摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 矢量量化技术的发展历史与研究现状
1.3 本文的主要工作与特色
1.3.1 研究内容
1.3.2 主要贡献与特色
1.4 论文的结构安排
第二章 相关理论
2.1 引言
2.2 矢量量化的基本原理
2.2.1 矢量量化的理论基础
2.2.2 矢量量化的定义
2.2.3 矢量量化的特点
2.3 矢量量化的目标函数
2.3.1 矢量失真描述
2.3.2 信号失真描述
2.4 最优矢量量化器的几个条件
2.4.1 两个基本必要条件
2.4.2 零边界概率条件
2.4.3 等误差条件
2.4.4 最优条件的充分性
2.5 编码速率与比特率、复杂度
2.5.1 编码速率和比特率
2.5.2 复杂度
2.6 模糊集合与模糊逻辑
2.6.1 模糊数学理论基础
2.6.2 模糊集合及其运算
2.6.3 隶属函数
2.6.4 模糊矩阵、模糊关系、模糊向量
2.7 同态信号处理
2.7.1 同态信号处理表示
2.7.2 卷积同态信号处理的一些性质
2.7.3 倒谱与复倒谱的关系
2.7.4 倒谱与复倒谱的特点
2.7.5 复倒谱与倒谱的计算方法
2.8 说话人识别统计模型
2.8.1 隐马尔科夫模型
2.8.2 高斯混合模型
2.9 本章小结
第三章 LSF码书设计与优化
3.1 引言
3.2 线谱频率(LSF)系数
3.3 LSF矢量量化
3.3.1 LSF标量量化
3.3.2 初始码书生成算法
3.4 LSF经典码书设计算法(LBG)与分析
3.4.1 LBG算法与基本问题
3.4.2 LBG算法的进一步分析
3.5 新的码书优化方案
3.5.1 最近邻划分变异方案
3.5.2 矢量空间状态优化方案
3.6 基于概率密度估计的进化规划码书设计算法
3.6.1 研究思路
3.6.2 算法原理分析
3.6.3 算法实现步骤
3.6.4 实验结果与分析
3.7 基于粒子群的码书优化算法
3.7.1 研究思路
3.7.2 算法原理分析
3.7.3 实现步骤
3.7.4 实验结果与分析
3.8 本章小结
第四章 基于模糊相关度的VQ说话人识别
4.1 引言
4.2 说话人识别的基本原理
4.3 说话人识别的特征选择
4.3.1 高层次与低层次语音特征
4.3.2 短时傅里叶变换
4.3.3 线性预测系数及其派生系数
4.3.4 基于听觉原理的特征参数
4.3.5 特征参数的统计评价
4.4 说话人识别的主要方法与分析
4.4.1 最小距离分类器
4.4.2 矢量量化
4.4.3 高斯混合模型
4.4.4 隐马尔科夫模型
4.4.5 几种方法的比较与分析
4.5 基音及其提取
4.6 倒谱特征参数
4.6.1 MFCC参数提取算法
4.6.2 LPCC参数提取算法
4.7 基于模糊相关度的VQ说话认人辨认
4.7.1 研究思路
4.7.2 算法原理分析
4.7.3 算法实现步骤
4.7.4 实验结果与分析
4.8 本章小结
第五章 抗信道噪声的矢量量化数字水印
5.1 引言
5.2 矢量量化图像压缩码书设计与优化
5.2.1 一种改进的LBG算法
5.2.2 基于AMPSO的图像码书优化
5.3 水印算法的基本要求
5.4 一种基于图块分类的水印算法
5.4.1 基本原理
5.4.2 实现步骤
5.4.3 实验结果
5.5 基于基本码字标志的矢量量化数字图像水印算法
5.5.1 矢量量化数字水印算法原理
5.5.2 实现步骤
5.5.3 实验结果
5.6 抗信道噪声矢量量化数字水印新算法
5.6.1 研究思路
5.6.2 算法原理与步骤
5.6.3 实验与分析
5.7 本章小结
第6章 总结与展望
6.1 本文工作总结
6.2 未来研究方向
参考文献
致谢
在学期间发表的学术论文
附录