Home › Archivio Multilingue Indice › Quantizzazione di vettore

Quantizzazione di vettore

Quantizzazione di vettore è un classico quantizzazione tecnica da elaborazione dei segnali quale permette la modellistica delle funzioni di densità di probabilità tramite la distribuzione dei vettori del prototipo. Originalmente è stato usato per compressione di dati. Funziona dividendo un grande insieme dei punti (vettori) nei gruppi che hanno approssimativamente lo stesso numero di punti più vicini a loro. Ogni gruppo è rappresentato dal relativo baricentrico punto, come dentro K-significa e un certo altro ragruppare procedure.

La proprietà di corrispondenza di densità della quantizzazione di vettore è potente, particolarmente per identificare la densità di grandi e dati alto-quotati. Poiché i punti di riferimenti sono rappresentati dall'indice del loro baricentrico più vicino, i dati comunemente d'avvenimento hanno l'errore basso ed errore di dati rari alto. Ecco perchè VQ è adatto compressione di dati del lossy. Può anche essere usato per la correzione di dati del lossy e valutazione di densità.

La quantizzazione di vettore è basata sul imparare competitivo il paradigma, in modo da esso è collegato strettamente al programma ad auto-organizzazione modello.

Addestramento

Una procedura semplice di addestramento per la quantizzazione di vettore è:

1. Selezioni un punto del campione a caso
2. Sposti il centro di massa di vettore di quantizzazione più vicino verso questo punto del campione, da una piccola frazione della distanza
3. Ripetizione

Una procedura più specializzata riduce la polarizzazione nella valutazione di corrispondenza di densità e si accerta che tutti i punti siano usati, includendo un parametro supplementare di sensibilità:

1. Aumenti la sensibilità di ogni centro di massa da un piccolo importo
2. Selezioni un punto del campione a caso
3. Trovi il vettore di quantizzazione baricentrico con la più piccola <distanza-sensibilità>
   1. Sposti il centro di massa scelto verso il punto del campione da una piccola frazione della distanza
   2. Regoli la sensibilità del centro di massa scelto a zero
4. Ripetizione

È desiderabile usare un programma di raffreddamento per produrre la convergenza: veda Ricottura simulata.

La procedura può essere aggiornata iteratamente con i dati “in tensione„, piuttosto che selezionando i punti casuali da un insieme di dati, ma questa introdurrà una certa polarizzazione se i dati sono correlati temporaneamente sopra molti campioni.

Applicazioni

La quantizzazione di vettore è usata per compressione di dati del lossy, la correzione di dati del lossy e la valutazione di densità.

La correzione di dati del lossy, o la previsione, è usata per recuperare i dati che mancano da alcune dimensioni. È fatto trovando il gruppo più vicino con le dimensioni di dati disponibile, allora predicendo il risultato basato sui valori per le dimensioni mancanti, supponenti che avranno lo stesso valore del centro di massa del gruppo.

Per valutazione di densità, la zona/volume che è più vicino ad un centro di massa particolare che a qualsiasi altra è inversamente proporzionale alla densità (dovuto la proprietà di corrispondenza di densità della procedura).

Uso nella compressione di dati

Vector la quantizzazione, anche chiamata “la quantizzazione del blocco„ o “la quantizzazione di corrispondenza di modello„ è usata spesso dentro compressione di dati del lossy. Funziona mettendo i valori in codice da un multidimensionale spazio di vettore in serie limitata dei valori da un discreto sottospazio della dimensione più bassa. Un vettore dello basso-spazio richiede meno spazio di immagazzinaggio, in modo da i dati sono compressi. Grazie alla proprietà di corrispondenza di densità della quantizzazione di vettore, i dati appiattiti hanno errori che sono inversamente proporzionali alla loro densità.

La trasformazione è fatta solitamente vicino proiezione o usando a codebook. In alcuni casi, un codebook può anche essere usato a codice di entropia il valore discreto allo stesso punto, generando a il prefisso ha codificato valore messo variable-length come relativa uscita.

L'insieme dei livelli di ampiezza discreti è insieme esclusivamente quantized piuttosto che ogni campione che è quantized. Consideri la a K- vettore dimensionale [x₁,x₂,...,x_K] dei livelli di ampiezza. È compresso scegliendo il vettore di corrispondenza più vicino da un insieme di N- vettori dimensionali [y₁,y₂,...,y_n].

Tutte le combinazioni possibili del N- vettore dimensionale [y₁,y₂,...,y_n] formi il codebook.

Schema a blocchi: Un quantizer semplice di vettore è indicato sotto

Soltanto l'indice del codice nel codebook è trasmesso anziché i valori quantized. Ciò conserva lo spazio e realizza più compressione.

Quantizzazione gemellata di vettore (VQF) fa parte del MPEG-4 il dominio di tempo dealing with standard ha appesantito la quantizzazione interfogliata di vettore.

Video codecs basati su quantizzazione di vettore

• Cinepak

e vecchie versioni dei relativi successori spiritosi:

• Codec di Sorenson
• Indeo
• Disposizione di VQA del Westwood, usata in molti giochi

Quale si sostituiscono dalla famiglia del MPEG.

Codecs audio basati su quantizzazione di vettore

• CELP
• G.729
• TwinVQ
• Ogg Vorbis ^[1]
• AMR-WB+
• DTS

Veda inoltre

• codificazione di discorso
• Ogg Vorbis
• Schema di Voronoi
• funzione di tasso-distorsione
• ragruppare di dati
• Quantizzazione imparante di vettore
• Tessellation di Centroidal Voronoi

La parte di questo articolo originalmente è stata basata su materiale dal Dizionario in linea libero di computazione ed è usato con permesso sotto il GFDL.

Riferimenti

1. ^ Specifica di Vorbis I. Xiph.org (2007-03-09). Richiamato sopra 2007-03-09.

Collegamenti esterni

• http://www.data-compression.com/vq.html
• QccPack - quantizzazione, compressione e biblioteca di codificazione (fonte aperta)
• http://www.geocities.com/mohamedqasem/vectorquantization/vq.html