Multiple-Description Predictive-Vector Quantization With Applications to Low Bit-Rate Speech Coding Over Networks

Yahampath, Pradeepa; Rondeau, P.

doi:10.1109/tasl.2006.885937

Cited by 12 publications

(13 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…1, pp. [3][4][5][6][7][8][9][10][11][12][13][14][15]2008 Para tamanhos de dicionários menores que 512, a evolução do método proposto é beneficiada se o algoritmo for inicializado com dicionários projetados por Lee et al O estudo do efeito de elevar o número de aplicações do módulo de otimização local no método proposto pode ser observado na Figura 8 para a imagem Clock codificada a 0,5625 bpp. Baseado nesse estudo, recomenda-se que duas iterações de Lee et al sejam utilizadas no método proposto para a obtenção de melhores dicionários em estágios incipientes do processo evolutivo.…”

Section: Learning Andunclassified

“…Em diversos sistemas de codificação de voz [3][4][5] e imagem [6][7][8], a QV tem sido utilizada com sucesso, permitindo elevadas taxas de compressão. Em [3], a QV é aplicada a vetores com dez parâmetros LSF (line spectral frequencies), que são dividos em duas partes, as quais são quantizadas separadamente -com uma quantização realizada com 24 bits/quadro, obtém-se uma distorção escpectral média de 1 dB e menos de 2% dos quadros de voz com uma distorção superior a 2 dB.…”

unclassified

“…Em [3], a QV é aplicada a vetores com dez parâmetros LSF (line spectral frequencies), que são dividos em duas partes, as quais são quantizadas separadamente -com uma quantização realizada com 24 bits/quadro, obtém-se uma distorção escpectral média de 1 dB e menos de 2% dos quadros de voz com uma distorção superior a 2 dB. Em [4] é apresentado um algoritmo para projeto de quantizadores vetoriais preditivos fazendo uso de um conjunto de dicionários de descrição múltipla -a técnica é avaliada no cenário de canais com perdas de pacotes. O desempenho do algoritmo proposto é avaliado em codificação de parâmetros LSF, considerando quadros de 20 ms de voz (160 amostras), representados por vetores de dez parâmetros LSF.…”

unclassified

See 2 more Smart Citations

Um Algoritmo Memético Para A Otimização De Quantizadores Vetoriais

Azevedo¹,

Azevedo²,

Júnior³

et al. 2008

L&NLM

View full text Add to dashboard Cite

Resumo -O presente artigo apresenta um Algoritmo Memético (AM) para a otimização de quantizadores vetoriais. O AM proposto atualiza os dicionários produzidos a cada geração de um Algoritmo Genético (AG) modificado mediante a aplicação de iterações de uma versão acelerada do algoritmo Linde-Buzo-Gray (LBG). A partir de simulações envolvendo compressão de imagens, observa-se que o AM proposto leva a melhores dicionários em uma quantidade menor de gerações, quando comparado a um AG integrado ao algoritmo LBG convencional, produzindo, portanto, melhores valores de relação sinal-ruído de pico para as imagens reconstruídas. Finalmente, a complexidade da busca pelo Vizinho Mais Próximo (VMP) no método proposto é reduzida mediante a utilização de uma busca por distância parcial (PDS).Palavras-Chave -Quantização vetorial, computação evolutiva, algoritmos meméticos, codificação de imagens.Abstract -This paper presents a Memetic Algorithm (MA) for optimizing vector quantizers. The proposed MA updates the codebooks produced at each generation of a modified Genetic Algorithm (GA) by applying iterations of an accelerated version of the Linde-Buzo-Gray (LBG) algorithm. From simulation results involving image compression, it is observed that the proposed MA leads to better codebooks, in a smaller number of generations, when compared to the GA guided by the standard LBG, leading to better peak signal-to-noise results for the reconstructed images. Finally, the complexity of the search for the nearest neighbour in the proposed MA is reduced by the usage of a Partial Distance Search (PDS).

show abstract

Section: Learning Andunclassified

unclassified

See 1 more Smart Citation

Um Algoritmo Memético Para A Otimização De Quantizadores Vetoriais

Azevedo¹,

Azevedo²,

Júnior³

et al. 2008

L&NLM

View full text Add to dashboard Cite

show abstract

“…A Quantização Vetorial (QV) [5,6] tem sido utilizada com sucesso em sistemas de codificação de voz [15,18] e imagem [10,13], permitindo elevadas taxas de compressão. Também tem sido usada em outras aplicações, tais como, identificação vocal [14], esteganografia e marca dágua digital [8,1].…”

Section: Introductionunclassified

Sequências de Baixa Discrepância Aplicadas à Inicialização do Algoritmo Linde-Buzo-Gray

Lima¹,

Santo²,

Madeiro³

2011

TEMA - Tendências Em Matemática Aplicada E Computacional

View full text Add to dashboard Cite

Resumo. Sistemas de compressão de voz e imagem, esteganografia e reconhecimento de padrões estão entre possíveis aplicações da quantização vetorial (QV), cujo desempenho depende fortemente da qualidade dos dicionários projetados. Uma das técnicas mais amplamente utilizadas para o projeto de dicionários é o algoritmo LBG (Linde-Buzo-Gray). Neste artigo, as sequências de baixa discrepância são apresentadas como uma alternativa de inicialização do algoritmo. O desempenho da técnica apresentada é avaliado no cenário de compressão de imagem baseada em QV.Palavras-chave. Quantização vetorial, algoritmo LBG, sequências de baixa discrepância.

show abstract

“…Differential pulse code modulation systems based on channel-splitting were devised in [33] and [34]. In [35], multiple description linear predictive vector quantization (MDPVQ) was suggested, and it was shown that this scheme increases performance compared to the method in [34]. Linear PVQ outperformed FSVQ in terms of compression, number of floating point operations, and memory requirement in [10].…”

Section: Introductionmentioning

confidence: 99%

On Multiple Description Coding of Sources with Memory

Persson

Eriksson

2010

IEEE Trans. Commun.

View full text Add to dashboard Cite

Abstract-We propose a framework for multiple description coding (MDC) of sources with memory. A new source coding method for lossless transmission of correlated sources, power series quantization (PSQ), was recently suggested. PSQ uses a separate linear or non-linear predictor for each quantizer region, and has shown increased performance compared to several common quantization schemes for sources with memory. We propose multiple description PSQ as a special case within our framework. The suggested scheme is shown to increase performance compared with previous state-of-the-art MDC methods.Index Terms-Channel-optimized quantization, packet erasure channel, memory-based quantization.

show abstract

Multiple-Description Predictive-Vector Quantization With Applications to Low Bit-Rate Speech Coding Over Networks

Cited by 12 publications

References 11 publications

Um Algoritmo Memético Para A Otimização De Quantizadores Vetoriais

Um Algoritmo Memético Para A Otimização De Quantizadores Vetoriais

Sequências de Baixa Discrepância Aplicadas à Inicialização do Algoritmo Linde-Buzo-Gray

On Multiple Description Coding of Sources with Memory

Contact Info

Product

Resources

About