码书分类重排矢量量化方法及其应用

矢量量化可有效降低语音编码速率,但目前已有的多级分裂矢量量化、转换分类分裂矢量量化方法等都存在存储需求、计算复杂度以及解码语音质量等不能达到良好折衷的缺陷。该文提出了一种码书分类重排矢量量化方法。该方法通过将设计好的码书进行分类重排以降低码书搜索范围。并将该方法与多级分裂矢量量化结合,提出了码书分类重排多级分裂矢量量化方法。在量化比特及码书大小不变的前提下,实验结果表明:该方法可达到透明量化效果,量化时的计算复杂度最大降幅可达到多级分裂矢量量化方法的90.24%。

基于人工蚁群优化的矢量量化码书设计算法

本文提出一种基于人工蚁群优化的矢量量化码书设计新算法 .该算法利用人工蚁群系统中蚂蚁通过信息素留存寻找最优路径的机制 ,结合单只蚂蚁通过拾起、放下物体从而使物体聚堆的行为模式 ,合理设计放下概率、禁忌列表、信息素更新方式以及相应的参数 .与基于进化模拟退火和随机竞争学习的码书设计算法相比 ,本文提出的算法能获得性能较好的码书 ,其峰值信噪比比传统的LBG算法提高超过

基于改进禁止搜索算法的矢量量化码书设计

本文提出了基于改进禁止搜索 (TS)算法的矢量量化 (VQ)码书设计方法 .禁止搜索算法的关键是如何定义一个解以及如何在当前解的基础上生成邻域解 .由于码书设计的两个优化准则是最邻近条件和聚类质心条件 ,本文提出了两种禁止搜索算法的解描述方案 ,其相应算法分别叫基于码书的禁止搜索 (CB TS)算法和基于聚类划分的禁止搜索 (PB TS)算法 .为了提高禁止搜索算法的性能 ,文中在禁止搜索算法中融入了模拟退火 (SA)机制 .为了进一步提高码书性能 ,文中还将码书设计的传统LBG算法融入禁止搜索算法中 .结果表明 ,基于禁止搜索的两种码书设计方案所生成的码书性能都比LBG算法有明显提高 .

一种矢量量化码书搜索的快速算法

本文提出了一种采用均方误差 (MSE)测度的矢量量化码书搜索的快速算法 .该算法在码书设计的每次迭代前预先计算各码字的和值 (一个矢量各分量的和 )并保存在码书中 .在迭代过程中 ,利用输入矢量的和值、各码字的和值以及均方误差三者之间的各种特性排除大部分候选码字而免去许多均方误差计算 .测试结果表明 ,相对于穷尽搜索方法 ,计算量得到明显的降低 ,计算时间减少约 90 % ,同时只需要很少的预先计算量和额外存储量 .

语音信号的矢量量化码书特性研究

本文针对语音信号的矢量量化码书进行了研究。利用矢量量化码书的码字和值及码字差值作为码书的特征变量，对不同语音信号的矢量量化码书分布情况做了分析，并给出了若干结果。

初始码字间距最大化的矢量量化码书设计算法

目前对传统LBG算法的改进措施一般以增加时间开销作为代价.本文提出一种新的矢量量化码书设计改进措施——初始码字间距最大化:初始码书中的码字全部来自输入的训练矢量,且每一个新的初始码字尽可能地远离现有的码字.实验结果表明:本算法完全消除了空胞腔现象,更有效地避免了局部最优,能获得质量更高的码书;收敛速度快,具有较低的时间消耗.本算法在时间开销以及码书质量这两个方面都优于传统LBG和基于人工蚁群优化的码书设计算法等改进算法.

一种矢量量化码书设计及编码的快速算法

提出了一种矢量量化码书设计及编码的快速算法 .该算法对匹配码字的判决过程是 :先根据Minkowski误差最小准则 ,在全部码字中找出一定数量Minkowski误差最小的码字 ;再根据均方误差最小准则 ,在上述码字中找出其中最匹配的 .模拟实验和理论分析表明 ,将该算法用于矢量量化的码书设计和编码过程 ,能在保证较好性能指标和视觉效果前提下 ,明显减少运算量 .

基于改进人工蜂群的图像矢量量化码书设计算法

为了进一步提高图像矢量量化的码书质量,提出了一种新的图像压缩矢量量化码书设计算法。该算法采用均方误差(MSE)作为码书设计的适应度函数,利用改进的人工蜂群算法进行适应度函数的优化求解,增强了算法的自组织性和收敛性,大大减少了陷入局部收敛的可能性。将一种基于和值特性的快速码字搜索思想引入到码书设计算法中,使算法计算量明显降低。仿真结果表明,该算法具有计算时间短、收敛速度快的优点,并且生成的码书质量好、稳定性强。

应用协同进化的图像矢量量化码书设计方法

为了减小LBG算法对初始码书的依赖性,提高跳出局部最优的能力,提出了一种基于协同进化的矢量量化码书设计方法(Coevolution Based LBG,CLBG)。该算法根据码书在同其他码书竞争中的表现来衡量码书的适应度。实验结果表明:CLBG有效地减小了算法对初始码书的依赖性,所得码书性能超过了其他典型的改进码书设计方法。

矢量量化中码书旋转压缩的研究

普通码书中的码字之间在不同的方向上具有很大的相关性,存在大量的数据冗余。提出了将码书中的码字旋转压缩的理论。该理论是将各个码字按四个方向垂直旋转后进行相似性检查。如果旋转后的码字其中一个方向上与前面的码字存在相似,则将该码字删除,从而达到压缩的目的。编码时将压缩后的码书旋转恢复后进行编码,从而大幅降低了需要存储的码字数量。同时给出了一种将现有1024阶16维码书旋转压缩成256阶16维的方法,并对该方法得到的码书性能进行了仿真验证。实验结果表明使用压缩后的码书在硬件实现时与普通的矢量量化码书相比减少了75%的存储空间和输入带宽,而PSNR平均只降低0.28dB。

