JP3093868B2

JP3093868B2 - ベクトル量子化コードブック作成装置

Info

Publication number: JP3093868B2
Application number: JP04107554A
Authority: JP
Inventors: 恵一中野
Original assignee: Olympus Optic Co Ltd
Current assignee: Olympus Corp
Priority date: 1992-04-27
Filing date: 1992-04-27
Publication date: 2000-10-03
Anticipated expiration: 2015-10-03
Also published as: JPH05304478A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明はベクトル量子化コード
ブック作成装置に関し、特にデジタル情報処理分野に利
用されるベクトル量子化コードブック作成装置に関する
ものである。

【０００２】

【従来の技術】従来より、ベクトル量子化は能率の良い
データ圧縮法として、音声や画像の量子化に利用されて
いる。このベクトル量子化は、入力ベクトルＸ＝（ｘ
１，ｘ２，…，ｘｍ）に対して、コードブック｛Ｙ１，
Ｙ２，…，Ｙｎ｝の中からＸとの歪みが最も小さい出力
ベクトルＹｋ＝（ｙｋ１，ｙｋ２，…，ｙｋｍ）を探索
し、ＸをＹｋに写像することと考えられる。

【０００３】そして、このベクトル量子化に用いるコー
ドブックを作成するためには、現在、Lloyd のアルゴリ
ズムの拡張であるＬＢＧ［Y.Linde, A.Buzo, and R.Gra
y:“An Algorithm for Vector Quantizer Design”, IE
EE Trans. COM, Vol.28, No.1, pp562-574.(1980) ］法
等がよく使われている。これらは、最初に初期コードブ
ック（クラスタ）を与え、学習ベクトルのデータ列に対
する歪みが極小となるように、その時点のクラスタの中
心を、そのクラスタに属するベクトル群の重心で繰返し
更新していくことで、最適なクラスタを求めるアルゴリ
ズムである。

【０００４】

【発明が解決しようとする課題】ところが、このアルゴ
リズムによれば、与えられる初期クラスタによっては、
ローカルミニマム（local minimum ）状態に陥る可能性
があり、生成されるコードブックの性能は、与えられる
初期クラスタにかなり依存することが知られている。ま
た、適切な初期クラスタを与える一般的な手法は、知ら
れていない。

【０００５】これに対し、ローカルミニマム状態に陥る
危険がないアルゴリズムとして、ＰＮＮ（Pairwise Nea
rest Neighbor Clustering）法［W.H.Equitz, “A New
Vector Quantization Clustering Algorithm”, IEEE T
rans. ASSP, Vol.37, No.10, pp.1568-1575.(1989)］が
知られている。これは、最初に全ての学習ベクトルがそ
れと同数の別々のクラスタに所属するものとし、所望の
個数の最適クラスタが得られるまで、併合による誤差の
増加が最小という意味で最も近接する２つのクラスタ
を、順に併合していく手法である。

【０００６】このアルゴリズムは、ローカルミニマム状
態に落ちることがないという優れた特徴を有している。
しかしながら、最も近接する２つのクラスタを見つける
ために、全てのクラスタのセットに対して、併合による
誤差の増加量を求めるＯ（Ｎ³ ）の計算が必要となり、
学習ベクトルが多くなった場合に実用的でない。これに
対しては、k-d tree［J.H.Friedman, J.L.Bentley, and
R.A.Finkel,“An Algorithm for Finding Best Matche
s in Logarithmic Expected Time”,ACM Trans. on Mat
h., Vol.3, pp209-226.(1977)］を用いて入力ベクトル
空間を予め分割し、少数のクラスタに限定して併合する
クラスタを探すＦａｓｔＰＮＮ法が提案されている。こ
のＦａｓｔＰＮＮ法は、高速にクラスタを作ることが
できるが、クラスタ空間の全ては探索しないので、ＰＮ
Ｎ法に比べて、その精度で劣ってしまうものであった。

