Application of neighboring descent method for vectors searching in code books (Ukr)

Для ефективного використання пропускної здатності каналів у сучасних системах цифрового зв’язку широко використовується ущільнення мовленнєвих сигналів. Найбільшого поширення набули методи ущільнення на основі векторного квантування із застосуванням кодових книг, оскільки вони, завдяки урахуванню кореляції між компонентами вектора, здатні забезпечити передачу інформації меншою кількістю бітів. Проте практичне застосування цих методів обмежується через необхідність використання великих обчислювальних ресурсів для їх реалізації. У статті пропонується вдосконалений метод швидкого пошуку найближчого вектора у кодовій книзі. Основна ідея методу полягає у тому, щоб за рахунок попередньої структуризації кодової книги скоротити час пошуку в ній вектора, найближчого до вхідного. Структуризація кодової книги виконується на основі відношення мажорування між векторами. Вводиться поняття рівнів мажоризації, за якими виконується структуризація. Безпосередній пошук найближчого вектора виконується за допомогою діаграм Вороного. Розроблено математичну модель та структуру даних, на основі яких відбувається процес пошуку в кодовій книзі. Розглянуто кілька модифікацій метода швидкого спуску, що використовується у процесі пошуку найближчого вектора. На тестовому прикладі здійснено порівняння ефективності вказаних методів за показником середньої кількості вимірювань відстані. Показано, що найкращі результати забезпечує метод спрямованого пошуку на основі мажоризації. Проаналізовано негативні фактори, які здатні вплинути на ефективність квантування. Розглянуто можливість подальшого зниження складності обчислень за рахунок зменшення розмірів часового вікна, відведеного на пошук, яке досягається без суттєвої втрати продуктивності, що оцінювалася за спектральним спотворенням. Експериментальна перевірка підтвердила ефективність запропонованих методів.

Authors

Publication Details

Journal
Scientific Works of Vinnytsia National Technical University
Published
2025-01-01
DOI
https://doi.org/10.31649/2307-5376-2025-1-121-127
Primary Topic
Handwritten Text Recognition Techniques
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Application of neighboring descent method for vectors searching in code books (Ukr)

СЕРГІЙ КУЛІШ, С. В. Хрущак, І. Р. Арсенюк, О. М. Ткаченко
Scientific Works of Vinnytsia National Technical University
Handwritten Text Recognition Techniques
article

Application of neighboring descent method for vectors searching in code books (Ukr)

СЕРГІЙ КУЛІШ, С. В. Хрущак, І. Р. Арсенюк, О. М. Ткаченко
article en

Abstract

Для ефективного використання пропускної здатності каналів у сучасних системах цифрового зв’язку широко використовується ущільнення мовленнєвих сигналів. Найбільшого поширення набули методи ущільнення на основі векторного квантування із застосуванням кодових книг, оскільки вони, завдяки урахуванню кореляції між компонентами вектора, здатні забезпечити передачу інформації меншою кількістю бітів. Проте практичне застосування цих методів обмежується через необхідність використання великих обчислювальних ресурсів для їх реалізації. У статті пропонується вдосконалений метод швидкого пошуку найближчого вектора у кодовій книзі. Основна ідея методу полягає у тому, щоб за рахунок попередньої структуризації кодової книги скоротити час пошуку в ній вектора, найближчого до вхідного. Структуризація кодової книги виконується на основі відношення мажорування між векторами. Вводиться поняття рівнів мажоризації, за якими виконується структуризація. Безпосередній пошук найближчого вектора виконується за допомогою діаграм Вороного. Розроблено математичну модель та структуру даних, на основі яких відбувається процес пошуку в кодовій книзі. Розглянуто кілька модифікацій метода швидкого спуску, що використовується у процесі пошуку найближчого вектора. На тестовому прикладі здійснено порівняння ефективності вказаних методів за показником середньої кількості вимірювань відстані. Показано, що найкращі результати забезпечує метод спрямованого пошуку на основі мажоризації. Проаналізовано негативні фактори, які здатні вплинути на ефективність квантування. Розглянуто можливість подальшого зниження складності обчислень за рахунок зменшення розмірів часового вікна, відведеного на пошук, яке досягається без суттєвої втрати продуктивності, що оцінювалася за спектральним спотворенням. Експериментальна перевірка підтвердила ефективність запропонованих методів.

Scientific Works of Vinnytsia National Technical University(1)
Openalex Percentile: Top 95%
Handwritten Text Recognition Techniques
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.

Application of neighboring descent method for vectors searching in code books (Ukr) — СЕРГІЙ КУЛІШ, С. В. Хрущак, et al. · Scientific Works of Vinnytsia National Technical University (2025) | TGRS Research Map | TGRS