基于小波变换的最小失真预测/多级矢量量化

矢量量化器的压缩性能随维数的增大而提高,但复杂度亦随维数的增大呈指数增大,限制了大维数矢量的使用。本文利用小波变换产生的子带间的相关性,提出一种新的最小失真预测／多级矢量量化算法。一方面通过最小失真预测来降低时间复杂度,使得编码６３Ｄ的矢量只需付出相当于１５Ｄ矢量的时间复杂度代价;另一方面通过增强多级矢量量化算法来进一步降低复杂度。在复杂度得到极大降低的同时,仍具有很好的编码性能。     

相关矢量量化图象编码算法的VLSI结构

本文提出了一种实现相关矢量量化图象编码算法的VLSI结构．该结构根据相关矢量量化编码算法，利用相邻图象块编码地址的相关性，提高编码效率，并采用特殊设计的图象边缘块处理方法，降低实现复杂度．本文详细讨论了相关矢量量化图象编／解码器各部分的VLSI实现结构，并介绍了电路设计与模拟结果．     

基于树结构矢量分类的小波图像图编码矢量量化

本文基于零树编码,矢量分类和网络编码量化的思想,提出了对小波图象采用树结构矢量组合和分类后进行网络编码矢量量化的新方法,该方法充分利用了带系统的带间和带内的相关性,分类信息上中用比特数少,对重要类矢量实行加权网络编码矢量量化,利用卷积编码扩展信号空间以增大量化信号间的欧氏距离,用维特比算法搜索最优量化序列,并采用基于人眼视觉性特性的加权均方误差准则作为失真度量和码字匹配,提高了量化增益,仿真结果表明,该方法编码计算复杂度适中,解码简单,可达到很好的压缩效果。     

图象的矩形变换矢量量化编码法

本文介绍了简单、实用的矩形变换和近几年来迅速发展的矢量量化技术.并把矩形变换和矢量量化技术结合在一起应用于图象的数据压缩.这种结合降低了矢量编码的维数,相应的码书尺寸能适当的得到减小.此方法加快了矢量编码的进程,减少了存贮量,编码率得到进一步减小.计算机模拟实验证明这种方法对图象的数据压缩是非常有效的.     

数字图象矢量量化编码的研究(摘要)

理论和实践都已证明,矢量量化(VQ)编码比标量量化编码有高得多的数据压缩效率,而且编码器性能随着矢量维数K的增加,可以任意接近山农率失真理论给出的最佳值。然而,VQ也有着严重缺陷,一是复杂度高,二是适应性较差,重建图象的方块效应也比较严重。目前普遍认为,VQ技术应与其它压缩编码技术有机地结合起来,才能在图象数据压缩领域有光明的前途。     

基于压缩感知的线谱对参数降维量化算法

为实现高质量的极低速语音编码,提出一种基于压缩感知理论的线谱对(LSP)参数降维量化算法。编码端利用压缩感知理论对超帧LSP高维矢量进行降维处理,将原始LSP参数投影到低维空间,得到低维测量值,然后采用分裂矢量量化算法对测量值进行量化;解码端以量化后的测量值为已知条件,利用正交匹配追踪算法重构出原始LSP高维矢量。实验结果表明,本算法相对低速语音编码中的矩阵量化方案,平均谱失真降低了0.23dB,相对基于DCT变换的降维量化方案,平均谱失真降低了0.13dB。这种先降维再量化的思想可以大幅减少编码所需的比特数及码本存储复杂度,有效降低语音编码速率,并且合成语音可懂度、自然度较高,音质虽有所失真,但基本上感觉不到明显的听觉质量下降。      

数字图象矢量量化编码的研究(摘要)

理论和实践都已证明,矢量量化(VQ)编码比标量量化编码有高得多的数据压缩效率,而且编码器性能随着矢量维数K的增加,可以任意接近山农率失真理论给出的最佳值。然而,VQ也有着严重缺陷,一是复杂度高,二是适应性较差,重建图象的方块效应也比较严重。目前普遍认为,VQ技术应与其它压缩编码技术有机地结合起来,才     

