Sequential Split Vector Quantization of LSF Parameters using Conditional Pdf

Chatterjee, Saikat; Sreenivas, T.V.

doi:10.1109/icassp.2007.367266

Cited by 7 publications

(11 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Using the optimum inter subvector bit allocation of (12), the minimum overall distortion for the CSVQ method is given as (13) Proof: Using the optimum bit allocation of Theorem 1 (12), the minimum overall distortion IV. SPLIT VQ In this section, we derive the rate-distortion performance expression for the traditional split vector quantization (SVQ) method where the subvectors are quantized independently.…”

Section: Theoremmentioning

confidence: 99%

“…Using the information-theoretic measures, such as conditional entropy and Kullback-Leibler distance, it is shown that the use of conditional pdf can recover the split loss [11]. We have recently developed a sequential SVQ (SeSVQ) method in [12]; the SeSVQ is a nonparametric method of exploiting the conditional pdf. We have also developed a parametric method of conditional pdf-based SVQ (CSVQ) technique in [13].…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Analysis of Conditional PDF-Based Split VQ

Chatterjee

Sreenivas

2007

IEEE Signal Process. Lett.

Self Cite

View full text Add to dashboard Cite

The split vector quantization (SVQ) method results in a "coding loss" due to the independent quantization of split subvectors. To recover the coding loss, conditional pdf-based split vector quantization methods were proposed recently.For a multivariate Gaussian source, we theoretically derive the expression of rate-distortion (R/D) performance for conditional pdf-based split vector quantization (CSVQ) method, using high rate quantization theory and optimum bit allocation. We also derive the rate-distortion performance expression of traditional SVQ method and, thus, quantify the coding gain of CSVQ method over SVQ method.Index Terms-Conditional pdf, high rate quantization, multivariate Gaussian, split vector quantization.

show abstract

Section: Theoremmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Analysis of Conditional PDF-Based Split VQ

Chatterjee

Sreenivas

2007

IEEE Signal Process. Lett.

Self Cite

View full text Add to dashboard Cite

show abstract

“…Por outro lado, a partição dos vetores impossibilita a detecção de correlações entre subvetores. Este efeitoé chamado de "perda por particionamento" [3].…”

Section: Introductionunclassified

“…Este comportamento está de acordo com a percepção auditiva humana eé razoavelmente operacionalizado pela distorção espectral (SD) logarítmica, como explicado posteriormente na Seção II.Por outro lado, a partição dos vetores impossibilita a detecção de correlações entre subvetores. Este efeitoé chamado de "perda por particionamento" [3].Várias combinações de métodos foram propostas para melhorar o desempenho da QV além da QVP como a quantização vetorial particionada multiestágio (S-MSVQ), usada no codificador de voz AMR-WB [4], ou a quantização vetorial particionada chaveada (SSVQ) [5]. Aquele algoritmo aplica QVP e QV multiestágio ao sinal residual da predição de média móvel da sequência de vetores LSF, enquanto este algoritmo usa codificação por transformadas e QV classificada.Mesmo sendo eficientes estes métodos, a S-MSVQ pode prolongar os efeitos de erros no canal através de seu preditor.…”

unclassified

Quantização vetorial particionada com renormalização

Ramírez¹

2011

Anais De XXIX Simpósio Brasileiro De Telecomunicações

View full text Add to dashboard Cite

Resumo-Propõe-se uma variante do algoritmo de quantização vetorial particionada (QVP) que reduz a perda por particionamento, mantendo a baixa complexidade de busca que caracteriza a QVP. Ele atua em parte nas fases de treinamento e de codificação, quando normaliza a largura de faixa que cada subvetor ocupa. Por outra parte, na decodificação cada subvetor selecionado do dicionário de códigos tem sua largura de faixa renormalizada para cobrir ao máximo a região permitida pela restrição de ausência de sobreposição entre faixas de subvetores vizinhos. Considerando esses procedimentos, o algoritmoé denominado de QVP com renormalização (QVPR). O desempenho da QVPRé analisado em comparação com a QVP comum na codificação de vetores de frequências das raias espectrais (LSFs) que representam a envoltória espectral de curto prazo de sinais de voz de faixa larga, para os quais a QVPR economiza quatro bits por vetor, atingindo codificação transparente em 42 bit/quadro. Palavras-Chave-Quantização vetorial particionada (QVP), frequências das raias espectrais (LSFs), análise de sinais de voz, codificação de voz.Abstract-A variant split vector quantization (SVQ) algorithm is proposed that reduces the split loss while keeping the complexity low as usual for a split algorithm. Partially, it operates in the training and encoding phases, when it adjusts the width of the frequency band spanned by each split. Complementarily, in the decoding phase each subvector selected from a split of the codebook undergoes a bandwidth renormalization in order to maximally cover the region allowed by a nonoverlapping constraint between neighboring split bands. In consideration to these procedures, the algorithm is called renormalized SVQ (RSVQ). The performance of RSVQ is analyzed in comparison to standard SVQ in coding line spectral frequency (LSF) vectors that represent the short-term spectral envelope of wideband speech, where RSVQ saves four bits per vector, reaching transparent coding at 42 bit/frame. Keywords-Split vector quantization (SVQ), line spectral frequencies (LSFs), speech analysis, speech coding. I. INTRODUÇÃOA quantização vetorialé mais eficiente que a quantização escalar em termos de taxa e distorção. Entretanto, sua correspondente complexidade de busca cresce exponencialmente com a dimensão do vetor para a busca exaustiva. Por sorte, há métodos subótimos de alta eficiência como a quantização vetorial particionada [1], queé comumente usada para a codificação da envoltória espectral de sinais de voz.A vantagem da QVPé particularmente grande quando a envoltória espectral de curto prazoé representada por cofinanciado pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) através do Processo no. 309249/2008-2 e pela Fundação de Amparoà Pesquisa do Estado de São Paulo (FAPESP) através do Processo no. 2009/18242-5. eficientes LSF porque, quando a perturbação atinge apenas um deles, a distorção aparece na região espectral localizada em torno do seu valor [2]. Este comportamento está de acordo com a percepção auditiva hum...

show abstract

“…However, an amount of suboptimality remains that is referred to as the split loss [2]. It may be partially counteracted by classified vector quantization (VQ) [3] and by combining split VQ with multistage VQ [4].…”

mentioning

confidence: 99%

Optimized Subvector Processing in Split Vector Quantization

Ramírez¹

2010

Journal of Communication and Information Systems

View full text Add to dashboard Cite

Sequential Split Vector Quantization of LSF Parameters using Conditional Pdf

Cited by 7 publications

References 19 publications

Analysis of Conditional PDF-Based Split VQ

Analysis of Conditional PDF-Based Split VQ

Quantização vetorial particionada com renormalização

Optimized Subvector Processing in Split Vector Quantization

Contact Info

Product

Resources

About