JPH03211600A - ベクトル量子化方法 - Google Patents
ベクトル量子化方法Info
- Publication number
- JPH03211600A JPH03211600A JP2007340A JP734090A JPH03211600A JP H03211600 A JPH03211600 A JP H03211600A JP 2007340 A JP2007340 A JP 2007340A JP 734090 A JP734090 A JP 734090A JP H03211600 A JPH03211600 A JP H03211600A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- representative
- vectors
- quantization
- determined
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Analogue/Digital Conversion (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
産業上の利用分野
本発明は、音声信号等をベクトル量子化するためのベク
トル量子化方法に関する。
トル量子化方法に関する。
従来の技術
一般に、音声信号等をＡ／Ｄ変換したディジタル信号を
コンピュータ処理して量子化するために、ベクトル量子
化することが行われている。
コンピュータ処理して量子化するために、ベクトル量子
化することが行われている。
第３図はこのような従来のベクトル量子化処理のフロー
チャートを示している。まず、下記（１）式として表わ
される入力ベクトルＸに対し、予め設定された下記（２
）式として表わされるＭ個の代表ベクトルＹｉ（但し、
ｉ＝１．２．３・・Ｍ）との歪ｃｌｉを全てのｉについ
て下記（３）式によって計算する（ステップ１．２．３
）。
チャートを示している。まず、下記（１）式として表わ
される入力ベクトルＸに対し、予め設定された下記（２
）式として表わされるＭ個の代表ベクトルＹｉ（但し、
ｉ＝１．２．３・・Ｍ）との歪ｃｌｉを全てのｉについ
て下記（３）式によって計算する（ステップ１．２．３
）。
Ｘ＝ （Ｘｔ、Ｘ２．Ｘ５−−・ ・、Ｘ５）−（１
）Ｖｉ＝ （Ｙｌｌ、 Ｙｉｚ、 Ｙｉｓ・・・、Ｙｉ
Ｎ）・・・（２）そして歪ｄｉが最も小さくなる番号の
ｉの代表ベクトルを求め（ステップ４）、それを入力ベ
クトルＸに対する代表ベクトルと決定しくステップ５（
このように決定される代表ベクトルを他の代表ベクトル
と区別するため、以下、確定代表ベクトルという。）、
その確定代表ベクトルの番号ｉを入力ベクトルχの量子
化値とするものである。
）Ｖｉ＝ （Ｙｌｌ、 Ｙｉｚ、 Ｙｉｓ・・・、Ｙｉ
Ｎ）・・・（２）そして歪ｄｉが最も小さくなる番号の
ｉの代表ベクトルを求め（ステップ４）、それを入力ベ
クトルＸに対する代表ベクトルと決定しくステップ５（
このように決定される代表ベクトルを他の代表ベクトル
と区別するため、以下、確定代表ベクトルという。）、
その確定代表ベクトルの番号ｉを入力ベクトルχの量子
化値とするものである。
第４図は入力ベクトルの成分数Ｎ＝２、代表ベクトルの
数をＭ＝４としたときの、入力ベクトルｘ１代表ベクト
ルＹｉの関係を示しており、６は代表ベクトル、７は入
力ベクトル、８は代表ベクトル間の境界線である。
数をＭ＝４としたときの、入力ベクトルｘ１代表ベクト
ルＹｉの関係を示しており、６は代表ベクトル、７は入
力ベクトル、８は代表ベクトル間の境界線である。
代表ベクトルＶｉを設定するには、予め入力ベクトル大
の分布と同様な分布を有するトレーニング用のベクトル
（以下、トレーニングベクトルという。）を使用し、そ
れを必要とする代表ベクトルＹｉＯ数Ｍの領域に分割し
、全体の歪が最小となる代表ベクトルを決定する。
の分布と同様な分布を有するトレーニング用のベクトル
（以下、トレーニングベクトルという。）を使用し、そ
れを必要とする代表ベクトルＹｉＯ数Ｍの領域に分割し
、全体の歪が最小となる代表ベクトルを決定する。
このように、上記従来のベクトル量子化方法によっても
入力ベクトルの量子化を行なうことができる。
入力ベクトルの量子化を行なうことができる。
発明が解決しようとする課題
しかしながら、上記従来のベクトル量子化方法では、１
回の量子化毎に全ての代表ベクトルについて歪を算出し
なければならず、計算量が多大となり、実時間での処理
が困難になるという問題があった。
回の量子化毎に全ての代表ベクトルについて歪を算出し
なければならず、計算量が多大となり、実時間での処理
が困難になるという問題があった。
本発明は、このような従来の問題を解決するものであり
、量子化処理時間を短縮できる優れたベクトル量子化方
法を提供することを目的とする。
、量子化処理時間を短縮できる優れたベクトル量子化方
法を提供することを目的とする。
課題を解決するための手段
本発明は、上記目的を達成するたぬ、音声信号等をベク
トル量子化する際に、代表ベクトルの零交差数により代
表ベクトルを複数個のグループに分類するとともに量子
化を行なう入力ベクトルの零交差数を求め、求められた
零交差数に相当するグループ内の代表ベクトルについて
のみ歪を計算し、歪を計算する対象の代表ベクトルの数
を制限することにより、確定代表ベクトルを決定する際
の計算処理時間を短縮するようにしたものである。
トル量子化する際に、代表ベクトルの零交差数により代
表ベクトルを複数個のグループに分類するとともに量子
化を行なう入力ベクトルの零交差数を求め、求められた