矢量量化码本的相关排序及其在预测编码中的应用

本文在研究矢量量化码本的树形结构和图象的相关性的基础上,提出了一种矢量量化树形码本的相关排序法。用这种排序法可以得到一组按一定相关性排列的矢量码本,对图象进行编码,进一步利用图象子象块之间的相关性压缩数码率。本文利用相关矢量码本对具有一定相关性的人物头象(Miss America)进行编码,与单纯用矢量量化编码相比,压缩数码率可达27％,编码后图象质量不变。     

基于空间组合矢量分类的小波图像网格编码矢量量化

本文基于零树编码、矢量分类和网格编码量化的思想,提出了对小波图像采用空间矢量组合和分类后进行网格编码矢量量化的新方法.该方法充分利用了各高频子带系数频率相关性和空间约束性,依据组合矢量能量和零树矢量综合判定进行分类,整幅图像只需单一量化码书,分类信息占用比特数少.对重要类矢量实行加权网格编码矢量量化,利用卷积编码扩展信号空间以增大量化信号间的欧氏距离,用维特比算法搜索最优量化序列,比使用矢量量化提高了0.6db左右.该方法编码计算复杂度适中,解码简单,可达到很好的压缩效果.     

一种减小语音矢量编码码率的算法

2维PV编码算法是一种将线性预测编码、SOM神经网络2维矢量编码以及Huffman编码相结合的语音信号编码算法。为了在保证译码恢复的语音质量良好的前提下,进一步减小编码的压缩率,以减小语音信号的存储空间,提出一种增加2维PV编码中矢量量化维数的高维PV编码算法。并利用Matlab软件编程进行2维、4维和8维PV算法的语音信号编解码实验。实验结果表明,在保证译码恢复声音质量良好的条件下,增加2维PV编码算法的量化矢量维数,可以减小码率,其中8维PV编码算法的码率最小为5.94 Kb/s,小于采用ADPCM编码算法的波形编码标准G.721的码率32 Kb/s(波形编码的最小码率),甚至小于采用LD-CELP编码算法的混合编码G.728的码率16 Kb/s。文中提出的编码算法在语言压缩编码方面将具有较高的研究价值和很好的应用前景。     

音频信号高维矢量编码算法研究

在音频信号编码中,提出在线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的声音信号联合编码算法的基础上,通过将声音量化编码算法中原有的2维量化矢量的维数增加,以进一步减小声音信号码率的方法。利用Matlab软件编程进行不同量化矢量维数条件下的声音信号编解码实验。实验结果表明,在保证声音质量的前提下,通过提高量化矢量维数,可使联合编码的最低码率在音频编码格式Opus码率的范围内,且接近Opus码率的下限。文中提出的编码算法可为音频压缩编码的进一步研究提供参考。     

序列图象编码中位移估值新算法—二维遗传优化算法

本文分析了块匹配算法中几种快速搜索算法存在的问题,基于全局最优化思想提出一种新的位移估值算法——二维遗传优化算法。对帧间差值信号采用相同的编码方法时,该算法和二维对数搜索算法比较,所需编码比特数减少,恢复图象信噪比有所提高,运算复杂度也得到下降。     

图象信号Walsh—Hadamard变换域中的乘积码矢量量化

近几年来,矢量量化在图象高效编码的应用研究中展示出值得注意的性能。本文探讨了变换域矢量量化的压缩机理,为有效地将变换技术与矢量量化相结合,基于Walsh-Hadamard变换(WHT)的特性提出WHT域乘积码矢量量化(WHT-PC-VQ)方案。WHT-PC-VQ的复杂度较低。模拟实验结果表明其性能优于其它非自适应图象编码方案。WHT域中的矢量量化比DCT域中的矢量量化更具潜力。这表明矢量量化与传统技术相结合所面临的新问题是矢量量化应用研究中的重要课题。     

