粒子对算法在图像矢量量化中的应用

本文给出了一种新的图像矢量量化码书的优化设计方法——粒子对算法.在传统粒子群优化(ParticleSwarm Optimization,PSO)算法的基础上,用两个粒子构成了群体规模较小的粒子对,在码书空间中搜索最佳码书.在每次迭代运算中,粒子对按先后顺序执行PSO算法中的速度更新、位置更新操作和标准LBG算法,并用误差较大的训练矢量代替越界的码字.此算法避免粒子陷入局部最优码书,较准确地记录和估计每个码字的最佳移动方向和历史路径,在训练矢量密集区域和稀疏区域合理地分配码字,从而使整体码书向全局最优解靠近.实验结果表明,本算法始终稳定地取得显著优于FKM、FRLVQF、RLVQ-FVQ算法的性能,较好地解决了矢量量化中初始码书影响优化结果的问题,且在计算时间和收敛速度方面有相当的优势.

A FAST SEARCH METHOD BASED ON THE STATISTICAL PROPERTIES OF SIGNAL

The concepts of ordered code-book and the priority of code-vector are proposedin this paper.The statistical properties of a signal are investigated through its coded sequence.Experimental results are presented which provide some insight into the statistical properties ofvector quantized sequences.Based on the given concepts and experimental results,a fast searchmethod for the vector quantization of correlated information sources,such as Gauss-Markovsources,is proposed and has shown its efficiency in simulation results.

一种快速的固定码本搜索方法

为降低固定码本搜索算法的复杂度,在脉冲取代法的基础上提出一种码矢分段优化的快速搜索方法。采用码矢分段优化的方法,在保证语音质量的前提下,降低计算复杂度。实验结果表明,与AMR-WB采用的深度优先树算法及传统的脉冲取代算法相比,在不影响语音质量的条件下,码矢分段优化算法复杂度降低了70%-80%。

基于自组织特征映射网络的模糊矢量量化算法

自组织特征映射（SOFM）是一种常用的矢量量化算法，它具有设计码书不依赖于初始码书等优点。模糊矢量量化算法（FVQ）将模糊关系引入码书的设计，训练矢量与码矢之间的模糊关系用隶属函数表示。本文提出了一种基于自组织特征映射网络的模糊矢量量化算法（FSOFM），FSOFM算法将SOFM网络的调节节点邻域看作训练矢量的模糊集，网络权值学习步长的选择依赖于隶属函数。由于设计码书的评价一般采用最小均方误差准则，而隶属函数是训练矢量与码矢之间距离的函数，FSOFM算法保证了网络的全局成优化和网络权值的局部调整一致；因此，FSOFM算法能够优化码书的设计，改善设计码书的性能。此外，FSOOFM算法还具良好的适应性，当网络的将LBG、SOFM、FVQ和FOSOFM算法用于一组具有不同边缘特性的图像的矢量量化中，我们发现采用FSOFM算法进行矢量量化的所有图像都具有最高的峰值信噪比PSNR。

CELP中的“线性移位”随机码本的研究

随机码本是码本激励线性预测ＣＥＬＰ声码器的一个重要组成部分，其码本结构及其相应的搜索算法直接影响着语音编译码系统的语音质量和实时实现。本文给出了一个结构化随机码本──“线性移位”高斯码本的一组双向递归计算公式，由此提出了一种单向递归搜索算法，从而有效地降低了随机码本的搜索复杂度，使搜索速度较之参考文献给出的原随机码本搜索法提高１．７６倍。为进一步减小码本搜索的运算量，本文还引入了局部搜索的次优化准则，提出了双向递归搜索算法，在保持相同合成音质的条件下，使码本搜索速度再次提高一倍，即可以使速度提高为原随机码本搜索法的３．５倍。

8kbit/s低时延CELP语音编码的研究

低时延码激励线性预测(LD-CELP)语音编码能够在较低速率把高质量与低时延结合起来。它可以用建立在全搜索算法基础之上的自相关搜索算法来降低计算量,用抗误码码本来提高抗误码能力。此外,对8kbit/s LD-CELP系统进行了模拟。