JPH0367375B2 - - Google Patents
Info
- Publication number
- JPH0367375B2 JPH0367375B2 JP57204849A JP20484982A JPH0367375B2 JP H0367375 B2 JPH0367375 B2 JP H0367375B2 JP 57204849 A JP57204849 A JP 57204849A JP 20484982 A JP20484982 A JP 20484982A JP H0367375 B2 JPH0367375 B2 JP H0367375B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- quantization
- dictionary
- vectors
- distortion
- 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.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
- G10L19/032—Quantisation or dequantisation of spectral components
- G10L19/038—Vector quantisation, e.g. TwinVQ audio
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Analogue/Digital Conversion (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
- Reduction Or Emphasis Of Bandwidth Of Signals (AREA)
- Image Processing (AREA)
Description
【発明の詳細な説明】
この発明は一つのベクトルあたりの量子化情報
量が大きい場合に適するベクトル量子化法に関す
る。
量が大きい場合に適するベクトル量子化法に関す
る。
＜従来技術＞
一般にベクトル量子化はサンプル値を複数個ご
とにベクトルE1＝（e11e12……e1p）、E2＝（e21e22…
…e2p）………Eo＝（eo1eo2……eop）とし、その各
ベクトルごとに予め求めておいた代表ベクトル
F1＝（f11f12……f1p）、F2＝（f21f22……f2p）………
Fn＝（fn1fn2……fnp）の辞書から歪が最小となる
もの、即ち最も近いものを選び、その番号を符号
とするものである。こおように一つのベクトルを
一つの代表値例えば番号で符号化するものである
から、一つのベクトルあたりの符号化情報量（ビ
ツト数）Ｂが少ない場合でも効率のよい符号化が
可能である。また、2B個の重心ベクトル（代表ベ
クトル）から成る辞書（符号帳）を重心ベクトル
数の10倍以上の学習サンプル（学習ベクトル）か
ら成る辞書を学習サンプルからデータの統計的分
布を反映するように作つておけば、特異な分布や
偏りのある分布を持つデータをも能率よく符号化
できる。そして符号化による平均歪はベクトルの
次元をＰとする時、2-(2B/P)に比例して小さくする
ことができる。
とにベクトルE1＝（e11e12……e1p）、E2＝（e21e22…
…e2p）………Eo＝（eo1eo2……eop）とし、その各
ベクトルごとに予め求めておいた代表ベクトル
F1＝（f11f12……f1p）、F2＝（f21f22……f2p）………
Fn＝（fn1fn2……fnp）の辞書から歪が最小となる
もの、即ち最も近いものを選び、その番号を符号
とするものである。こおように一つのベクトルを
一つの代表値例えば番号で符号化するものである
から、一つのベクトルあたりの符号化情報量（ビ
ツト数）Ｂが少ない場合でも効率のよい符号化が
可能である。また、2B個の重心ベクトル（代表ベ
クトル）から成る辞書（符号帳）を重心ベクトル
数の10倍以上の学習サンプル（学習ベクトル）か
ら成る辞書を学習サンプルからデータの統計的分
布を反映するように作つておけば、特異な分布や
偏りのある分布を持つデータをも能率よく符号化
できる。そして符号化による平均歪はベクトルの
次元をＰとする時、2-(2B/P)に比例して小さくする
ことができる。
しかし与えられた情報量Ｂに対して2B個のベク
トルの辞書とその10倍以上の学習サンプルが必要
であり、辞書製作に要する記憶容量や計算量を考
慮すれば情報量Ｂは10以下が現実的である。例え
ばＢ≧20の場合には現存のいかなる電子計算機を
もつてしても辞書の作製は不可能と言つてよい。
即ち一般のベクトル量子化においては１ベクトル
あたりの情報量Ｂの制約により、符号化に伴う平