矢量量化的初始码书算法

矢量量化的初始码书设计是很重要的,影响或决定着其后码书形成算法的迭代次数和最终的码书质量。针对原有的初始码书算法在性能上随机性强与信源匹配程度不高的问题,提出一种对于训练矢量实施基于分量的和值排序,然后做分离平均的初始码书形成算法。算法使用了矢量的特征量,脱离了对于图像结构因数的依赖,能产生鲁棒性较好的初始码书。实验证明了该方法的有效性,与LBG算法结合可进一步提高码书质量。

基于快速胞腔划分的改进分裂法矢量量化码书设计

本文提出了基于快速胞腔划分的改进分裂法语音信号矢量量化码书设计新算法。新算法应用特征变量对码书进行合理的构造，使得码书在结构上具有秩序性。利用这种秩序性进行快速划分胞腔，从而压缩分裂法码书训练中庞大的运算量。计算机实验结果表明，新算法明显减少了码本训练的复杂度，提高了矢量量化码书的训练速度。实验还分析了码书扩展参数r的不同取值对码书性能的影响．

自适应二阶码书矢量量化算法研究

介绍了矢量量化的基本算法LBG。在此基础上,提出了一种时间复杂性和空间复杂性有所降低的改进算法,节省了存储空间,提高了压缩比。该算法的核心是自适应的生成初始码书以及对初始码书的二次压缩过程。从降低时间复杂度和节省存储空间、提高压缩比的角度,对该算法进行了讨论。

采用分量均值正交分割法设计矢量量化初始码书

提出一种新的矢量量化初始码书设计算法即分量均值正交分割法。其原理是：利用分量均值对样本空间进行正交分割，使初始码字尽量散开，得到充分利用。研究结果表明：分量均值正交分割法在不同图像、不同码书下，与随机法相比，峰值信噪比提高1．0-1．3dB，训练时间增加不超过30％；与分裂法相比，峰值信噪比相差小于0．1dB，训练速度提高1．0-1．5倍；与其他算法相比，在量化失真和训练速度2个相互冲突的指标之间能取得更好的均衡。

云模型猫群优化算法的矢量量化码书设计研究

针对标准猫群算法在矢量量化码书设计中收敛速度慢及易陷入局部最优的缺点,将标准猫群优化算法和云模型相结合,提出了一种基于云模型猫群算法。通过运用云发生器建立猫个体变异程度和适应值大小的关系,实现猫群搜索的自适应调节,从而增强种群多样性、提高收敛速度,避免局部最优。仿真实验证明,改进的算法较其他同类型算法在收敛性、类间离散度和矢量量化不均匀度等方面有较大的提升。

SAR原始数据矢量量化的码书改进研究

首先对矢量量化编码的基本原理进行了讨论,并对矢量量化编码中的码书生成方法进行了研究,在此基础上提出了SAR原始数据矢量量化编码中一种码书生成的改进方法。文中还介绍了利用改进的码书对SAR原始数据进行量化编码的应用,得到了较好的效果,并给出了实验结果。

粒子群优化算法在图像矢量量化码书设计中的应用

鉴于经典的LBG码书设计算法易陷入局部最优解,首次采用粒子群优化算法来设计图像矢量量化的最优码书,并提出了粒子群矢量量化(PSO-VQ)算法和粒子一致性操作(PCO)。在PSO-VQ算法中,每个粒子表示一个码书,以粒子群进化的方式对初始码书进行迭代而获得最优码书,PCO操作对各初始码书中的码矢量按其灰度均值排序,使不同码书的内部结构基于码矢量灰度均值达到基本一致,确保了结果向全局最优解收敛。实验证明,PSO-VQ算法在解码图像的PSNR值和主观效果上都优于LBG算法,同时拓展了粒子群优化算法的应用领域。

基于混合蚁群算法的一种矢量量化码书设计算法

提出了一种基于混合蚁群算法的矢量量化码书设计算法。该算法首先通过自适应地调整截取转移概率的参数,加大蚁群算法的搜索最优解的力度;然后以蚁群算法搜索的结果作为初始解,利用改进的LBG算法作进一步的搜索,从而加快算法的收敛速度。实验结果表明,该算法不但大大提高码书性能,而且也缩短了运行时间,解码恢复图像能获得较高的主、客观质量。

基于矢量量化码书的离群点检测方法

利用矢量量化码书作为数据分类模式最优代表集的特点,提出基于码书的离群点概念,论证了其与经典统计学关于离群点定义的内在联系。在基于学习的矢量量化码书生成算法和最近邻码字搜索算法基础上构造了离群点检测算法。实验结果表明了提出的关于离群点定义的合理性和算法的有效性。

码书自适应的大规模体数据矢量量化算法

针对大规模体数据矢量量化VQ(Vector Quantisation)编码时间长的问题,提出一种基于图形处理器的码书自适应的大规模体数据矢量量化算法。该算法首先提取原始体数据密度分布特征,据此选取合适的初始码书生成算法,将矢量数据分批先后载入图形处理器进行并行计算,每读入一批数据,根据该批数据的码准值对第一批数据产生的码书进行优化及扩充,随后完成该批数据的编码。实验结果表明,该算法提高了图像的编码速度及还原质量,明显缩短了图像的压缩时间,同时保证了体数据重构质量。