A Codebook Design for Vector Quantization Using a Neural Network

신경망을 이용한 벡터 양자화의 코드북 설계

Using a neural network for vector quantization, we can expect to have better codebook design algorithm for its adaptive process. Also, the designed codebook puts the codewords in order by its self-organizing characteristics, which makes it possible to partially search the codebook for real time process. To exploit these features of the neural network, in this paper, we propose a new codebook design algorithm that modified the KSFM(Kohonen`s Self-organizing Feature Map) and then combines the K-means algorithm. Experimental results show the performance improvment and the ability of the partical seach of the codebook for the real time process.

백터양자와를 위한 신경망을 사용은 그것의 적응적 설계 특성으로 더 좋은 코드북을 설계할 수 있을 것으로 기대되며, 또한 설계된 코드북의 코드워드는 자동정렬되어 실시간 탐색을 가능케 한다. 신경망의 이러한 장점을 살리기 위하여 본 논문에서는 KSFM(Kohonen`s Self-organizing Feature Map)을 수정하고, K-means 알고리즘을 결함한 새로운 코드북 설계 할고리즘을 제안한다. 실험결과로 부터 제안된 알고리즘의 성능향상과 실시간 처리를 위한 코드북의 부분탐색 가능성을 확인하였다.