【０００７】すなわち、ＰＮＮ法は、ローカルミニマム
状態に落ちないという点で優れているが、その計算に膨
大な時間がかかるという問題がある。一方、この計算時
間の点を改良したＦａｓｔＰＮＮ法は、最適なコードブ
ックを作成するという点でＰＮＮ法に劣ってしまうとい
う欠点があった。

【０００８】この発明は上記課題に鑑みてなされたもの
で、ＰＮＮ法によってローカルミニマム状態に落ちる心
配なく得られるものと同じコードブックを、少ない計算
時間で、効率よく高速に作成することが可能なベクトル
量子化コードブック作成装置を提供することを目的とす
る。

【０００９】

【課題を解決するための手段】すなわちこの発明は、ク
ラスタの重心ベクトル間の歪みを次元毎に、その大小関
係により分類するソート部と、このソート部に於けるク
ラスタペアの併合による誤差の増加量の計算が終了した
もののうち最小の誤差増加量が求められる度に誤差増加
量の上限値として更新設定する上限値計算手段と、上記
最小の誤差増加量を与えるクラスタペアと誤差増加量の
計算が未終了のクラスタペアとのうちで次元毎に算出さ
れる歪みについて最小となる歪みに基く組合せで求めら
れる誤差増加量の下限値を設定する下限値計算手段と、
上記上限値計算手段及び下限値計算手段で得られた上限
値及び下限値を比較して一致した場合に併合するクラス
タペアを決定するべく制御する比較制御手段とを具備す
ることを特徴とする。

【００１０】

【作用】この発明のベクトル量子化コードブック作成装
置にあっては、初期コードブックから始めてクラスタを
併合していく過程で、併合するのに最適なペアではない
と分かったクラスタ以外の各クラスタの重心ベクトル間
の歪みをその次元毎に分類したデータを基に、最小歪み
を計算する。そして、それらの組合せを誤差増加量の下
限値（その値よりも誤差増加量が小さくなることはない
という値）とする。その一方で、誤差増加量計算が終わ
ったクラスタペアが与える誤差増加量のうちで、最小の
誤差増加量を誤差増加量の上限値（探索が済んだ範囲で
の最小の誤差増加量）とする。そして、この併合による
誤差増加量の下限値と上限値が一致した時点で、そのク
ラスタペアの併合による誤差の増加量が最小であること
がわかるので、そのクラスタペアを併合するようにし
た。更に、下限値を計算するために用いられる各クラス
タの重心ベクトル間の歪みを次元毎に分類した分類結果
を利用することで、併合による誤差の増加量を計算する
対象となるクラスタの重心ベクトルの要素と最も近い要
素が属する重心ベクトルを持つクラスタを知ることがで
き、これから順に誤差増加量の計算をするようにした。

【００１１】

【実施例】以下、図面を参照してこの発明の実施例を説
明する。尚、以下に述べる実施例では、歪みとして二乗
歪みを例に用いているが、他の歪みにも同様に適用でき
る。また、その説明では、コードブックベクトルの数を
Ｎ、ベクトルの次元（要素）数をＭで表すものとする。
そして、ベクトル量子化コードブックは、表１に示され
るような構成である。

【００１２】

【表１】

【００１３】図１は、この発明の第１の実施例に係るベ
クトル量子化コードブック作成装置の構成を示すブロッ
ク図である。同図に於いて、ソート部１１は、初期コー
ドブックから成るコードブック１２を構成するベクトル
間の距離を、次元毎にソートしてソート表１３を作成す
る。また、クラスタが併合されて新しい重心ベクトルが
生成される毎に、コードブック１２とソート表１３を更
新するものである。

【００１４】更に、このベクトル量子化コードブック作
成装置は、コードブック１２を用いて、クラスタを併合
することによる誤差の増加量の上限値を計算する上限値
計算部１４と、ソート表１３を用いて誤差の増加量の下
限値を求める下限値計算部１５と、この上限値と下限値
を比較して、最適クラスタペアの併合を決定する他、こ
の装置全体を制御する比較制御部１６で構成される。次
に、このベクトル量子化コードブック作成装置の動作に
ついて説明する。

