DOI QR코드

DOI QR Code

Entropy-Coded Lattice Vector Quantization Based on the Sample-Adaptive Product Quantizer and its Performance for the Memoryless Gaussian Source

표본 적응 프로덕트 양자기에 기초한 격자 벡터 양자화의 엔트로피 부호화와 무기억성 가우시언 분포에 대한 성능 분석

  • Kim, Dong Sik (Department of Electronics Engineering, Hankuk University of Foreign Studies)
  • 김동식 (한국외국어대학교 전자공학과)
  • Received : 2012.03.24
  • Published : 2012.09.25

Abstract

Optimal quantizers in conducting the entropy-constrained quantization for high bit rates have the lattice structure. The quantization process is simple due to the regular structure, and various quantization algorithms are proposed depending on the lattice. Such a lattice vector quantizer (VQ) can be implemented by using the sample-adaptive product quantizer (SAPQ) and its output can also be easily entropy encoded. In this paper, the entropy encoding scheme for the lattice VQ is proposed based on SAPQ, and the performance of the proposed lattice VQ, which is based on SAPQ with the entropy coder, is asymptotically compared as the rate increases. It is shown by experiment that the gain for the memoryless Gaussian source also approaches the theoretic gain for the uniform density case.

높은 전송률에서 엔트로피 제한 양자화를 수행 시 최적의 양자기는 격자(lattice) 형태의 부호책을 가지는데, 규칙적인 구조로 인하여 양자화 과정이 단순하며, 격자의 형태에 따라 여러 양자화 알고리듬이 제안되어있다. 이러한 격자 벡터 양자기(vector quantizer: VQ)는 표본 적응 프로덕트 양자기(sample-adaptive product quantizer: SAPQ)를 사용하여 구현이 가능하며, 그 출력도 단순하게 엔트로피 부호화가 가능하다. 본 논문에서는 SAPQ에 기초한 엔트로피 부호화 방법을 제안하고, 무기억성(memoryless) 가우시언 분포에 대하여 여러 제안한 격자 VQ를 구현하고 양자화 에러 곡선을 엔트로피에 대하여 구하여 그 성능을 비교하였다. 실험을 통하여 전송률이 증가하면서 균등 분포에 이론적으로 얻는 이득과 비슷한 이득을 무기억성 가우시언 분포에서도 SAPQ의 출력을 엔트로피 부호화함으로 얻을 수 있음을 확인하였다.

Keywords

References

  1. A. J. Viterbi and J. K. Omura, Principles of Digital Communication and Coding. McGraw Hill, 1979.
  2. A. Gersho and R. M. Gray, Vector Quantization and Signal Compression. Boston: Kluwer Academic Publishers, 1992.
  3. P. A. Chou, T. Lookabaugh, and R. M. Gray, "Entropy-constrained vector quantization," IEEE Trans. Acoustics, Speech, and Signal Processing, vol. 37, no. 1, pp. 31-42, Jan. 1989. https://doi.org/10.1109/29.17498
  4. A. Gersho, "Asymptotically optimal block quantization," IEEE Trans. Inform. Theory, vol. 25, pp. 373-380, July 1979. https://doi.org/10.1109/TIT.1979.1056067
  5. T. R. Fischer, "A pyramid vector quantizer," IEEE Trans. Inform. Theory, vol. 32, no. 4, pp. 568-583, July 1986. https://doi.org/10.1109/TIT.1986.1057198
  6. M. Antonini, P. Raffy, M. Barlaud, "Towards entropy constrained lattice vector quantization," in Proc IEEE ICIP, vol. 1, 1995, pp. 121-124.
  7. Z. Mohd-Yusof and T. R. Fischer, "An entropy-Coded lattice vector quantizer for transform and subband image coding," IEEE Trans. Image Processing, vol. 5, no. 2, pp. 289-298, Feb. 1996. https://doi.org/10.1109/83.480764
  8. A. Vasilache and I. Tabus, "Indexing and entropy coding of lattice codevectors," in Proc. ICASSP, vol. 4, 2001, pp.2605-2608.
  9. D. S. Kim and N. B. Shroff, "Quantization based on a novel sample-adaptive product quantizer (SAPQ)," IEEE Trans. Inform. Theory, vol. 45, no. 7, pp. 2306-2320, Nov. 1999. https://doi.org/10.1109/18.796371
  10. D. S. Kim and N. B. Shroff, "Sample-adaptive product quantization: asymptotic analysis and examples," IEEE Trans. Signal Processing, vol. 48, no. 10, pp. 2937-2947, Oct. 2000. https://doi.org/10.1109/78.869051
  11. 김동식, "격자 벡터 양자화와 격자 표본 적응 프로 덕트 양자기," 대한전자공학회 논문집, 제 49권 SP 편 제 2호, pp. 18-27, 2012년 3월.
  12. J. H. Conway and N. J. A. Sloane, "Fast quantizing and decoding algorithms for lattice quantizers and codes," IEEE Trans. Inform. Theory, vol. 28, no. 2, pp. 227-232, Mar. 1982. https://doi.org/10.1109/TIT.1982.1056484
  13. J. H. Conway and N. J. A. Sloane, "Voronoi regions of lattices, second moments of polytopes, and quantization," IEEE Trans. Inform. Theory, vol. 28, no. 2, pp. 211-226, Mar. 1982. https://doi.org/10.1109/TIT.1982.1056483