矢量量化

摘要： 随着数据的海量型增长,如何存储并利用数据成为目前学术研究和工业应用等方面的热门问题。样例选择是解决此类问题的方法之一,它在原始数据中依据既定规则选出代表性的样例,从而有效地降低后续工作的难度。基于此,提出一种基于哈希学习的投票样例选择算法。首先通过主成分分析(PCA)方法将高维数据映射到低维空间;然后利用k-means算法结合矢量量化方法进行迭代运算,并将数据用聚类中心的哈希码表示;接着将分类后的数据按比例进行随机选择,在多次独立运行算法后投票选择出最终的样例。与压缩近邻(CNN)算法和大数据线性复杂度样例选择算法LSH-IS-F相比,所提算法在压缩比方面平均提升了19%。所提算法思想简单容易实现,能够通过调节参数自主控制压缩比。在7个数据集上的实验结果显示所提算法在测试精度相似的情况下在压缩比和运行时间方面较随机哈希有较大优势。

摘要： 传统图像加密方法将原始图像加密为类似纹理或噪声的密文图像,这类密文图像很容易引起攻击者的关注,从而导致大量不同类型的恶意攻击与分析。为提高云环境中图像存储的安全性,提出了一种新型的图像伪装加密方法。该方法以矢量量化与离散小波变换为基础,采用“明文-明文”的伪装加密方式,不仅可以如传统加密方法一样以加密方式保护云端图像,更提供了额外的视觉伪装功能。实验结果表明,该方法不仅能够有效提高云端图像的存储效率,还具有更好的视觉效果与伪装特性。

摘要： 在实际应用中,矢量量化取决于码本设计、码字搜索和码字索引分配等三个关键技术,其中码本设计和码字搜索最为关键。说话人识别是一种典型的多码本应用场景,并且说话人识别算法相对比较规则,因此可采用全搜索算法进行运算,从硬件设计的角度讲,全搜索算法虽然运算量大,但算法只涉及乘、加和比较操作,采用硬件实现是切实可行的。首先对现有矢量量化算法的硬件复杂度进行分析,针对全搜索算法实现了矢量量化硬件设计,并结合该方法实现了多路电话信道中说话人的实时判别。利用FPGA对所提方法进行实验验证,结果表明所提矢量量化的硬件解决方案相比传统方案可有效提升矢量量化速度与效率。

摘要： 目前机器翻译无法进行高质量翻译,以提升机器翻译译文质量为目标,提出了用户反馈和模式识别相融合的机器翻译优化方法.首先提取不同用户置信度特征,建立用户置信度评价模型,通过评价模型区分不同用户反馈的翻译内容,将置信度评价结果较高的机器翻译结果利用模式识别算法进行优化,通过搜索算法判断关键词是否属于椭球公式,符合要求的关键词即为机器翻译最终优化结果.最后进行了仿真实验,结果表明,文中方法的机器翻译优化结果BLEU值、NIST值高,困惑度低,可以提高机器翻译质量.

摘要： 空间环境数据可视化是空间环境预报和服务的重要手段.目前基于矢量量化的压缩体绘制算法均只考虑了数据特点和压缩效果,并未结合具体应用需求.为适应空间环境体数据可视化具体应用需求,提出了一种应用驱动的压缩体绘制算法—-基于权重的层次矢量量化算法(WHVQ).算法将体数据划分为43的数据块,并为数据块设置权重,重点关注区域的数据块赋予相对较大的权重值.然后,对各数据块用三层结构表示.最后,对次高层和最高层分别采用基于权重的主成分分析分裂法产生初始码书,并采用基于权重的LBG算法进行码书优化和量化.实验结果表明,该算法能够在保证整体压缩效果的同时,提升局部重点关注区域的重构质量.

摘要： 基于矢量量化变分自编码器(Vector Quantized Variational Autoencoder,VQVAE)的语音转换系统是国内外语音转换领域研究的一大热点,但是其较差的转换音质限制了模型的应用.本文在VQVAE的基础上提出一种改进的矢量量化正则变分自编码器(Vector Quantization Regularized Variational Autoencoder,VQ-REG-VAE).在训练时,矢量量化退化为正则化项,通过矢量量化的正则约束让编码器学习生成说话人无关的语义特征,同时让解码器学习将说话人特征融合到语义特征中.在转换时,可以去掉矢量量化这一正则化项,通过编码器和解码器就能实现语音转换.由于转换时没有进行矢量量化,语义特征信息得以更好保留.客观和主观实验都表明:基于VQ-REG-VAE模型的转换语音在不降低相似度的前提下,音质比VQVAE模型有显著的提升.

