【正文】 上午 11時 32分 26秒 上午 11時 32分 11:32: MOMODA POWERPOINT Lorem ipsum dolor sit amet, consectetur adipiscing elit. Fusce id urna blandit, eleifend nulla ac, fringilla purus. Nulla iaculis tempor felis ut cursus. 感 謝 您 的 下 載 觀 看 專家告訴 。 2023年 2月 上午 11時 32分 :32February 1, 2023 ? 1業(yè)余生活要有意義，不要越軌。 :32:2611:32:26February 1, 2023 ? 1意志堅強的人能把世界放在手中像泥塊一樣任意揉捏。 11:32:2611:32:2611:32Wednesday, February 1, 2023 ? 1知人者智，自知者明。 11:32:2611:32:2611:322/1/2023 11:32:26 AM ? 1越是沒有本領(lǐng)的就越加自命不凡。 上午 11時 32分 26秒 上午 11時 32分 11:32: ? 楊柳散和風，青山澹吾慮。 2023年 2月 上午 11時 32分 :32February 1, 2023 ? 1少年十五二十時，步行奪得胡馬騎。 2023年 2月 1日星期三 上午 11時 32分 26秒 11:32: ? 1楚塞三湘接，荊門九派通。 11:32:2611:32:2611:32Wednesday, February 1, 2023 ? 1不知香積寺，數(shù)里入云峰。 11:32:2611:32:2611:322/1/2023 11:32:26 AM ? 1成功就是日復一日那一點點小小努力的積累。 上午 11時 32分 26秒 上午 11時 32分 11:32: ? 沒有失敗，只有暫時停止成功！。 2023年 2月 上午 11時 32分 :32February 1, 2023 ? 1行動出成果，工作出財富。 2023年 2月 1日星期三 上午 11時 32分 26秒 11:32: ? 1比不了得就不比，得不到的就不要。 11:32:2611:32:2611:32Wednesday, February 1, 2023 ? 1乍見翻疑夢，相悲各問年。 11:32:2611:32:2611:322/1/2023 11:32:26 AM ? 1以我獨沈久，愧君相見頻。 謝 謝 :32:2611:3211::32 11:3211:32::32:26 2023年 2月 1日星期三 11時 32分 26秒 ? 靜夜四無鄰，荒居舊業(yè)貧。 ?矢量量化：幾個聯(lián)合的信號樣值的量化和編碼。 ?格子 ：多維的均勻量化器 算法 最后的矢量量化器 一次迭代后的矢量量化器 失真： 算法 ?優(yōu)化過程能保證收斂，但可能收斂于局部極小值 ?依賴于初始碼書的選取 ?初始碼書的選取 ?隨機選擇：重復多次，取失真最小的結(jié)果 ?分裂：從一個類開始，每次將失真最大 /數(shù)量最多的類分裂成兩個 ?合并：從 N個類開始，每次將兩個失真最小的類合并 ?空類的問題：去掉空類，并將失真最大 /數(shù)量最多的類分裂成兩個 用于圖像壓縮 ?每塊大小為 L = 4 4，用 K = 16, 64, 256, 1024 個碼字的碼書對圖像進行矢量量化 ?碼率： ? 圖像訓練得到碼書 2l o gR K L? ????原始圖像 算法的缺陷 ?傳輸碼書（ ）： ? 1024, 2, 為編碼內(nèi)容碼率 () 的 3 倍 ?用通用碼書，無需傳碼書，但質(zhì)量可能稍差 ?收集代表性的訓練集 a 16 4 32: 1 64 6 : 1 256 8 16: 1 1024 10 : 1 ? ?2lo gR K L? ????? ? ? ?? ?: 4 4 , 8 , 2 5 6 2 5 6o v e rh e a d K L B n S izeL B n S ize??? ? ? ? ? 用于圖像壓縮 ?碼字中缺少結(jié)構(gòu) ?編碼復雜性高：需要全搜索 ?存儲要求高，碼書指數(shù)增長 ?例： ?目標碼率： R 比特 /樣本 ?每個矢量包含 L 個樣本 (如 4 4 像素一起編碼，則 16) ?碼字索引： 比特 ? 碼書中可能的碼字有 2 個碼字 ?例： ? R = 比特 /樣本， L = 16 個樣本 /矢量 ? 每個碼字索引需 4 比特 ? 碼書中共有 24= 16 個詞條 ? R = 2 比特 /樣本， L = 16 個樣本 /矢量 ? 每個碼字索引需 32 比特 ? 碼書中共有 232 = 40 億個詞條 ?在高碼率下， 不太實用 改進的矢量量化 ?樹結(jié)構(gòu)（）矢量量化 ?搜索快，但存儲量大 ?格型矢量量化 ? ?網(wǎng)格編碼矢量量化 ? （ ） 樹結(jié)構(gòu) ?在碼書組織中引入結(jié)構(gòu)，快速決定哪個部分包含所需輸出矢量（重構(gòu)電平） ?通過搜索一系列小碼書 ?降低搜索復雜性，復雜性線性增長 ?但需要更多存儲（約兩倍）：測試矢量 ( ) 樹結(jié)構(gòu) ?