【００１５】先ず、比較制御部１６の指示により、前処
理としてトレーニング系列となる、初期コードブックで
構成されるコードブック１２から、次元毎に要素間の歪
みの大小関係でソートしたソート表１３が、ソート部１
１に於いて生成される。このコードブック１２は、表２
のように構成される。

【００１６】

【表２】

【００１７】そして、表３に示される要素間の歪みと、
表２に示される「各クラスタに属するベクトル数」と
「クラスタに属するベクトルと重心ベクトルの平均二乗
距離」に基いて、ソート表１３が構成される。

【００１８】

【表３】

【００１９】いま、比較制御部１６が、ソート部１１か
らソート表１３の作成終了の通知を受けたものとする。
すると、比較制御部１６は、次にクラスタペアの歪みを
基に、そのペアを併合することによる誤差の増加量の計
算に処理を移す。ここで、例えば二乗歪みを用いた場
合、クラスタを併合することで増加する誤差は、以下の
ように併合するクラスタそれぞれに所属するベクトル数
で重み付けした平均二乗距離に等しくなる。

【００２０】Ｃｉ：ｉ番めのクラスタ、ｎｉ：Ｃｉに属
するベクトル数、Ｘｉ：Ｃｉに属するベクトルの重心、
Ｓｉ：Ｃｉに属する数１で表されるベクトルと、Ｘｉと
の平均二乗距離、とし、これに対し添字ijでＣi とＣj
を併合してできるクラスタを表すと、数２、数３及び数
４の関係式のようになる。

【００２１】

【数１】

【００２２】

【数２】

【００２３】

【数３】

【００２４】

【数４】

【００２５】尚、これらの式の導出は、近藤、板倉著
“極低ビットレート符号化に用いるセグメント量子化へ
のＰＮＮ法の検討”、信学技報ＳＰ９１−７１（ＤＳＰ
９１−６４）に参照される。次に、上記数４の関係式に
基く計算の手順を、図２のフローチャートを参照して説
明する。

【００２６】先ず、所望のクラスタまで併合されたか否
かが判定され（ステップＳ１）、併合されていない場合
はインデックスｉが０に初期化される（ステップＳ
２）。次いで、クラスタｉの存在が判定され（ステップ
Ｓ３）、存在していなければ後述するステップＳ１９へ
進む。一方、クラスタｉが存在している場合は、次にイ
ンデックスｊが設定される（ステップＳ４）。その後、
クラスタｊの存在が判定され（ステップＳ５）、存在し
ていない場合は後述するステップＳ１７へ、存在してい
る場合はステップＳ６へ進む。

【００２７】そして、このステップＳ６にて、クラスタ
ペアＣi （＝Ｃ０）とＣj （＝Ｃ１）に関するデータ
が、コードブック１２から上限値計算部１４へ読込まれ
る。この上限値計算部１４では、その時点で存在するク
ラスタの中から、比較制御部１６によって選択されたク
ラスタペアについて、上記数４の関係式に従って、併合
による誤差の増加量の部分和（Ｙ）が計算される。そし
て、上限値（ＨＬＶ）との比較による計算の打切りが実
施される（ステップＳ７）。

【００２８】このステップＳ７に於いて、ＹがＨＬＶと
同じ若しくは大きくなった場合は、そのクラスタペアの
併合による誤差の増加量が新たに最小とはならないこと
が分かる。したがって、このクラスタペアは下限値の計
算対象から除外される（ステップＳ８）。

【００２９】一方、上記ステップＳ７に於いて、Ｙ＜Ｈ
ＬＶの場合は、インデックスｋがインクリメントされた
後（ステップＳ９）、ｋ＞Ｍであるか否かが判定される
（ステップＳ１０）。ここで、ｋがＭと同じか若しくは
小さい場合は、Ｙの値が再び計算された後（ステップＳ
１１）、ステップＳ７に戻る。そして、数４の関係式を
計算し終えて、その値ＹがＨＬＶよりも小さくなった場
合、Ｙが新たなＨＬＶとされる（ステップＳ１２）。

