矢量量化碼書設(shè)計與矢量量化應(yīng)用研究.pdf

1、伴隨著信息與通信等領(lǐng)域的迅速發(fā)展,大量的語音、圖像等多媒體信息要進行存儲、處理與傳輸,需要很大的存儲空間和信道帶寬。為了提高存儲效率和減小存儲空間,在允許的失真條件下,應(yīng)盡可能地消除媒體信息中的冗余信息。矢量量化技術(shù)作為一種有效的有損壓縮技術(shù),具有壓縮比大、解碼算法簡單的特點,而成為語音、圖像壓縮編碼的重要技術(shù)之一。矢量量化(VQ)技術(shù)不單是用于信息壓縮,現(xiàn)已發(fā)展到說話人識別、數(shù)字水印、語音識別、圖像識別、文獻檢索等領(lǐng)域。因此,矢量量化

2、技術(shù)具有重要的研究價值。 矢量量化有三個方面的關(guān)鍵技術(shù):碼書設(shè)計、碼字搜索和碼字索引分配,其中碼書設(shè)計是首要問題。碼書設(shè)計的主要目標是找到訓練矢量的一個最佳分類,即將M個k維的訓練矢量分成N個類別的最佳方案。壓縮編碼,基于矢量量化的說話人識別,和基于矢量量化的數(shù)字水印都需要一個性能良好的碼書。本文重點分析了經(jīng)典的碼書設(shè)計算法,研究了改進方案和碼書優(yōu)化算法。在此基礎(chǔ)上,進一步地結(jié)合語音信號處理和圖像處理有關(guān)理論和技術(shù),研究了新的矢量量化說

3、話人識別方案和矢量量化數(shù)字水印技術(shù)。
　　本文的主要工作和特色如下: 1.碼書設(shè)計經(jīng)典算法LBG得到了廣泛應(yīng)用,但該算法一般得到一個局部最優(yōu)碼書。利用進化算法優(yōu)化碼書是近年來的一個重要研究方向,其關(guān)鍵是需求合理的優(yōu)化方案和優(yōu)化搜索方法。目前有基于碼書和基于訓練矢量劃分兩種方案,但這兩種方案將導致進化算法的優(yōu)化搜索空間過大,要優(yōu)化的維數(shù)分別是M和N×k,而目前的進化算法還難以有效解決高維的優(yōu)化,優(yōu)化效果不明顯。本文針對上述兩種方案存

4、在的問題,提出了基于最近鄰劃分變異/矢量空間狀態(tài)優(yōu)化的方案。基于該方案,優(yōu)化搜索在與矢量同維的低維空間中進行,編碼空間相對較小,有利于優(yōu)化算法的性能發(fā)揮,可有效地提高碼書性能。 2.為了提高碼書優(yōu)化算法的效率,本文分析了進化規(guī)劃(EP)、概率密度估計算法(EDA)、粒子群優(yōu)化(PSO)等方法在應(yīng)用于矢量量化方面存在的問題,并針對性地提出了兩種新的混合型優(yōu)化方法,及相應(yīng)的碼書優(yōu)化算法: 1)基于概率密度估計算法的進化規(guī)劃碼書設(shè)計算法。EP