均歪を小さくすることには限界があつた。またＢ
が異なる場合にはＢの値毎に別の辞書を作つてお
く必要があつた。
トルの辞書とその10倍以上の学習サンプルが必要
であり、辞書製作に要する記憶容量や計算量を考
慮すれば情報量Ｂは10以下が現実的である。例え
ばＢ≧20の場合には現存のいかなる電子計算機を
もつてしても辞書の作製は不可能と言つてよい。
即ち一般のベクトル量子化においては１ベクトル
あたりの情報量Ｂの制約により、符号化に伴う平
均歪を小さくすることには限界があつた。またＢ
が異なる場合にはＢの値毎に別の辞書を作つてお
く必要があつた。
一方、スカラ量子化は１サンプルごと独立の量
子化で処理は極めて簡単であるが、サンプル当り
のビツト数が少ないときや入力データの分布や相
関に偏りがあるときの歪は、ベクトル量子化の場
合より非常に大きくなつてしまう。
子化で処理は極めて簡単であるが、サンプル当り
のビツト数が少ないときや入力データの分布や相
関に偏りがあるときの歪は、ベクトル量子化の場
合より非常に大きくなつてしまう。
この発明は分布に偏りがあるデータでも能率よ
く量子化できるというベクトル量子化の利点をそ
のまま生かし、かつ符号化情報量Ｂが20以上の場
合でも歪をそれに応じて小さくできるようにした
ベクトル量子化法を提供するものである。
く量子化できるというベクトル量子化の利点をそ
のまま生かし、かつ符号化情報量Ｂが20以上の場
合でも歪をそれに応じて小さくできるようにした
ベクトル量子化法を提供するものである。
＜実施例＞
第１図はこの発明のベクトル量子化法を適用し
た情報伝送系の例を示す。符号器１１は通信路１
２を介して復号器１３と接続され、符号器１１及
び復号器１３にはそれぞれ辞書１４及び１５が接
続されている。辞書１４には代表値を表す重心ベ
クトルが記憶された重心ベクトル部１６と、各重
心ベクトルが属する各集落（領域）に属する学習
ベクトルの広がりを示す分散ベクトルが記憶され
た分散ベクトル部１７とを具備する。復号器側の
辞書１５は符号器側の辞書１４と全く同一の構成
であつて、重心ベクトル部１８及び分散ベクトル
部１９を備えている。符号器１１は重心ベクトル
部１６及び分散ベクトル部１７をそれぞれ使うベ
クトル量子化部２１及びスカラ量子化部２２より
成る。
た情報伝送系の例を示す。符号器１１は通信路１
２を介して復号器１３と接続され、符号器１１及
び復号器１３にはそれぞれ辞書１４及び１５が接
続されている。辞書１４には代表値を表す重心ベ
クトルが記憶された重心ベクトル部１６と、各重
心ベクトルが属する各集落（領域）に属する学習
ベクトルの広がりを示す分散ベクトルが記憶され
た分散ベクトル部１７とを具備する。復号器側の
辞書１５は符号器側の辞書１４と全く同一の構成
であつて、重心ベクトル部１８及び分散ベクトル
部１９を備えている。符号器１１は重心ベクトル
部１６及び分散ベクトル部１７をそれぞれ使うベ
クトル量子化部２１及びスカラ量子化部２２より
成る。
第２図に示す分布をもつ２次元（Ｐ＝２）のデ
ータを、Ｂ＝６ビツト及びB0＝２で量子化する
場合を例にとり、この発明のベクトル量子化法を
説明する。第２図において閉曲線２３で囲まれた
領域内にデータが分布しているとする。通常の
X1、X2座標独立の量子化や座標変換後の量子化
ではスカラ量子化である限り、各データごとに量
子化を行う限り、一定の情報量に対する歪は大き
くなつてしまう。
ータを、Ｂ＝６ビツト及びB0＝２で量子化する
場合を例にとり、この発明のベクトル量子化法を
説明する。第２図において閉曲線２３で囲まれた
領域内にデータが分布しているとする。通常の
X1、X2座標独立の量子化や座標変換後の量子化
ではスカラ量子化である限り、各データごとに量
子化を行う限り、一定の情報量に対する歪は大き
くなつてしまう。
しかしこの発明では二段階でベクトル量子化を
行う。まず第１の量子化段では、サンプル値系列
がブロツクごとにそのサンプル値を要素とするベ
クトルとされた入力データは入力端子２４よりベ
クトル量子化部２１に入力されてB0＝２でベク
トル量子化される。即ち領域２３の先験的分布に
合うように全体が2B0個の領域２５ａ〜２５ｄに
分割され、その各領域即ち各集落２５ａ〜２５ｄ
の重心点C1〜C4が辞書として作製されている。
ベクトル量子化部２１では入力のベクトルが2B0
個のどの集落２５ａ〜２５ｄに属するかが決めら
れる。例えば入力ベクトルＳは重心点のC1の集
落２５ａに属するとする。
行う。まず第１の量子化段では、サンプル値系列
がブロツクごとにそのサンプル値を要素とするベ
クトルとされた入力データは入力端子２４よりベ
クトル量子化部２１に入力されてB0＝２でベク
トル量子化される。即ち領域２３の先験的分布に
合うように全体が2B0個の領域２５ａ〜２５ｄに