【００３０】すなわち、上記クラスタペアについて、上
限値計算部１４にて、上記数４の関係式に従った併合に
よる誤差の増加量が計算される。これが、上限値（ＨＬ
Ｖ）として比較制御部１６に送出される。

【００３１】上記ステップＳ１２に於いて、新たなＨＬ
Ｖが設定されると、それまでＨＬＶを与えていたクラス
タペアは、その併合による誤差の増加が最小ではないこ
とが分かる。したがって、このクラスタペアは下限値の
計算対象から除外される（ステップＳ１３）。

【００３２】一方、下限値計算部１５では、ソート表１
３の次元毎の最小歪みの組合せで誤差の増加量の下限値
（ＬＬＶ）が計算されて（ステップＳ１４）、その結果
が比較制御部１６に送出される。この比較制御部１６で
は、ＬＬＶとＨＬＶとが比較される（ステップＳ１
５）。この比較で、両者が一致する場合は、そのクラス
タペアが併合され（ステップＳ１６）、新しいクラスタ
が生成される。そして、併合により喪失したクラスタの
重心ベクトルの削除と、新しいクラスタの重心ベクトル
の挿入に基き、ソート部１１にて、コードブック１２及
びソート表１３が更新される。

【００３３】また、上記ステップＳ１５に於いて、ＬＬ
ＶとＨＬＶとが一致しない場合は、インデックスｊ、或
いはインデックスｉがインクリメントされる（ステップ
Ｓ１７、Ｓ１９）。尚、これらのインクリメントされた
インデックスｊ、ｉがＮと比較され（ステップＳ１８、
Ｓ２０）、それぞれＮより小さい場合は、各々ステップ
Ｓ４、Ｓ３に戻って、上述した処理が繰返される。これ
に対し、インデックスｊ、ｉがＮ以上の値になれば、次
のクラスタペアの処理に進む。こうして、所望のクラス
タ数になるまで併合が続行される。表４乃至表８は、以
上の処理に基く、小さなコードブックベクトルに対する
処理の一例を示したものである。

【００３４】

【表４】

【００３５】上記表３の組合せ（１，２）から、初期値
として、ＨＬＶ＝３４／２＝１７が得られる。ＬＬＶ＝
（１（２，４）＋１（１，３）＋４（１，４））／２＝
３となる。

【００３６】

【表５】

【００３７】上記表３の組合せ（１，３）から、Ｙ＝２
５／２＋１／２＋６４／２＝４５が得られる。（１，
３）の組合せがＨＬＶより大きくなるので、（１，３）
が除外される。また、ＬＬＶ＝（１（２，４）＋４
（２，３）＋４（１，４））／２＝４．５となる。

【００３８】

【表６】

【００３９】上記表３の組合せ（１，４）から、Ｙ＝４
／２＋３６／２＝２０が得られる。（１，４）の組合せ
がＨＬＶより大きくなるので、第２次元で計算が打切ら
れ、（１，４）が除外される。ＬＬＶ＝（１（２，４）
＋４（２，３）＋４（２，４））／２＝４．５となる。

【００４０】

【表７】

【００４１】上記表３の組合せ（２，３）から、Ｙ＝４
／２＋４／２＋１６／２＝１２が得られる。（２，３）
の組合せがＨＬＶより小さくなるので、（１，２）が除
外されて、ＨＬＶ＝１２（２，３）となる。また、ＬＬ
Ｖ＝（１（２，４）＋４（２，３）＋４（２，４））／
２＝４．５となる。

