矢量量化（Vector Quantization）

最新推荐文章于 2024-03-22 15:05:25 发布

by21010

最新推荐文章于 2024-03-22 15:05:25 发布

阅读量4k

点赞数 2

分类专栏： speech 语音信号处理学习

本文链接：https://blog.csdn.net/by21010/article/details/48607281

版权

矢量量化是一种将连续矢量映射到离散矢量的技术，用于数据压缩。其核心在于找到代表矢量，以最小失真度量替换输入矢量。主要考虑的失真度量包括欧氏距离、r次方平均误差、绝对值平均误差等。在语音处理中，线性预测失真测度可能更为适用。

摘要由CSDN通过智能技术生成

动机：在子空间中寻找代表矢量，用此代表矢量来代表子空间中的其它矢量，从而压缩了数据量，即连续矢量映射到了离散矢量上。

The input vector is then replaced by the index of the codeword with the smallest distortion.
Therefore, a description of the vector
quantization process includes:
1. the distortion measure;
2. the generation of each codeword in the codebook;
在最小的失真程度下，输入的矢量被码字序号所代替。
因此，描述一个矢量量化过程需需要包含：
1.失真的度量
2.码本中每一个码字的生成

——《Speech Language Processing》

用数学语言描述矢量量化，事实上是一个连续矢量空间到离散矢量空间的映射过程：

设有N个K维特征矢量

$X = {X 1, X 2, . . ., X N} x n \in R K x i = {x 1, x 2, . . ., x k}$ $X=\{X_1,X_2,...,X_N\} \\ x_n \in \Bbb{R}^K \\ x_i=\{x_1,x_2,...,x_k\}$
将 $\Bbb{R}^K$ 分成 $J$ 个不相交子空间。
${⋃ J j = 1 = R K R i ⋂$