分割され、その各領域即ち各集落２５ａ〜２５ｄ
の重心点C1〜C4が辞書として作製されている。
ベクトル量子化部２１では入力のベクトルが2B0
個のどの集落２５ａ〜２５ｄに属するかが決めら
れる。例えば入力ベクトルＳは重心点のC1の集
落２５ａに属するとする。
以上の第１ベクトル量子化段の結果に基づい
て、次の第２のスカラ量子化段を行なう。
て、次の第２のスカラ量子化段を行なう。
集落２５ａの分散ベクトルはその重心C1を示
す重心ベクトルで代表される。この分散ベクトル
を利用して作られた（Ｂ−B0）ビツトで表現さ
れる各座標独立の格子点２６から歪が最小となる
ものを選択する。即ち、同図の例では前述の仮定
よりＢ−B0＝４であるから、各座標（X1、X2）
あたり２ビツトをとることになり、これによつて
計16個（22×22）の格子点２６を重心C1のまわり
に設けてある。このように、第１のベクトル量子
化段で得られるB0ビツトを使つて領域２５の番
号を伝える。次に、残りの（Ｂ−B0）ビツトを
使つて格子点２６の番号を符号器１１の出力とし
て端子２７，２８より復号器１３へ伝送する。
す重心ベクトルで代表される。この分散ベクトル
を利用して作られた（Ｂ−B0）ビツトで表現さ
れる各座標独立の格子点２６から歪が最小となる
ものを選択する。即ち、同図の例では前述の仮定
よりＢ−B0＝４であるから、各座標（X1、X2）
あたり２ビツトをとることになり、これによつて
計16個（22×22）の格子点２６を重心C1のまわり
に設けてある。このように、第１のベクトル量子
化段で得られるB0ビツトを使つて領域２５の番
号を伝える。次に、残りの（Ｂ−B0）ビツトを
使つて格子点２６の番号を符号器１１の出力とし
て端子２７，２８より復号器１３へ伝送する。
復号器１３では送られたＢビツトの符号中の
B0ビツトの集落番号及びＢ−B0ビツトの格子点
番号によりそれぞれ重心ベクトル部１８及び分散
ベクトル部１９を参照して、この例では入力ベク
トルＳに近い格子点２６ａのベクトルＳ＾を復号し
て端子３１へ出力する。
B0ビツトの集落番号及びＢ−B0ビツトの格子点
番号によりそれぞれ重心ベクトル部１８及び分散
ベクトル部１９を参照して、この例では入力ベク
トルＳに近い格子点２６ａのベクトルＳ＾を復号し
て端子３１へ出力する。
第１段階のベクトル量子化の際に複数の集落を
候補として選んでおいて、各候補ごとに歪が最小
となる格子点を選び、最終的に歪が最小となるも
のの組合せを送るようにすれば同じ情報量でさら
に平均の歪を小さくできる。
候補として選んでおいて、各候補ごとに歪が最小
となる格子点を選び、最終的に歪が最小となるも
のの組合せを送るようにすれば同じ情報量でさら
に平均の歪を小さくできる。
また分散ベクトル部１７，１９は各重心点ごと
に各座標ごとに値を持つているが、それぞれ平均
値におきかえても全体の歪はあまり大きくならな
いので分散ベクトルの辞書を必要に応じて簡単な
ものにすることが可能である。
に各座標ごとに値を持つているが、それぞれ平均
値におきかえても全体の歪はあまり大きくならな
いので分散ベクトルの辞書を必要に応じて簡単な
ものにすることが可能である。
＜効果＞
以上述べたようにこの発明によれば2B0×２個
のベクトル辞書を用いた２段階の量子化法によ
り、同じ情報量でスカラ量子化より平均歪を小さ
くできる。音声のサンプル値の場合の比較例を第
３図に示す。横軸はサンプル当りのビツト数Ｂ
を、縦軸はSN比を示し、曲線３２は１次元最適
量子化の場合（従来の場合）、曲線３３は６次元
ベクトル及びガウス量子化の場合、曲線３４は12
次元ベクトル及びガウス量子化の場合である。こ
れよりビツト数が多くなるとベクトル量子化は困
難になるが、この発明ではベクトル量子化がで
き、しかもSN比もよいものとなる。特異な分布
をもつデータについてはさらに差が大きくなる。
そしてこの発明の量子化法によれば歪は2B個のベ
クトル辞書を使つたベクトル量子化の歪と同程度
となることが期待される。符号化情報量Ｂが20以
上では、2Bの辞書が非現実的であることから、Ｂ
が20以上の場合の量子化ではこの発明のベクトル
量子化法がきわめて有効となる。
のベクトル辞書を用いた２段階の量子化法によ
り、同じ情報量でスカラ量子化より平均歪を小さ
くできる。音声のサンプル値の場合の比較例を第
３図に示す。横軸はサンプル当りのビツト数Ｂ
を、縦軸はSN比を示し、曲線３２は１次元最適
量子化の場合（従来の場合）、曲線３３は６次元
ベクトル及びガウス量子化の場合、曲線３４は12
次元ベクトル及びガウス量子化の場合である。こ
れよりビツト数が多くなるとベクトル量子化は困
難になるが、この発明ではベクトル量子化がで
き、しかもSN比もよいものとなる。特異な分布