【００４２】

【表８】

【００４３】上記表３の組合せ（２，４）から、Ｙ＝１
／２＋９／２＋４／２＝７が得られる。（２，４）の組
合せがＨＬＶより小さくなるので、（２，３）が除外さ
れてＨＬＶ＝７（２，４）となる。また、ＬＬＶ＝（４
（２，４）＋９（２，４）＋１（２，４））／２＝７と
なる。こうして、ＨＬＶとＬＬＶが一致するので、
（２，４）の組合せが併合されることに決定される。こ
れにより、組合せ（３，４）に関する計算が除外され
る。

【００４４】このような手順に従えば、ＰＮＮ法によっ
てローカルミニマム状態に落ちる心配なく得られるもの
と同じコードブックを得ることができるうえ、ＰＮＮ法
のように全てのベクトルの組合せに対する、併合による
誤差の増加量の計算が必要なくなる。すなわち、誤差増
加量計算の途中で上限値との比較を行うことで、誤差増
加量計算を途中で打切ることが可能である。

【００４５】また上限値を下限値と比較し、その一致に
よりクラスタペアの併合を決定できるので、誤差増加量
計算の対象となるクラスタペアを削減することができ
る。これにより、ＰＮＮ法によってローカルミニマム状
態に落ちる心配なく得られるものと同じコードブックを
求めるための計算回数を非常に少なくすることができ
る。次に、この発明の第２の実施例について説明する。

【００４６】図３は、この発明の第２の実施例に係るベ
クトル量子化コードブック作成装置の構成を示すブロッ
ク図である。同図に於いて、ベクトル量子化コードブッ
ク作成装置は、初期コードブックから成るコードブック
１２を構成するベクトル間の距離を次元毎にソートして
ソート表１３を作成し、またクラスタが併合されて新し
い重心ベクトルを生成する毎にコードブック１２とソー
ト表１３を更新するソート部１１を有している。また、
この装置は、クラスタを併合することによる誤差の増加
量の上限値を計算する上限値計算部１４と、ソート表１
３を用いて誤差の増加量の下限値を求める下限値計算部
１５と、この上限値と下限値を比較して最適クラスタペ
アの併合を決定する他、全体を制御する比較制御部１６
と、更にソート表１３を用いて併合の対象となる可能性
の高いクラスタペアから誤差増加量計算を始めるように
計算順序を決定する計算順序決定部１７とを有した構成
となっている。次に、同実施例の動作を説明する。

【００４７】先ず、ソート部１１にて、上述した第の１
実施例と同様に、ソート表１３が生成される。次いで、
計算順序決定部１７に於いて、併合の対象となる可能性
の高いクラスタペアから誤差増加量計算が始まるよう
に、計算順序が決定される。ここでは、ソート表１３を
用いて、各次元で最小の歪みを与えるクラスタペアが順
に計算の候補とされる。但し、この他にも、ソート表の
全ての次元を通して次候補となるクラスタペアが調べら
れ、最も多くの次元で候補となっているクラスタペアか
ら選択するようにする等、計算順序が決定される指標
は、計算の手間と効果を基に変更が可能である。次に、
第１の実施例と同様に、クラスタペアの歪みを基にその
ペアが併合されることによる誤差の増加量が計算され
る。ここで、図４のフローチャートを参照して、二乗歪
みを用いた場合の計算の手順について説明する。

【００４８】先ず、所望のクラスタまで併合されたか否
かが判定され（ステップＳ２１）、併合されていない場
合は、計算順序決定部１７により上述した指標に基いて
クラスタペアが選択される（ステップＳ２２）。これに
より、選択されたクラスタペアＣi とＣj に関するデー
タが、コードブック１２から上限値計算部１４へ読み込
まれる。

【００４９】最初に読み込まれたクラスタペアについて
は、上限値計算部１４にて、上記数４の関係式に従って
併合による誤差の増加量が計算され（ステップＳ２
３）、これが上限値（ＨＬＶ）として比較制御部１６に
送出される。一方、下限値計算部１５では、ソート表１
３の最小値の組合せで誤差の増加量の下限値（ＬＬＶ）
が計算され（ステップＳ２４）、比較制御部１６に送出
される。

