矢量量化技术及应用PDF电子书下载

第一章 绪论 1

1.1 信号、通信系统、编码和压缩 1

1.1.1 信号的概念 1

1.1.2 数字通信系统 2

1.1.3 编码与压缩的概念 5

1.1.4 压缩的目的 6

1.1.5 压缩方法的分类 7

1.2 标量量化 10

1.2.1 均匀量化 12

1.2.2 压缩与扩张 14

1.2.3 最佳标量量化 16

1.2.4 最佳标量量化器设计算法 18

1.2.5 标量量化器的实现 22

1.3 预测量化 24

1.3.1 差值量化与预测量化 24

1.3.2 差分脉码调制(DPCM) 26

1.3.3 增量调制 28

1.4 矢量量化的基本原理 31

1.4.1 矢量量化概念的引入 31

1.4.2 矢量量化的理论基础 32

1.4.3 矢量量化的定义和基本原理 33

1.4.4 矢量量化器的例子 36

1.4.5 矢量量化器的结构 37

1.5 矢量量化的相关概念 41

1.5.1 矢量量化器的编码速率和比特率 42

1.5.2 失真测度 42

1.5.3 复杂度 47

1.6 矢量量化的关键技术 48

1.6.1 码书设计 48

1.6.2 码字搜索 49

1.6.3 码字索引分配 49

1.7 矢量量化与标量量化的比较 50

第二章 矢量量化器 53

2.1 穷尽搜索矢量量化器 53

2.1.1 穷尽搜索矢量量化器 54

2.1.2 穷尽搜索矢量量化器的复杂度 58

2.1.3 降低复杂度的方案 60

2.2 约束矢量量化器 62

2.2.1 引言 62

2.2.2 树型矢量量化器 63

2.2.3 分类矢量量化器 71

2.2.4 变换域矢量量化器 73

2.2.5 乘积码矢量量化器 78

2.2.6 多级矢量量化器 92

2.2.7 存储量受限矢量量化器 99

2.2.8 分层矢量量化器和多分辨率矢量量化器 101

2.2.9 非线性插值矢量量化器 104

2.2.10 格型矢量量化器和格型码书矢量量化器 106

2.3 预测矢量量化器 116

2.3.1 有记忆矢量量化器的分类 116

2.3.2 预测矢量量化器 117

2.3.3 矢量线性预测器 121

2.3.4 基于经验数据的矢量线性预测器设计 129

2.3.5 矢量非线性预测器 130

2.3.6 预测矢量量化器的设计 133

2.3.7 实际例子 140

2.4 有限状态矢量量化器 142

2.4.1 反馈矢量量化器 142

2.4.2 有限状态矢量量化器 145

2.4.3 状态标签 FSVQ 和转移标签 FSVQ 148

2.4.4 FSVQ 的编解码器设计 151

2.4.5 FSVQ 的状态转移函数设计 153

2.4.6 FSVQ 的应用实例 158

2.5 自适应矢量量化器 161

2.5.1 引言 161

2.5.2 均值自适应矢量量化器 164

2.5.3 增益自适应矢量量化器 166

2.5.4 开关码书自适应矢量量化器 173

2.5.5 多矢量的自适应比特分配 174

2.5.6 地址矢量量化器 179

2.5.7 渐进码字更新 183

2.5.8 自适应码书生成 184

2.5.9 矢量激励编码 185

2.6 变速率矢量量化器 190

2.6.1 变速率编码 190

2.6.2 变维矢量量化器 192

2.6.3 其他变速率矢量量化器 194

2.6.4 删除树型矢量量化器 195

2.6.5 BFOS 算法 199

2.6.6 熵编码矢量量化器 205

2.6.7 贪婪树生成算法 207

2.6.8 比特分配算法 208

第三章 矢量量化码书设计算法 211

3.1 引言 211

3.2 矢量量化器的最优条件 214

3.2.1 最优矢量量化器的必要条件 215

3.2.2 最优条件的充分性 219