をもつデータについてはさらに差が大きくなる。
そしてこの発明の量子化法によれば歪は2B個のベ
クトル辞書を使つたベクトル量子化の歪と同程度
となることが期待される。符号化情報量Ｂが20以
上では、2Bの辞書が非現実的であることから、Ｂ
が20以上の場合の量子化ではこの発明のベクトル
量子化法がきわめて有効となる。
さらにＢが変化する場合に、この発明のベクト
ル量子化法では格子点の設定の規則を定めておけ
ば辞書を変更する必要がなく、サンプル値あたり
の情報量（Ｂ／Ｐ）は細かく制御できる。通常の
スカラ量子化ではサンプル値あたりの情報量は基
本的に整数値に限定されるし、通常のベクトル量
子化においてはＢの変化ごとに別の辞書を用意し
なければならない。
ル量子化法では格子点の設定の規則を定めておけ
ば辞書を変更する必要がなく、サンプル値あたり
の情報量（Ｂ／Ｐ）は細かく制御できる。通常の
スカラ量子化ではサンプル値あたりの情報量は基
本的に整数値に限定されるし、通常のベクトル量
子化においてはＢの変化ごとに別の辞書を用意し
なければならない。
第１図はこの発明のベクトル量子化法を適用し
た入力データを符号化して伝送する情報伝送系の
例を示すブロツク図、第２図は２次元で偏りのあ
る分布を持つデタの量子化例を示す図、第３図は
音声の周波数領域でのサンプル値を使つたスカラ
量子化法との比較例を示す図である。 １１：符号器、１２：通信路、１３：復号器、
１４，１５：辞書、１６，１８：重心ベクトル
部、１７，１９：分散ベクトル部、２１：ベクト
ル量子化部、２２：スカラ量子化部。
た入力データを符号化して伝送する情報伝送系の
例を示すブロツク図、第２図は２次元で偏りのあ
る分布を持つデタの量子化例を示す図、第３図は
音声の周波数領域でのサンプル値を使つたスカラ
量子化法との比較例を示す図である。 １１：符号器、１２：通信路、１３：復号器、
１４，１５：辞書、１６，１８：重心ベクトル
部、１７，１９：分散ベクトル部、２１：ベクト
ル量子化部、２２：スカラ量子化部。
Claims (1)
- 【特許請求の範囲】 １ サンプル値の系列を複数個ごとにまとめて量
子化するベクトル量子化法において、 各入力べクトルを量子化ビツト数Ｂ（Ｂは整数）
で量子化するとき、その一部B0（B0は２以上でＢ
より小さい正の整数）を使つて2B0個の重心ベク
トルから成る辞書の中から入力ベクトルとの間の
量子化歪が小さい順にＮ（Ｎは２以上で2B0以下の
正の整数）個の候補ベクトルを選択する第１のベ
クトル量子化段と、前記各候補ベクトルに対応す
る分散ベクトルの辞書をもとに残りの（Ｂ−B0）
ビツトを使つて入力ベクトルと前記各候補ベクト
ルとの差を各座標軸ごとに量子化する第２のスカ
ラ量子化段とにより、全体として歪が最小となる
符号化情報を決定することを特徴とするベクトル
量子化法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57204849A JPS5994936A (ja) | 1982-11-22 | 1982-11-22 | ベクトル量子化法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57204849A JPS5994936A (ja) | 1982-11-22 | 1982-11-22 | ベクトル量子化法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5994936A JPS5994936A (ja) | 1984-05-31 |
| JPH0367375B2 true JPH0367375B2 (ja) | 1991-10-22 |
Family
ID=16497408
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57204849A Granted JPS5994936A (ja) | 1982-11-22 | 1982-11-22 | ベクトル量子化法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS5994936A (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2683734B2 (ja) * | 1987-09-11 | 1997-12-03 | 日本電信電話株式会社 | 音声符号化法 |
| KR19980022377A (ko) * | 1996-09-21 | 1998-07-06 | 김광호 | 적응형 격자 양자화기법에 의한 비디오신호 부호화 및 또는 복호화방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5282064A (en) * | 1975-12-27 | 1977-07-08 | Fujitsu Ltd | Analog-to-digital converter |