摘要： 声学模型建模可实现对语音信号的处理和特征抽取,是语音识别过程中必不可少的基础性工作,同时也是影响语音识别整体性能的一个重要因素.在语音识别中,选择合适的建模基元能使后续系统获得更高的准确率和更强的鲁棒性.音节是汉语等汉藏语系的最小发音单位,针对其发音特点,研究使用音节作为汉藏语系语音识别的建模基元,再提取相应的特征进行识别就有着尤为重要的意义.针对单音节识别目前的研究进展,首先介绍了基于有限状态矢量量化的算法,以及其改进算法在单音节识别中的研究成果;然后介绍了基于隐马尔可夫模型的算法,并详细介绍了将隐马尔可夫模型与其他算法相结合的音节识别研究成果;接着介绍了基于神经网络的算法;最后总结并提出了单音节识别研究未来发展的重要方向.

摘要： 提出一种基于图像矢量量化压缩和自嵌入机制的脆弱水印算法.通过建立码本并利用矢量量化方法对原始图像每个不重叠的分块进行压缩,获得可表示图像主要内容的压缩码.将置乱后的压缩码通过随机矩阵进行扩展,增加了待嵌入的内容恢复比特中的冗余,并使得原始图像中各个分块与每个内容恢复比特间建立相关性,可提高篡改后图像可恢复面积.实验结果表明,与已有算法相比,本文算法可以较小的水印嵌入容量实现针对大面积篡改情况下更好的内容恢复生能.

摘要： 矢量量化是一种重要的说话人识别方法，可以有效地压缩话者的个人特征，减少存储空间，另一方面又可以避开困难的语音分段和时间规整问题，是主要的与文本无关的说话人确认方法之一。本文采用VQ和协方差矩阵相结合的方法来实现一个说话人识别系统，取得了比单纯的VQ法更好的识别效果。

摘要： 本文采用矢量量化和协方差矩阵相结合的方法来实现一个说话人识别系统，取得了比单纯的矢量量化法更好的识别效果。

摘要： 矢量量化作为一种数据压缩技术在语音识别中占有重要的地位，传统的LBG算法收敛速度快，但易陷入局部最优；而传统的遗传算法虽能得到全局最优码本，但收敛速度慢.rn 本文结合它们各自的优点，对遗传算法进行改进，得到一种改进的码本设计方法。实验结果表明，文中提出的算法性能优于传统的遗传算法，不仅收敛速度快，而且失真测度小。

摘要： 分布式协同无源定位技术中,到达时差定位技术(Time Differences of Arrive,TDOA)具有定位精度高、定位速度快、抗干扰能力强的优点.但是,TDOA定位需要不同位置的传感器节点将采样值传送到同一个节点进行时差估计,需要大量的数据传输.为了避免大规模的数据传输,数据压缩技术被应用到定位之中.为了达到较高的压缩比,对信号波形进行矢量量化(Vector Quantization,VQ).仿真不同维数、不同码书大小对TDOA估计精度的影响.实验证明矢量量化能够取得巨大的压缩比,且不失TDOA估计精度,有效的解决TDOA定位技术的大规模数据传输问题.

摘要： 提出了一种面向窄带通信的极低速率参数语音编码算法.在2.4kbps MELP标准的基础上结合听觉感知,对线谱对参数进行联合矢量量化、对基音周期进行内插和非线性量化、对能量参数进行高效压缩,可以使语音数据在0.5kbps下匀速传输;线谱对参数的预测残差用于矢量量化,这是一种提高合成语音的音质的有效方法.实验结果表明,采用本文提出的语音编码算法可以使语音数据在极低码率下有效的传输,解码端合成的语音具有较高的可懂度.

摘要： 为有效解决现有单一模型编码器无法在中低速率对语音和音频信号进行高质量通用编码的问题,本文借助语音与音频信号的谐波特性,建立了一种对语音和音频信号统一编码的方法.首先,本文利用经验模态分解(Empirical Mode Decomposition,EMD)提取输入信号的谐波成分;其次,利用感知匹配追踪算法,并结合正弦参数建模对谐波成分进行参数提取与量化;第三,对于量化谐波后的残差进行抖动格型矢量量化,以提升重建音频的主观听觉质量,并最终实现一套包含24kbps和32kbps码率的宽带语音与音频通用编码器;最后,对所提算法进行了客观PESQ/PEAQ和主观A/B测试,并与ITU-T G.722.1和G.722.2编码器进行了比较,实验结果表明,所提编码器对语音和音频信号的编码质量均优于参考编码器.