3.2.3 最优矢量量化器的一些结论 220

3.3 传统码书设计算法 221

3.3.1 初始码书的生成方法 222

3.3.2 GLA 算法 225

3.3.3 MD 算法 230

3.4 基于神经网络的码书设计算法 231

3.4.1 学习矢量量化码书设计 231

3.4.2 竞争学习矢量量化码书设计 232

3.4.3 自组织特征映射神经网络码书设计 233

3.4.4 仿真实验 236

3.5 随机松弛码书设计算法 238

3.5.1 随机松弛码书设计算法 238

3.5.2 模拟退火码书设计算法 239

3.6 遗传码书设计算法 241

3.6.1 遗传算法 241

3.6.2 基于码书的遗传码书设计算法 242

3.6.3 基于训练矢量划分的遗传码书设计算法 243

3.6.4 遗传退火码书设计算法 244

3.6.5 仿真实验 245

3.7 禁止搜索码书设计算法 247

3.7.1 禁止搜索算法 247

3.7.2 禁止搜索码书设计算法 248

3.7.3 禁止搜索最大下降码书设计算法 249

3.7.4 仿真实验 251

3.8 基于模糊集合理论的码书设计算法 253

3.8.1 模糊 c 均值码书设计算法 253

3.8.2 模糊矢量量化码书设计算法 254

3.8.3 禁止搜索模糊 c 均值码书设计算法 257

3.8.4 仿真实验 258

第四章 矢量量化码字搜索算法 260

4.1 引言 260

4.1.1 码字搜索问题 260

4.1.2 快速码字搜索算法的一般要求 260

4.2 部分失真搜索算法 261

4.2.1 部分失真搜索算法 261

4.2.2 改进的部分失真搜索算法 262

4.2.3 扩展部分失真搜索算法 263

4.3 基于绝对误差不等式的快速码字搜索算法 263

4.3.1 绝对误差不等式删除算法 264

4.3.2 超立方体算法 265

4.3.3 改进的绝对误差不等式删除算法 266

4.3.4 快速最小均方误差编码算法 267

4.4 基于三角不等式的快速码字搜索算法 269

4.4.1 近似与排除搜索算法 269

4.4.2 改进的快速最近邻搜索算法 270

4.4.3 快速穷尽搜索等价编码算法 271

4.4.4 自适应快速码字搜索算法 272

4.5 基于均值不等式的最近邻搜索算法 273

4.5.1 等均值最近邻搜索算法 273

4.5.2 等均值等方差最近邻搜索算法 275

4.6 基于其他不等式的最近邻搜索算法 279

4.6.1 双测试算法 279

4.6.2 三投影算法 280

4.6.3 快速近似搜索算法 281

4.6.4 基于二次型失真测度的快速码字搜索算法 282

4.7 基于变换域的快速码字搜索算法 284

4.7.1 引言 284

4.7.2 基于小波变换的快速码字搜索算法 284

4.7.3 基于哈德码变换的快速码字搜索算法 285

4.8 基于金字塔结构的快速码字搜索算法 286

4.8.1 图像的金字塔数据结构 286

4.8.2 均值金字塔搜索算法 287

4.8.3 小波金字塔搜索算法 288

4.8.4 均值-方差金字塔搜索算法 289

4.9 自适应搜索范围及顺序的快速码字搜索算法 290

4.9.1 子码书搜索算法 291

4.9.2 快速滑动搜索算法 292

4.9.3 自适应搜索范围及顺序的快速码字搜索算法 292

4.10 仿真实验和总结 294

第五章 矢量量化码字索引分配算法 298

5.1 引言 298

5.2 传统码字索引分配算法 299

5.2.1 码字索引分配问题 299

5.2.2 BSA 算法 301

5.2.3 模拟退火码字索引分配算法 302

5.2.4 遗传码字索引分配算法 303

5.3 禁止搜索码字索引分配算法 304

5.3.1 基本算法 304

