专利名称：一种改进的矢量量化方法
技术领域：
本发明涉及一种语音参数数据的压缩处理技术，在医学图像，遥感图像压缩，视频处理，图片修复和文献检索等领域也有广泛应用。
背景技术：
现有矢量量化技术一般在生成初始码本上存在较大的随机性，而初始码本的优良与否会导致最终码本生成的质量优劣。就随机初始码本生成算法而言，容易掉进局部最优值，而非全局最优。而现有的分裂法在初始分裂技术选择上一般存在精度和算法的时间复杂度不可兼得的缺点，导致最终生成的码本质量下降或者整个生成过程耗时过长，不利于对处理时间有特殊要求的工程实现。
发明内容
本发明提出一种改进的矢量量化技术，该方法包括根据向量数据的某一维度进行数据的初始分裂，然后基于GLA算法进行迭代优化帅选，将数据一分为二。然后再将已经一分为二的数据集合A和B，再分别进行先单维度初始分裂后GLA优化的过程，分别得到
4' 4' ‘ B; Bj 4个数据集合，并对这4个数据集合进行GLA优化，以此类推， 可以得到？个数据集合，即数据元胞，从而得到？个码本。对于单维度初始分裂法即通过计算搜索数据跨度最大的一维，并找到这一维的重心，再以这一维的重心作为数据的分界点，从而完成初始分裂。对于多级码本生成而言，在第一级码本完成后，数据元胞内数据与码本之间的距离形成了生成第二级码本的样本空间，以此类推，可以生成多级码本。本发明的有益技术效果是通过用单维度分裂初始码本可以迅速将数据一分为二，在算法时间复杂度上很低，也能保证一定的分裂精度，从而提升了整个矢量量化系统的性能
步骤2 依靠单维度最优划分法将所有训练矢量划分为两个集合A和B。并分别求取两个集合的质心，得到对应的码字和。步骤3:以；
权利要求
1.一种改进的矢量量化方法，其特征在于利用训练样本的某一维度来对训练样本进行初始划分。
2.根据权利要求1所述的矢量量化方法，其特征在于利用单一维度的质心来对训练样本进行最佳划分。
全文摘要
本发明公开了一种矢量量化码本生成方法，该方法根据单一维度对训练序列进行最佳划分生成初始码书，然后用GLA算法得到优化后的码书，重复进行最终得到具有2N个码本的码书。本发明的有益技术效果是利用单一维度可以最大程度简化计算复杂度而不失精度，从而很大程度上提高了整体矢量量化器的性能。
文档编号G10L19/00GK102496368SQ20111042774
公开日2012年6月13日 申请日期2011年12月20日 优先权日2011年12月20日
发明者于进强, 廖红云, 张小恒, 肖宏 申请人:重庆金美通信有限责任公司