摘要： 心音信号是一种典型的非平稳信号,传统信号处理方法的应用受到很大限制,为此该文提出了基于Teager边界谱和矢量量化的心音身份确认算法.实验表明,该算法取得很好的识别效果,正确识别率达到96.6％,等错误率仅为5.1％.

摘要： 心音信号是临床上有用的心脏疾病诊断工具，是一种很好的用于身份识别的方法，而在基于心音识别的系统中，提取反映用户个性特征的参数是关键问题之一。该文将Mel倒频系数的提取方法中的Mel滤波器组用小波变换后的信号频谱拼接来替代，以此提取了新的参数DWTMFC，并用矢量量化模型进行验证。实验结果表明DWTMFC参数的性能在矢量量化模型上确实要优于原始的MFCC参数。

摘要： 本研究利用试品升、降压过程中的视在放电量–施加电压序列作为局部放电特征量,并将动态时间规整(DTW)分类算法引入局部放电模式识别中。算法在训练阶段首先利用矢量量化方法构造码本,并以码本码字代替原始特征矢量实现数据压缩,同时采用训练样本构造DTW参考模板。在测试阶段,计算测试样本与每类放电参考模板的平均DTW距离,并利用快速匹配(FM)算法加快DTW运算过程,最后应用最近邻识别准则得到识别结果。对5类放电的200个样本的测试结果表明,DTW算法能够有效识别不同放电源与DTW算法相比,DTW-FM算法具有更高识别率和节省56%计算量的优点。

摘要： 公开了在第二子帧的基音周期搜索的范围根据第一子帧的基音周期基音变化时，能够在第二子帧的基音周期搜索范围的任一个区间中也总是利用适合的分辨率进行基音周期搜索的自适应激励矢量量化装置。在该装置中，第一基音周期指示单元(111)将规定的基音周期候补作为边界从而依序指示将搜索分辨率转移的规定的搜索范围内的基音周期搜索候补用于第一子帧；搜索范围计算单元(112)计算规定范围作为用于第二子帧的基音周期搜索范围，所述规定范围是包含在用于第一子帧的基音周期搜索范围中、并且是第一子帧的基音周期前后的规定范围，而且是在包含上述规定的基音周期搜索候补时搜索分辨率以该规定的基音周期搜索候补作为边界而转移的规定范围；第二基音周期指示单元(113)依序指示用于第二子帧的搜索范围内的基音周期搜索候补。

摘要： 公开了自适应激励矢量量化装置等，其在第一子帧利用比第二子帧更多的信息量，以子帧为单位进行自适应激励矢量量化时，能够降低各个子帧的自适应激励矢量量化的量化精度的偏移。在该装置的第一子帧的自适应激励矢量量化中，自适应激励矢量生成单元(104)从自适应激励码本(103)中切割出长度r(r、n和m为整数，m＜r≤n，n为帧长度，m为子帧长度)的自适应激励矢量，合成滤波器(105)利用所输入的第一子帧的线性预测系数生成r×r的脉冲响应矩阵，搜索用目标矢量生成单元(106)利用以子帧为单位的目标矢量生成长度r的搜索用目标矢量，评价尺度计算单元(107)计算自适应激励矢量量化的评价尺度。

摘要： 本发明涉及编码技术，公开了矢量量化方法和矢量量化器，其中矢量量化方法包括：获取待量化矢量，对待量化矢量进行N级量化，获得N级量化后的残差矢量，其中N为正整数；按照待量化矢量进行N级量化时获得的各级码书的索引号中的部分或全部，从预置的至少两个调整量组合中选取一个调整量组合；根据选取的所述调整量组合获得与所述待量化矢量对应的索引号。使用本发明实施例提供的技术方案，可以减少编码所需的编码空间。

摘要： 本发明涉及编码技术，公开了矢量量化方法和矢量量化器，其中矢量量化方法包括：获取待量化矢量，对待量化矢量进行N级量化，获得N级量化后的残差矢量，其中N为正整数；计算与残差矢量需要修正的各个维一一对应的调整量的值，获得由各个调整量的值组成的调整矢量；将调整矢量按照预置的分组方法分成若干个调整子矢量，每个调整子矢量由一个或一个以上的调整量组成，根据所包含的调整量的值确定每个调整子矢量的综合索引号；判断各个调整子矢量的综合索引号是否满足预置编码空间，若否，则调整该调整子矢量所包含的调整量的值，使得该调整子矢量的综合索引号满足预置编码空间。使用本发明实施例提供的技术方案，可以减少编码所需的编码空间。

