SOFM网络在矢量量化的应用

李 静，富中华

(山西大同大学物理与电子科学学院，山西大同 037009；2.山西大同大学综合分析与测试中心，山西大同037009)

SOFM网络在矢量量化的应用

李 静1，富中华2

(山西大同大学物理与电子科学学院，山西大同 037009；2.山西大同大学综合分析与测试中心，山西大同037009)

矢量量化作为一种高效的数据压缩技术，在语音和图像的编码、传输中都有广泛的应用，其关键在于码书设计。码书的好坏直接影响语音、图像的编码质量。本文针对经典LBG算法对初始码书敏感及整体训练时间较长这两个缺陷，着重研究SOFM算法在这两方面的性质和特点，结果证实SOFM算法相对于LBG算法训练时间较短，且利用SOFM网络设计的码书受初始码书的影响小，具有很强的自适应性，很好的改善了LBG算法在这两方面的缺陷。

矢量量化；SOFM神经网络；初始码书；训练时间

矢量量化[1]作为一种高效的数据压缩技术，它能更好地去除信号的相关性，取得更好的压缩效果，因此在语音和图像的编码、传输中都有广泛的使用。矢量量化中的一个关键问题，就是码书的设计，一个好的码书能直接提升语音和图像的编码质量。矢量量化中经典的是LBG算法，该算法以其充分的理论依据，严谨的推导过程，清晰的物理概念，较强的通用性和可实现性，在矢量量化初期得到了广泛的认可。但在应用中也逐渐发现了一些缺陷[1]，比如：若要从码书中搜索最近码字，则需要预留大量的存储空间，搜索过程中所涉及的计算也相对比较繁琐。……