基于神经网络的一种改进的向量量化方法

摘要：

用LBG算法产生的码书,其码向量在码书中的排列是无序的.用此序号作为向量量化器编码输出时,对信道误码特别敏感.为了控制由于信道误码而导致整个向量量化通信系统性能严重下降,基于Kohonen网络的自组织特征映射(SOFM)算法进行向量量化分析,并针对SOFM算法性能上的缺陷,提出了一种改进的自组织特征映射算法.新算法引入失真敏感参数,对网络参数进行优化,通过调整码字的部分失真来指导神经网络的学习.通过仿真试验,从峰值信噪比的提高验证了算法的优越性.

关键词：自组织特征映射、神经网络、向量量化、图像编码、峰值信噪比

所属期刊栏目：10

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2010-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：4192-4195