零交差数に相当するグループ内の代表ベクトルについて
のみ歪を計算し、歪を計算する対象の代表ベクトルの数
を制限することにより、確定代表ベクトルを決定する際
の計算処理時間を短縮するようにしたものである。
作用
したがって、本発明によれば、量子化計算対象の代表ベ
クトルの数を低減して量子化するため、計算処理時間が
短縮され、量子化処理が速くなり、実時間処理ができる
という効果を有する。
クトルの数を低減して量子化するため、計算処理時間が
短縮され、量子化処理が速くなり、実時間処理ができる
という効果を有する。
実施例
第１図は本発明の一実施例の量子化方法の手順を示すフ
ローチャート、第２図は代表ベクトルのグループ分類の
一例を示す図である。この実施例においては、予め全て
の代表ベクトルについてそれぞれのベクトルの零交差数
Ｑｋを求める。ディジタル信号の場合には、実際に信号
の振幅が零の値をとるとは限らないので、隣接する成分
が正負の異なる値になったときを１回の零交差とする。
ローチャート、第２図は代表ベクトルのグループ分類の
一例を示す図である。この実施例においては、予め全て
の代表ベクトルについてそれぞれのベクトルの零交差数
Ｑｋを求める。ディジタル信号の場合には、実際に信号
の振幅が零の値をとるとは限らないので、隣接する成分
が正負の異なる値になったときを１回の零交差とする。
この零交差数により、第２図に示すように、代表ベクト
ルをＬ個のグループに分類する。次いで、零交差数がｎ
ｊ−＋＋ｌ〜ｎＪである代表ベクトルをｊ番目の代表グ
ループとする。
ルをＬ個のグループに分類する。次いで、零交差数がｎ
ｊ−＋＋ｌ〜ｎＪである代表ベクトルをｊ番目の代表グ
ループとする。
次に、量子化を行なう手順について説明する。
まず、入力ベクトルの零交差数ｎを計算する（ステップ
１１）。このｎが、ｎｊ−ｔａｎ≦ｎＪであった場合、
この入力ベクトルは第ｊ番目の代表ベクトルグループと
形状が近いものと決定しくステップ１２）、このグルー
プに属する全ての代表ベクトルについてのみ歪ｄｉの計
算を行なう（ステップ１３．１４．１５）。歪ｄｉの計
算には上記（３）式を用いる。そして最も歪ｄｉが小さ
くなる番号ｉの代表ベクトルを求ぬ（ステップ１６）、
それを入力ベクトルＸに対する代表ベクトルと決定しく
ステップ１７）、その確定代表ベクトルの番号ｉを入力
ベクトルＸの量子化値とする。
１１）。このｎが、ｎｊ−ｔａｎ≦ｎＪであった場合、
この入力ベクトルは第ｊ番目の代表ベクトルグループと
形状が近いものと決定しくステップ１２）、このグルー
プに属する全ての代表ベクトルについてのみ歪ｄｉの計
算を行なう（ステップ１３．１４．１５）。歪ｄｉの計
算には上記（３）式を用いる。そして最も歪ｄｉが小さ
くなる番号ｉの代表ベクトルを求ぬ（ステップ１６）、
それを入力ベクトルＸに対する代表ベクトルと決定しく
ステップ１７）、その確定代表ベクトルの番号ｉを入力
ベクトルＸの量子化値とする。
このように、上記実施例によれば、第ｊグループに属す
る代表ベクトルの数をｋｊとすると、この方法での代表
バタン、代表ベクトルと距離、歪を計算する回数は、最
初にグループ化したＬ回であり、この回数は、全ての代
表ベクトルと比較を行なう場合の計算回数、 よりも少なく、確定代表ベクトルを決定する際の計算処
理時間を短縮することができるという利点を有する。
る代表ベクトルの数をｋｊとすると、この方法での代表
バタン、代表ベクトルと距離、歪を計算する回数は、最
初にグループ化したＬ回であり、この回数は、全ての代
表ベクトルと比較を行なう場合の計算回数、 よりも少なく、確定代表ベクトルを決定する際の計算処
理時間を短縮することができるという利点を有する。
発明の効果
本発明は、上記実施例から明らかなように、音声信号等
をベクトル量子化する場合において、代表ベクトルの零
交差数により代表ベクトルを複数個のグループに分類す
るとともに量子化を行なう入力ベクトル内の代表ベクト
ルについてのみ歪を計算することにより、歪を計算する
対象の代表ベクトルの数を制限しているので、確定代表
ベクトルを決定する際の計算処理時間を短縮することが
できるという効果を有する。
をベクトル量子化する場合において、代表ベクトルの零
交差数により代表ベクトルを複数個のグループに分類す
るとともに量子化を行なう入力ベクトル内の代表ベクト
ルについてのみ歪を計算することにより、歪を計算する
対象の代表ベクトルの数を制限しているので、確定代表
ベクトルを決定する際の計算処理時間を短縮することが
できるという効果を有する。
第１図は本発明の一実施例におけるベクトル量子化手順
を示すフローチャート、第２図は同実施例における分類
された代表ベクトルの一例を示す図、第３図は従来のベ
クトル量子化手順を示すフローチャート、第４図は従来
例における代表ベクトルの配置の一例を示す図である。
を示すフローチャート、第２図は同実施例における分類
された代表ベクトルの一例を示す図、第３図は従来のベ
クトル量子化手順を示すフローチャート、第４図は従来
例における代表ベクトルの配置の一例を示す図である。
Claims (1)
- 音声信号等をベクトル量子化する際に、代表ベクトルの
零交差数により代表ベクトルを複数個のグループに分類
するとともに量子化を行なう入力ベクトルの零交差数を
求め、上記求められた零交差数に相当するグループ内の
代表ベクトルについてのみ歪を計算することを特徴とす
