Methods to Accelerate a Competitive Learning Algorithm Applied to VQ Codebook Desing

Autores

  • E. L. Bispo Junior
  • C. R. B. Azevedo
  • W. T. A. Lopes
  • M. S. Alencar
  • F. Madeiro

DOI:

https://doi.org/10.5540/tema.2010.011.03.0193

Resumo

Abstract. Codebook design plays a crucial role in the performance of signal pro-cessing systems based on vector quantization (VQ). This paper is concerned with methods for reducing the processing time spent by a competitive learning (CL) algorithm applied to VQ codebook design. Using analytical expressions for the number of operations (multiplications, additions, subtractions and comparisons) performed by the CL algorithm, it is shown that almost all the operations are due to the nearest neighbor search (NNS). Simulation results regarding image VQ show that simple modifications introduced in CL lead to considerable number clock cyclessavings.

Referências

[1] M. Antonini, M. Barlaud, P. Mathieu, I. Daubechies, Image coding using wavelet transform. IEEE Trans. Image Process., 1, No. 2 (1992), 205–220.

[2] C.-D. Bei, R. M. Gray, An improvement of the minimum distortion encoding algorithm for vector quantization, IEEE Trans. Commun., 33, No. 10 (1985), 1132–1133.

[3] O.T.-C. Chen, B.J. Sheu, W.-C. Fang, Image compression using selforganization networks, IEEE Trans. Circuits Syst. Video Technol., 4, No.5 (1994), 480–489.

[4] P.C. Cosman, R.M. Gray, M. Vetterli, Vector quantization of image subbands: A survey, IEEE Trans. Image Process., 5, No. 2 (1996), 202–225.

[5] A. Gersho, R.M. Gray, “Vector Quantization and Signal Compression”, Kluwer Academic Publishers, Boston, MA, 1992.

[6] R.M. Gray, Vector quantization, IEEE ASSP Magazine, (1984), 4–29.

[7] T. Kohonen, The self-organizing map, Proceedings of the IEEE, 78, No. 9 (1990), 1464–1480.

[8] A.K. Krishnamurthy, S.C. Ahalt, D.E. Melton, P. Chen, Neural networks for vector quantization of speech and images, IEEE J. Sel. Areas Commun., 8, No. 8 (1990), 1449–1457.

[9] Y. Linde, A. Buzo, R.M. Gray, An algorithm for vector quantizer design, IEEE Trans. Commun., 28, No. 1 (1980), 84–95.

[10] F. Madeiro, W.T.A. Lopes, B.G. Aguiar Neto, M.S. Alencar, Complexidade computacional de um algoritmo competitivo aplicado ao projeto de quantizadores vetoriais, Learning and Nonlinear Models, 1, No. 3 (2004), 172–186.

[11] K.K. Paliwal, B.S. Atal, Efficient vector quantization of LPC parameters at 24 bits/frame, IEEE Trans. Speech Audio Process., 1, No. 1, (1993), 3–14.

[12] L. Torres, J. Huguet, An improvement on codebook search for vector quantization, IEEE Trans. Commun., 42, No. 2/3/4 (1994), 208–210.

Downloads

Publicado

2010-06-01

Como Citar

Junior, E. L. B., Azevedo, C. R. B., Lopes, W. T. A., Alencar, M. S., & Madeiro, F. (2010). Methods to Accelerate a Competitive Learning Algorithm Applied to VQ Codebook Desing. Trends in Computational and Applied Mathematics, 11(3), 193–203. https://doi.org/10.5540/tema.2010.011.03.0193

Edição

v. 11 n. 3 (2010)

Seção

Artigo Original

Licença

Direitos Autorais

Autores de artigos publicados no periódico Trends in Computational and Applied Mathematics mantêm os direitos autorais de seus trabalhos. O periódico utiliza a Atribuição Creative Commons (CC-BY) nos artigos publicados. Os autores concedem ao periódico o direito de primeira publicação.

Propriedade Intelectual e Termos de uso

O conteúdo dos artigos é de responsabilidade exclusiva dos autores. O periódico utiliza a Atribuição Creative Commons (CC-BY) nos artigos publicados. Esta licença permite que os artigos publicados sejam reutilizados sem permissão para qualquer finalidade, desde que o trabalho original seja corretamente citado.

O periódico encoraja os Autores a autoarquivar seus manuscritos aceitos, publicando-os em blogs pessoais, repositórios institucionais e mídias sociais acadêmicas, bem como postando-os em suas mídias sociais pessoais, desde que seja incluída a citação completa à versão do website da revista.