一种选择预测矢量量化的迭代优化设计方法
本发明公布了一种选择预测矢量量化的迭代优化设计方法，该方法利用常规的前后帧相关性划分训练数据，采用不同的训练数据进行各个预测系数计算和码本设计。然后，采用设计的预测系数和码本对训练数据进行量化，根据量化误差大小调整训练数据划分。通过训练数据划分和码本设计迭代，优化选择预测矢量量化码本设计。本发明改进了训练数据固定划分的缺点，可以有效提高选择预测矢量量化设计性能。本发明能减小参数量化失真，改善信号压缩质量。
发明专利
CN200810235591.5
2008-12-01
CN101420230
2009-04-29
H03M7/30(2006.01)I
中国人民解放军理工大学
张雄伟;邹 霞;敖 亮
210007江苏省南京市白下区御道街标营2号
南京经纬专利商标代理有限公司
魏学成
江苏;32
1. 一种选择预测矢量量化的迭代优化设计方法，其特征在于包括如下步骤：a. )输入训练参数，并设置训练参数模式数为M，M为自然数，下同；b. )设输入训练参数维数为p，对每一个输入训练参数计算前后参数相关系数，第n个输入训练参数的第k维数据为xn，k，k＝1，…，p，第n个训练参数的前后相关系数为：当Ti≤An<Ti+1时，则将第n个训练参数划入第i模式，其中Ti为设定的第i模式门限值，Ti+1为设定的第i+1模式门限值，i为自然数，0≤i≤M-1，下同；c. )对每个模式中的训练参数设计预测矢量量化器：第i模式的预测系数为其中N为第i模式中输入训练参数的数目，wn，k为第i模式第n个输入训练参数的加权值，对每个模式的输入训练参数计算预测残差，第i模式中第n个输入训练参数的预测残差为对每个模式的预测残差分别经过LBG得到矢量量化码本，最后得到选择预测矢量量化器；d. )将每一个输入训练参数采用步骤c设计的选择预测矢量量化器进行量化：每个输入训练参数采用第i模式进行预测矢量量化后输出参数为其中为第n-1个训练参数第k维数据的量化值，为第i模式的预测残差矢量量化值；e. )计算每个训练参数对各个模式预测矢量量化的量化误差：步骤d所述的第i模式中的每个输入训练参数的量化误差为：，其中，wn，k为第n个输入训练参数第k维的加权值；f. )当步骤e所述的第i模式中的每个输入训练参数满足：则将该输入训练参数划入模式j，其中j为自然数，取值范围为0≤j≤M-1；g. )判断步骤f是否存在输入参数模式改变，当模式不改变，结束码本设计过程，输出码本；当模式改变，返回步骤c。