[发明专利]一种基于粒子群的矢量码书量化器

权利要求书

1.一种基于粒子群的矢量码书量化器，其特征在于包括如下步骤：

(1)空胞腔的处理：

假设有k个空胞腔，按照如下3个步骤进行处理：

步骤1：找出第i个空胞腔的所有次邻域矢量S＝{S₁，S₂，…}∈X，并记下它们原所在胞腔U＝{U₁，U₂，…}以及这些胞腔所聚类的训练矢量个数count＝{count₁，count₂，…}，

步骤2：如果S为空或Max(count)等于1，则采用最大胞腔分裂法处理第i个空胞腔；否则，计算count_j≠1的次邻域矢量与第i个空胞腔之间的失真，将产生失真最小的次邻域矢量从原胞腔中取出聚类到此空胞腔中，

步骤3：若i＞k，则结束算法；否则，i＝i+1，返回步骤1，

(2)粒子适应度计算：

粒子群算法采用的是基于聚类中心的编码方式，其中设S＝{S₁，S₂，…，S_M}为训练矢量集，当粒子初始位置{X₁，X₂，…，X_n}确定时，也就是聚类中心确定时，则聚类的划分由下面的最近邻法则决定：

若满足

则S_i属于第j类。聚类完后，可得第j类的类内离散度为

对于某粒子，按照以下方法计算其适应度： 

①按照上面定义的最近邻法则，确定与该粒子对应的聚类划分，

②根据聚类划分，计算类内离散度和，即各类中矢量到对应类中心的距离的总和，

③个体的适应度可采用 其中N表示粒子的数量，N_i表示第i个粒子， 是总类内离散度和，L是调节常数，根据具体情况定，

(3)基于模拟退火算法的全局极值的更新条件：

当新粒子的适应度大于当前全局极值时，系统一定接受该粒子；当新粒子适应度小于全局极值时，按下式计算模拟退火概率p，当p大于阈值γ时候(γ为(0，1)间的随机值)时，也接受该粒子，否则不接受，模拟退火概率计算如下：

式中T_t为第t次迭代的温度，T_t＝K^t×T_t-1，K为降温系数；ΔD为当前粒子失真变化，ΔD＝1/f(N_i)-1/p_g，f(N_i)为第i个粒子的当前适应值，p_g为当前全局最优适应值，

(4)粒子群矢量码书量化器的实现：

步骤1：种群的初始化，在初始化粒子时，先将每个样本随机指派为某一类，作为最初的聚类划分，并计算各类的聚类中心，作为初始粒子的位置编码，计算粒子的适应度，并初始化粒子的速度，若有N个粒子，则反复进行N次，共生成N个初始粒子群， 

步骤2：对每个微粒，比较它的适应度和它所经过的最好位置X_P的适应度，如果好于X_P的适应度，则对最好位置X_P及其适应度进行更新，

步骤3：对每个粒子，比较它的适应度和群体所经过的最好位置X_G的适应度，如果好于X_G的适应度，则对最好位置X_G及其适应度进行更新，

步骤4：根据如下粒子群算法的速度和位置计算公式调整粒子的速度和位置，

V_ij(t+1)＝wV_ij(t)+c₁γ_1j(p_ij(t)-X_ij(t))+c₂γ_2j(p_gj(t)-X_ij(t))

X_ij(t+1)＝X_ij(t)+V_ij(t+1)

其中，V和X分别表示每个个体(微粒)的飞行速度和位置，下标“i”表示粒子i，“j”表示粒子的第j维，“t”表示第t代，c₁、c₂为加速常数(通常在0～2间取值)，γ₁～U(0，1)，γ₂～U(0，1)为两个相互独立的随机函数，p_ij为概率，w为惯性权重，

步骤5：对新个体进行LBG算法优化，

步骤6：如果达到结束条件(形成足够好的码书或达到最大迭代次数)，则结束，否则转步骤2。

2.根据权利要求1所述的一种基于粒子群的矢量码书量化器，其特征在于所述粒子群矢量码书量化器的实现中对新个体的LBG算法优化采用如下步骤：

①根据粒子的聚类中心编码，按照最近邻法则及提出的新的空 胞腔处理方法，来确定与该粒子对应的聚类划分；

②按照聚类划分，计算新的聚类中心，即形成新的码字，更新粒子的适应值，取代原来的编码值。