可以通過 等提出的分裂方法實現(xiàn) ?首先將所有訓練集視為一個類，計算類中心（均值）作為測試矢量和輸出水平 ?將一個類分裂成兩個子類，子類中心為將原父中心的均值分別 一個擾動 ? 算法中也是采用類似分裂方法解決初值問題 ?其他：剪枝 ?碼書減小 碼率減小 ?但失真可能增大 格型 ?在前面的討論中，我們知道球形量化區(qū)域是最佳的（顆粒噪聲最?。? ?但球形填充（）要么有重疊，要么有空洞 ?需要找到某種高效的量化區(qū)域結(jié)構(gòu)化碼字，以近似球體并填滿球體 ?結(jié)構(gòu)化：省存儲 /計算量小 有規(guī)律 格型 ?球體：顆粒誤差最小 ?：令 為 L維線性獨立的 L維矢量，集合 ? 中 為整數(shù)，則集合為一個 ? ?12, , ..., La a a1: Liiix x u a???? ? ??????? ?iu格型 ? 量化器：將 點集的子集作為 的輸出點 ?最近鄰 ： ?Λ的基本量化區(qū)域： ? 0 附近的單元 ? ?a r g m in ,lQ d x l????? ?? ?: 0a x Q x???格型 ?舉例： D2 ?性質(zhì)：對所有的點， ? ? ? ?121 , 1 , 1 , 1aa? ? ?01xx?? 偶 數(shù)菱形量化區(qū)域 格型 ?舉例： A2 : ?六邊形量化區(qū)域： 2D 上最佳 ? ?12 131 , 0 , ,22aa ????? ? ???????格型 的性質(zhì) ?不必存儲碼字 ?比 算法更容易找到最近鄰 ?但是， 量化器沒有了 聚類的性質(zhì) ?設(shè)計準則：最小化顆粒誤差 ?對 2 ，六邊形 是最佳的 ?對 信源，熵編碼的 量化器離 D(R) 邊界有 量化 （） ?計算效率高的矢量量化 ?中等計算復雜度 ?理論優(yōu)勢： ?對任何平滑 ，熵編碼的能在任何碼率下達到 D(R)函數(shù)的 （性能超過 24維以下的最佳 量化） ?基于 () ? 在 2023 中用到 編碼 ?網(wǎng)格 () 是一個有限狀態(tài)機隨時間的進化 ?例：一個帶有二進制 的 4 狀態(tài)的有限狀態(tài)機 ? T0 和 t1 為移位寄存器 ?狀態(tài)表示為 t1 t0 4 個狀態(tài) 狀態(tài)轉(zhuǎn)換圖 1 z0 編碼 ?在狀態(tài)轉(zhuǎn)換圖中加入時間因素 編碼量化 () ?為了利用 ? 為了得到 R 比特 /符號，首先建立 (1) 比特的量化器： ?將所有重構(gòu)電平分為 4 個子集： D0, D1, D2, D3 ?每個子集有 21 個碼字，需要 1 比特 ?上例中 1=1 R = 2, 1 = 3 編碼量化 () ?將 4 個子集與網(wǎng)格的不同分支關(guān)聯(lián) ?網(wǎng)格的每個狀態(tài)量化一個輸入字符 ：如果選擇分支，則當前輸入字符將只會被一個子集量化 1 比特 網(wǎng)格每個狀態(tài)的輸出： R 比特 B: 0: 選擇上一狀態(tài)的第一個分支 1: 選擇上一狀態(tài)的第二個分支 1比特：被選擇子集的用于編碼當前字符最佳碼字的索引 1 ......RB x x x? 比 特 編碼量化 () ?聯(lián)合碼書 ?每個狀態(tài)可用兩個子集（兩個分支） 0 0 22 3 4A D DA D D???? 編碼量化 () ?目標： ?對每個樣本嘗試不同的量化器選擇 ?在網(wǎng)格中找到一條最佳路徑，使得總失真最小 ?為什么 更好？ ?每個樣本的最佳量化選擇可以在編碼序列樣本后確定 ?每個單獨的選擇可能不是最佳的，但聯(lián)合選擇可以達到最小失真 ?每個狀態(tài)兩個子集 2 21 = 2R 個可能的選擇 ?經(jīng)過網(wǎng)格 L 個狀態(tài)的路徑共有 2 種可能 ?如果采用樣本 —樣本失真， 算法可用于降低搜索復雜度 ? ? ? ?1,Liiid x y d x y?? ? 算法 ?當兩條路徑并入一個狀態(tài)時，可以拋棄失真較高的一條 ? 任何時候只需跟蹤 N 條路徑（ N: 狀態(tài)的數(shù)目） ?通過在最后決策后反溯，可以得到最后序列 編碼量化 () ?例： = , , , ?碼書： 7, 5, 3, 1, 1, , 5, 7 2 比特 /樣本 ?失真： ?如果直接用 D0和 D2（ 2） ?碼書： 7, 3, 1, 5 ? 3, d = ? 1, d = ? 1, d = ? 3, d = ?總失真為： ? ? ? ? ? ? ? ?0 1 2 37 ,1 , 5 , 3 , 3 , 5 , 1 , 7D D D D? ? ? ?xy?如果直接用 D1和 D3（ 2） 碼書： 5, 1, 3, 7 5, d = 3, d = 1, d = 1, d = 2 總失真為： 編碼量化 () ?例： = , , , ?碼書： 7, 5, 3, 1, 1, , 5, 7 2 比特 /樣本 ?失真： ?初始化：從 S0 開始，費用： (0, ∞, ∞, ∞,) ? ? ? ? ? ? ? ?0 1 2 37 ,1 , 5 , 3 , 3 , 5 , 1 , 7D D D