序号预测矢量量化器及其在图象编码中应用

本文提出一种序号预测矢量量化器的结构，与一般矢量量化器相比，它充分利用了图象极强的二维相关特性，并采用预测的方法去除冗余码字，从而在保证译码图象质量与一般矢量量化器的译码图象质量相同的前提下，压缩比可提高一倍以上。     

矢量的线上投影表示法

本文提出一种矢量压缩编码新方法—线上投影法.它将输入矢量用它在某条空间直线上的投影近似表示,而用决定这条直线的两个参考点的序号和一个反映该投影点相对于两参考点位置的比例因子作为编码.由于一个大小为N的矢量量化码书中的码字可以确定N(N-1)/2条直线,因此这种方法可用较小的码书获得很高的编码精度.理论分析和实验结果表明:码书大小为N的线上投影法的编码精度与码书大小为N²的矢量量化法相当,并且明显优于用两个大小为N的码书构成的两级矢量量化法,而其码书生成和编码过程的计算复杂度均远远低于后者.它将是矢量信号高精度压缩编码的一种强有力的手段.     

快速可变速率SAR原始数据压缩算法

该文在原分块自适应矢量量化(BAVQ)算法基础上,提出了一种通过改变矢量码书大小及矢量维数来获得可变的编码数据率的改进措施。为了降低改进算法的计算复杂度,采用了数据块方差的查表法及矢量量化的快速搜索算法。对SAR原始数据进行压缩的结果表明,改进算法能够在不降低量化信噪比的情况下,获得更高的编码效率。不同数据率的解压缩数据生成图像,都不同程度地保留了原始图像中的细节信息。     

低速率声码器中残差谱的变维矢量量化

基于一个基音周期内语音线性预测残差波形,提出了一种简单而有效的ＬＰＲ谱变维矢量量化（ＶＤＶＱ）方法,即利用具有固定维数的通用码本对ＬＰＲ谱幅度形状进行了矢量量化,通用码本和结构化的ＶＱ相组合减少了存储和计算复杂度,产生了高的量化效率,增强了编码语音的感怀质量计算机仿真结果表明,利用该ＶＤＶＱ技术设计的２．４ｋｂ／ｓ语音编码器产生了高质量合成语音。     

基于视觉误差准则的矢量量化编码

传统矢量量化编码一般采用绝对误差为误差度量准则，并不符合人类视知觉的特性，本文根据人的视觉感知规律，定义了一种可广泛用于图象编码的视觉误差准则，由此导出了一种新的矢量量化编码方法，实验表明，采用这种方法得到的解码图象在视觉效果比传统方法有较大改善。     

16kb/s话音波形编码技术

本文首先介绍了采用自适应噪声谱整形的话音预测编码和直接查表多级矢量量化话音编码,以及我们对这两种方法进行计算机模拟的结果;然后,介绍了对这两种方法的改进,即对预测编码中的残余信号和矢量量化编码中的话音信号实行帧分类处理,分别采用了自适应量化技术和维数自适应技术,在此基础上,速率由96kb/s压缩到16kb/s,量化噪声明显降低至难以察觉。     

一种降维的MIMO雷达MVDR波束形成算法

深入研究了多输入多输出（Multiple-Input Multiple-Output, MIMO）雷达的波束形成问题,针对MIMO雷达直接运用常规的最小方差无失真响应（MVDR）波束形成算法时所需的训练样本数大和运算复杂度高的不足,提出了一种降维的MVDR波束形成算法。该算法首先将1个 维（ 分别为发射和接收阵元数）的权矢量分解成两个低维（1个 维和1个 维）权矢量的Kronecker积,然后分别利用MVDR算法求得分解后的两个权矢量,最后再合成原始的最佳权矢量。该算法通过将一个高维权矢量的求解问题转换成两个低维权矢量的分别求解问题,在保证波束形成器性能的基础上有效地降低了运算复杂度,减少了所需的训练样本数,因此本文算法更具有实际应用价值。仿真结果验证了算法的有效性。