摘要： 一种码书分类重排矢量量化方法及其矢量量化器，其方法编码过程是输入残差矢量根据分类信息进行分类，在编码器中的分类重排码书中确定子码书搜索范围，在子码书中确定矢量量化值；解码过程是根据信道传到解码器端的量化索引，在解码器的分类重排码书中确定输入残差矢量的重构矢量。量化前预先用码书分类算法对码书分类，分类信息存储于分类器。其矢量量化器中编码器中的分类器、分类重排码书存储单元和量化模块，以及解码器中的分类重排码书存储单元和解码模块为关键部件。本发明分类器信息不需在信道传送，不占用量化比特，但编码时码字搜索范围通过分类器限定到了分类重排码书中的子码书，降低了矢量量化器的时间复杂度，达到了透明量化的效果。

摘要： 本发明公开了一种矢量量化方法，由基础码本矢量与其子矢量的调整矢量组合成的联合码本矢量对待量化矢量进行量化。本发明还提供相应的矢量量化器。由于采用调整矢量对基础码本矢量进行调整，有效扩大了基础码本矢量的动态范围，减小了失真度，使得进行单级量化能够达到或超过多级量化的效果，有效降低码本存储量和量化计算量；并且对基础码本矢量的调整以调整矢量的形式进行，使得能够充分利用待量化矢量减去基础码本矢量后某些维度间依然存在的相关性来设计调整矢量，达到以较少的调整矢量数目实现较大的动态调整范围的目的，同时由于利用了维度间的相关性，使得调整矢量数目较少，有利于减小量化的计算量。

摘要： 本发明公开了一种矢量量化方法，其核心思想是，按照待量化矢量维系数间的跳跃值的分布情况对矢量进行分类，然后对待量化矢量与该分类固定轨迹矢量的残差进行量化。本发明并提供相应的矢量量化器。由于本发明方法中所采用的分类方式能够初步确定矢量维系数变化趋势，使得对应每一类的差值码本具有较小的变化范围，在保证重现质量的前提下，有效缩小后续量化过程中所使用的码本容量，从而能够降低所需要的量化比特。

摘要： 一种码书分类重排矢量量化方法及其矢量量化器，其方法编码过程是输入残差矢量根据分类信息进行分类，在编码器中的分类重排码书中确定子码书搜索范围，在子码书中确定矢量量化值；解码过程是根据信道传到解码器端的量化索引，在解码器的分类重排码书中确定输入残差矢量的重构矢量。量化前预先用码书分类算法对码书分类，分类信息存储于分类器。其矢量量化器中编码器中的分类器、分类重排码书存储单元和量化模块，以及解码器中的分类重排码书存储单元和解码模块为关键部件。本发明分类器信息不需在信道传送，不占用量化比特，但编码时码字搜索范围通过分类器限定到了分类重排码书中的子码书，降低了矢量量化器的时间复杂度，达到了透明量化的效果。

摘要： 公开了在第二子帧的基音周期搜索的范围根据第一子帧的基音周期基音变化时，能够在第二子帧的基音周期搜索范围的任一个区间中也总是利用适合的分辨率进行基音周期搜索的自适应激励矢量量化装置。在该装置中，第一基音周期指示单元(111)将规定的基音周期候补作为边界从而依序指示将搜索分辨率转移的规定的搜索范围内的基音周期搜索候补用于第一子帧；搜索范围计算单元(112)计算规定范围作为用于第二子帧的基音周期搜索范围，所述规定范围是包含在用于第一子帧的基音周期搜索范围中、并且是第一子帧的基音周期前后的规定范围，而且是在包含上述规定的基音周期搜索候补时搜索分辨率以该规定的基音周期搜索候补作为边界而转移的规定范围；第二基音周期指示单元(113)依序指示用于第二子帧的搜索范围内的基音周期搜索候补。

摘要： 本发明涉及编码技术，公开了矢量量化方法和矢量量化器，其中矢量量化方法包括：获取待量化矢量，对待量化矢量进行N级量化，获得N级量化后的残差矢量，其中N为正整数；计算与残差矢量需要修正的各个维一一对应的调整量的值，获得由各个调整量的值组成的调整矢量；将调整矢量按照预置的分组方法分成若干个调整子矢量，每个调整子矢量由一个或一个以上的调整量组成，根据所包含的调整量的值确定每个调整子矢量的综合索引号；判断各个调整子矢量的综合索引号是否满足预置编码空间，若否，则调整该调整子矢量所包含的调整量的值，使得该调整子矢量的综合索引号满足预置编码空间。使用本发明实施例提供的技术方案，可以减少编码所需的编码空间。