃并取得了惊人的进展。本文介绍这类声码器所采用的技术——矢量量化编码技术。这种技术也可用于波形编码。

JPEG编码与矢量量化编码方法比较

文中通过编写程序实现对某种遥感图像的矢量量化编码,针对JPEG法和矢量量化方法在这种图像编码中的应用作大量仿真实验,在对实验结果进行分析比较的基础上得出有用的结论,为研究提供实验参考和依据。

∑-Δ调制器分组量化编码

∑-Δ调制器在对变化的交流测量信号实现A/D转换处理时可以省略复杂的数字抽取滤波器、抗混叠前置滤波器和采样保持器,直接转换计算。为充分减少数据冗余,加快转换计算速度,简化电路设计,采用分组量化编码方法。用多个计数器对调制器输出的1bit码流分别连续计数,DSP对计数结果计算处理。通过分组编码,可以方便的对调制器输出数据存储、处理,根据转换精度和转换速度要求灵活的选择利用前次转换的部分相关数据,而且电路实现和控制容易。给出了原理电路和计算分析结果,具有实用价值。