-
1982
- 1982-11-22 JP JP57204849A patent/JPS5994936A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS5994936A (ja) | 1984-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20030103573A1 (en) | Method and apparatus for encoding and decoding data | |
| US20060171533A1 (en) | Method and apparatus for encoding and decoding key data | |
| US5444488A (en) | Method and apparatus for coding digital data using vector quantizing techniques | |
| CN112398484A (zh) | 一种编码方法及相关设备 | |
| US5748839A (en) | Quantization of input vectors and without rearrangement of vector elements of a candidate vector | |
| Frey et al. | Efficient stochastic source coding and an application to a Bayesian network source model | |
| JPH0367375B2 (ja) | ||
| Slyz et al. | A nonlinear VQ-based predictive lossless image coder | |
| Sitaram et al. | Efficient codebooks for vector quantization image compression with an adaptive tree search algorithm | |
| CN100459460C (zh) | 对数据进行编码和译码的方法和装置 | |
| Aksu et al. | Multistage trellis coded quantisation (MS-TCQ) design and performance | |
| Hwang et al. | Genetic entropy-constrained vector quantizer design algorithm | |
| CN117544176A (zh) | 一种雷达数据有损压缩方法及系统、计算机设备及介质 | |
| JPS6054581A (ja) | 差分符号化装置 | |
| JP2537245B2 (ja) | ゲイン／シェイプ・ベクトル量子化方式 | |
| Effros | Robustness to channel variation in source coding for transmission across noisy channels | |
| KR20110033154A (ko) | 규칙적인 지점의 네트워크에서 벡터를 카운팅하는 방법 | |
| Hwang et al. | Fuzzy channel-optimized vector quantization | |
| Somasundaram | A novel codebook initialisation technique for generalized Lloyd algorithm using cluster density | |
| JP2606583B2 (ja) | ベクトル画像符号化装置 | |
| US20260030484A1 (en) | Information processing method, information processing system, and information processing program | |
| JPH01277300A (ja) | 学習型ベクトル量子化器 | |
| JPH03145887A (ja) | 予測符号化装置 | |
| Zeng et al. | Greedy tree growing algorithms for designing variable rate vector quantizers | |
| KR19980034878A (ko) | 가중치를 가진 벡터 양자화 장치 및 방법 |