【００５０】次いで、比較制御部１６に於いて、上記上
限値と下限値が比較される（ステップＳ２５）。この比
較で、両者が一致する場合は、そのクラスタペアが併合
され（ステップＳ２６）、新しいクラスタが生成され
る。そして、併合により喪失されたクラスタの重心ベク
トルの削除と、新しいクラスタの重心ベクトルの挿入に
基き、ソート部１１でコードブック１２及びソート表１
３が更新される。

【００５１】上記ステップＳ２５の比較の結果、上限値
と下限値が一致しない場合は、計算順序決定部１７に
て、次のクラスタペアが選択される（ステップＳ２
７）。そして、クラスタペアＣi とＣj に関するデータ
が、コードブック１２から上限値計算部１４へ読込まれ
る。この上限値計算部１４で、上記数４の関係式に従っ
て、併合による誤差の増加量の部分和（Ｙ）が計算され
（ステップＳ２８）、上限値（ＨＬＶ）との比較による
計算の打切りが実施される（ステップＳ２９）。

【００５２】すなわち、ＹがＨＬＶと同じか大きくなっ
た場合、そのクラスタペアの併合による誤差の増加量が
新たに最小とはならないことが分かる。したがって、こ
のクラスタペアが下限値の計算対象から除外され（ステ
ップＳ３０）、ＬＬＶの再計算（ステップＳ２４）に戻
る。

【００５３】一方、上記ステップＳ２９に於いて、Ｙ＜
ＨＬＶの場合は、インデックスｋがインクリメントされ
た後（ステップＳ３１）、ｋ＞Ｍであるか否かが判定さ
れる（ステップＳ３２）。ここで、ｋがＭと同じか若し
くは小さい場合は、Ｙの値が再び計算された後（ステッ
プＳ３３）、ステップＳ２９７に戻る。そして、数４の
関係式を計算し終えて、その値ＹがＨＬＶよりも小さく
なった場合、Ｙが新たなＨＬＶとされる（ステップＳ３
４）。

【００５４】ここで、それまでＨＬＶを与えていたクラ
スタペアは、その併合による誤差の増加が最小ではない
ことが分かる。そのため、このクラスタペアが下限値の
計算対象から除外され（ステップＳ３５）、ＬＬＶの再
計算に戻される（ステップＳ２４）。以上のステップに
従って、所望のクラスタ数になるまで併合が続けられ
る。表９乃至表１２は、以上の処理に基く、小さなコー
ドブックベクトルに対する処理の一例を示したものであ
る。

【００５５】

【表９】上記表３の組合せ（２，４）から、初期値として、ＨＬ
Ｖ＝１４／２＝７、ＬＬＶ＝（１（２，４）＋１（１，
３）＋４（１，４））／２＝３が得られる。

【００５６】

【表１０】

【００５７】上記表３の組合せ（１，３）から、Ｙ＝２
５／２＝１２．５が得られる。（１，３）の組合せがＨ
ＬＶより大きくなるので、第１次元で計算が打切られ、
（１，３）が除外される。また、ＬＬＶ＝（１（２，
４）＋４（２，３）＋４（１，４））／２＝４．５とな
る。

【００５８】

【表１１】

【００５９】上記表３の組合せ（１，４）から、Ｙ＝４
／２＋３６／２＝２０が得られる。（１，４）の組合せ
がＨＬＶより大きくなるので、第２次元で計算が打切ら
れ、（１，４）が除外される。ＬＬＶ＝（１（２，４）
＋４（２，３）＋４（２，４））／２＝４．５となる。

【００６０】

【表１２】

【００６１】上記表３の組合せ（２，３）から、Ｙ＝４
／２＋４／２＋１６／２＝１２が得られる。（２，３）
の組合せがＨＬＶより大きくなるので、（２，３）が除
外される。また、ＬＬＶ＝（１（２，４）＋９（１，
２）＋４（２，４））／２＝７となる。

