Abstract
We provide an useful method to design codebooks with better performance than conventional methods. In the proposed method, new codevectors obtained from learning iterations are not the centroid vectors which are the representatives of partitions, but the vectors manipulated by the distance between new codevectors and old codevectors in the early stages of learning iteration. Experimental results show that the codevectors obtained by the proposed method converge to a locally better optimal codebook.
기존의 방법보다 우수한 성능의 코드북을 설계할 수 있는 방법을 제시한다. 기존 방법에서는 학습 반복에 의하여 얻어지는 새로운 벡터가 분할된 영역의 중심벡터가 되지만, 제안된 방법에서는 학습 반복의 초기에는 새로운 벡터와 전 벡터간의 거리에 의하여 조절되는 벡터이다. 실험 결과는 제안된 방법에 의하여 얻어지는 코드벡터가 국부적으로 기존의 방법보다 더 최적인 코드북을 구성할 수 있음을 보인다.