벡터양자화에서 사용되는 부호책 생성 알고리즘들 중에서 가장 널리 사용되는 방법은 K-means 알고리즘이다. 본 논문에서는 부호책의 성능 개선을 위해 새로운 갱신조건을 적용한 부호책 생성 알고리즘을 제안한다. 기존의 K-means 알고리즘은 모든 학습반복 과정 동안 부호벡터 갱신 시 거리의 가중치를 고정하지만, 제안된 방법은 학습반복 과정에서 새로운 부호벡터의 갱신 조건에 따라서 다른 가중치를 적용하여 부호책을 구한다. 따라서, 갱신 조건에 의해 부호벡터에 다른 가중치를 적용할 수 있고, 학습반복 과정마다 가변되는 가중치를 적용하는 효과를 얻을 수 있다. 실험 결과 K-means 알고리즘보다 부호책의 성능이 향상됨을 확인하였다.
The K-means algorithm is the most widely used method among the codebook generation algorithms in vector quantization. In this paper, we propose a codebook generation algorithm using a new updating condition to enhance the codebook performance. The conventional K-means algorithm uses a fixed weight of the distance for all training iterations, but the proposed method uses different weights according to the updating condition from the new codevectors for training iterations. Then, different weights can be applied to generate codevectors at each iteration according to this condition, and it can have a similar effect to variable weights. Experimental results show that the proposed algorithm has the better codebook performance than that of K-means algorithm.