【００６２】こうして、ＨＬＶとＬＬＶが一致するの
で、（２，４）の組合せが併合されることに決定され
る。これにより、組合せ（１，２）及び（３，４）に関
する計算が除外される。

【００６３】このような手順に従えば、上述した第１の
実施例の効果に加えて、併合の対象となる可能性の高い
クラスタペアから順に誤差増加量計算が実施されるの
で、誤差増加量計算の回数をさらに削減することができ
る。

【００６４】また、これには下限値計算のためのソート
表を利用することができる。すなわち、特別な処理を増
やすことなく、誤差増加量計算の回数を削減することが
可能になるので、最適なベクトル量子化コードブックを
更に高速に作成することができる。

【００６５】

【発明の効果】以上のようにこの発明によれば、ベクト
ル量子化コードブックを作成するＰＮＮ法に於いて、新
たなクラスタペアの併合による誤差増加量の計算を誤差
増加量の上限値との比較により打切るようにし、目標ク
ラスタ数に至るまでの併合の過程で誤差増加量の上限値
と下限値の一致によって、そのクラスタペアの併合を決
定するようにし、且つこの計算の対象となるクラスタペ
アの選択に下限値計算に用いられるソート表を利用して
併合するクラスタを選択する時期を早めたことにより、
非常に少ない計算量で、最適なベクトル量子化コードブ
ックを効率よく高速に求めることが可能なベクトル量子
化コードブック作成装置を提供することができる。

【図面の簡単な説明】

【図１】この発明の第１の実施例に係るベクトル量子化
コードブック作成装置の構成を示すブロック図である。

【図２】第１の実施例の動作を説明するフローチャート
である。

【図３】この発明の第２の実施例に係るベクトル量子化
コードブック作成装置の構成を示すブロック図である。

【図４】第２の実施例の動作を説明するフローチャート
である。

【符号の説明】

１１…ソート部、１２…コードブック、１３…ソート
表、１４…上限値計算部、１５…下限値計算部、１６…
比較制御部、１７…計算順序決定部。

フロントページの続き (56)参考文献特開昭58−218242（ＪＰ，Ａ) 特開昭59−77730（ＪＰ，Ａ) 特開昭60−172844（ＪＰ，Ａ) 特開平１−205638（ＪＰ，Ａ) 特開平２−131621（ＪＰ，Ａ) 特開平２−237270（ＪＰ，Ａ) Ｙ．Ｌｉｎｄｅ，Ａ．Ｂｕｚｏ，ａｎｄＲ．Ｇｒａｙ：“ＡｎＡｌｇｏｒｉｔｈｍｆｏｒＶｅｃｔｏｒＱｕａｎｔｉｚｅｒＤｅｓｉｇｎ”，ＩＥＥＥＴｒａｎｓ．ＣＯＭ，Ｖｏｌ. 28，Ｎｏ．１，ｐｐ84−95（Ｊａｎ. 1980) (58)調査した分野(Int.Cl.⁷，ＤＢ名) H03M 7/30

Claims

(57)【特許請求の範囲】

【請求項１】クラスタの重心ベクトル間の歪みを次元
毎に、その大小関係により分類するソート部と、このソート部に於けるクラスタペアの併合による誤差の
増加量の計算が終了したもののうち最小の誤差増加量が
求められる度に誤差増加量の上限値として更新設定する
上限値計算手段と、上記最小の誤差増加量を与えるクラスタペアと誤差増加
量の計算が未終了のクラスタペアとのうちで次元毎に算
出される歪みについて最小となる歪みに基く組合せで求
められる誤差増加量の下限値を設定する下限値計算手段
と、上記上限値計算手段及び下限値計算手段で得られた上限
値及び下限値を比較して一致した場合に併合するクラス
タペアを決定するべく制御する比較制御手段とを具備す
ることを特徴とするベクトル量子化コードブック作成装
置。