5.3.2 禁止模拟退火码字索引分配算法 304

5.3.3 仿真实验 305

5.4 基于能量分配的码字索引传输 306

5.4.1 数字通信系统 306

5.4.2 数字信号载波传输的 BPSK 调制方式 307

5.4.3 能量分配码字索引传输算法 310

5.4.4 禁止能量分配码字索引传输 311

5.4.5 仿真实验 312

第六章 矢量量化在图像编码中的应用 313

6.1 图像编码技术概述 313

6.1.1 图像处理技术简介 313

6.1.2 图像编码技术简介 315

6.2 快速相关矢量量化图像编码算法 316

6.2.1 基本相关矢量量化图像编码算法 317

6.2.2 改进相关矢量量化图像编码算法 318

6.2.3 均值匹配相关矢量量化图像编码算法 319

6.2.4 特征值匹配相关矢量量化图像编码算法 321

6.2.5 仿真实验 323

6.3 基于边缘匹配矢量量化的遥感图像编码 324

6.3.1 遥感技术和遥感图像 324

6.3.2 边缘匹配矢量量化编码算法 327

6.3.3 改进的边缘匹配矢量量化编码算法 328

6.3.4 基于方差分类的边缘匹配矢量量化算法 330

6.3.5 基于梯度分类的边缘匹配矢量量化编码算法 335

6.4 矢量量化在块截短图像编码算法中的应用 339

6.4.1 块截短图像编码算法 339

6.4.2 阈值优化的改进块截短图像编码算法 342

6.4.3 位平面编码的改进块截短图像编码算法 345

6.4.4 均值编码的改进块截短图像编码算法 350

6.4.5 矢量量化-块截短编码算法 354

6.5 彩色图像的矢量量化压缩编码算法 358

6.5.1 彩色图像的颜色模型及颜色量化 358

6.5.2 RGB 三色分离的彩色图像矢量量化编码 363

6.5.3 YUV 三色分离的彩色图像矢量量化编码 365

第七章 矢量量化在语音信号处理中的应用 369

7.1 语音信号分析与处理简介 369

7.1.1 语音信号 369

7.1.2 语音信号的时域分析 372

7.1.3 语音信号的频域分析 376

7.1.4 语音信号的同态分析 377

7.1.5 语音信号的线性预测分析 381

7.2 矢量量化在语音编码中的应用 384

7.2.1 语音信号的压缩编码原理 384

7.2.2 语音信号的波形编码 385

7.2.3 语音信号的参数编码 389

7.3 矢量量化在语音识别中的应用 396

7.3.1 语音识别原理 396

7.3.2 基于动态时间规整的语音识别 399

7.3.3 基于矢量量化的语音识别 401

7.4 矢量量化在说话人识别中的应用 403

7.4.1 说话人识别系统的结构和原理 404

7.4.2 基于动态时间规整的说话人识别 406

7.4.3 基于矢量量化的说话人识别 407

第八章 矢量量化在数字图像水印处理中的应用 409

8.1 引言 409

8.2 数字水印技术 410

8.2.1 数字水印定义及分类 410

8.2.2 数字水印系统的基本框架 411

8.2.3 数字水印关键技术 413

8.3 基于 DCT 变换的数字图像水印处理算法 415

8.3.1 DCT 变换 415

8.3.2 数字水印的生成 416

8.3.3 DCT 系数选取 419

8.3.4 私有水印处理算法 421

8.3.5 公有水印处理算法 427

8.4 基于矢量量化的数字图像水印处理算法 432

8.4.1 私有水印处理算法 434

8.4.2 公有水印处理算法 435

8.4.3 仿真实验 436

第九章 总结及未来展望 440

9.1 总结 440

9.2 未来展望 441

9.2.1 矢量量化技术理论的未来展望 442

9.2.2 矢量量化技术应用的未来展望 444

参考文献 446