るベクトル量子化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007340A JPH03211600A (ja) | 1990-01-17 | 1990-01-17 | ベクトル量子化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007340A JPH03211600A (ja) | 1990-01-17 | 1990-01-17 | ベクトル量子化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH03211600A true JPH03211600A (ja) | 1991-09-17 |
Family
ID=11663212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2007340A Pending JPH03211600A (ja) | 1990-01-17 | 1990-01-17 | ベクトル量子化方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH03211600A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07110695A (ja) * | 1993-09-27 | 1995-04-25 | Internatl Business Mach Corp <Ibm> | 音声符号化装置および方法 |
-
1990
- 1990-01-17 JP JP2007340A patent/JPH03211600A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07110695A (ja) * | 1993-09-27 | 1995-04-25 | Internatl Business Mach Corp <Ibm> | 音声符号化装置および方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2977969B2 (ja) | 画像処理システムのエッジ検出方法及びその装置 | |
| Bell et al. | Fast blind separation based on information theory | |
| KR102778395B1 (ko) | 심층신경망 모델의 선형 근사화 방법 및 장치 | |
| Van Hulle | Clustering approach to square and non-square blind source separation | |
| US5491776A (en) | Signal processing apparatus and learning method therefor | |
| US4005385A (en) | Pattern recognition machine for analyzing line orientation | |
| CN112347910A (zh) | 一种基于多模态深度学习的信号指纹识别方法 | |
| CN117131376B (zh) | 一种基于视变换结合生成对抗网络进行持续学习的高光谱跨域鲁棒异常检测方法、系统、设备及介质 | |
| US4728927A (en) | Apparatus and method for performing comparison of two signals | |
| US6026178A (en) | Image processing apparatus using neural network | |
| JPH03211600A (ja) | ベクトル量子化方法 | |
| CN111382761B (zh) | 一种基于cnn的检测器、图像检测方法及终端 | |
| CN111191548B (zh) | 一种基于s变换的放电信号识别方法及识别系统 | |
| Miteran et al. | Real time defect detection using image segmentation | |
| Freisleben et al. | A Neural Network for Blind Acoustic Signal Separation | |
| Xu et al. | Blind source separation using Fast-ICA with a novel nonlinear function | |
| JPS62183284A (ja) | 符号化装置 | |
| CN121528233A (zh) | 语音处理方法及装置 | |
| Ozturk et al. | Applications of Itakura-Saito type spectral distortion measures to image analysis and classification | |
| Kharinov et al. | Data Structure for Multimodal Signal Processing | |
| JPH04175885A (ja) | 一般化ハフ変換における画像特徴選択処理方法 | |
| JPH03209921A (ja) | ベクトル量子化方法 | |
| Sugiyama et al. | Exact incremental projection learning in the presence of noise | |
| He et al. | Designing CNN genes for binary image edge smoothing and noise removing | |
| CN117078710A (zh) | 一种仿平行通路xyw细胞的边缘检测方法 |