vektorikvantisoinnin

Vektorikvantisointi on pakkausmenetelmä, jota käytetään signaalinkäsittelyssä ja datan pakkaamisessa. Se kuuluu yleisemmän vektorikvantisoinnin perheeseen, jossa korkeaulotteiset datapisteet (vektorit) korvataan valitulla lähimmällä vektorilla ennalta määritetystä joukosta, jota kutsutaan koodikirjaksi. Koodikirja luodaan tyypillisesti analysoimalla datan jakaumaa ja ryhmittelemällä samankaltaisia vektoreita yhdeksi edustavaksi vektoriksi.

Prosessi alkaa koodikirjan luomisella, joka on usein iteratiivinen vaihe. Yleinen algoritmi koodikirjan rakentamiseen on Lloydin algoritmia muistuttava lähestymistapa, jossa koodivektorit päivitetään jatkuvasti, kunnes ne konvergoituvat. Kun koodikirja on muodostettu, kvantisointi itse on suhteellisen nopeaa. Jokainen syötevektori verrataan koodikirjan kaikkiin vektoreihin, ja se vektori, joka on lähimpänä syötevektoria (yleensä euklidisen etäisyyden perusteella), valitaan korvaamaan syötevektori. Tämän seurauksena alkuperäisen syötevektorin sijaan tallennetaan tai lähetetään vain valitun koodivektorin indeksi koodikirjassa.

Vektorikvantisoinnin etuja ovat sen kyky saavuttaa korkea pakkaussuhde ja sen suhteellinen yksinkertaisuus toteutuksessa. Sitä käytetään monissa sovelluksissa, kuten puheen tunnistuksessa, kuvien pakkauksessa ja datan pakkaamisessa yleisesti. Vektorikvantisoinnin haittapuolena on, että se voi johtaa informaation häviämiseen kvantisointivirheen vuoksi, ja koodikirjan laatu vaikuttaa merkittävästi pakkaustehokkuuteen ja rekonstruoidun datan laatuun.