[論文レビュー] Optimal Design of Multiple Description Lattice Vector Quantizers

Xiang Huang, Xiaolin Wu|ArXiv.org|Sep 22, 2006

Advanced Data Compression Techniques参考文献 17被引用数 3

ひとこと要約

本稿では、新しいK分数格子構成を用いて、任意のK ≥ 2および次元に対して漸近的に最適であることが証明された、線形時間で動作するグリーディなインデックス割り当てアルゴリズムを、複数記述格子ベクトル量子化器（MDLVQ）に対して提案する。K=2の場合、やや厳しい条件のもとで有限Nでの最適性を達成し、p、Rt、Nの関数として期待歪みの非漸近的閉形式式を初めて導出し、レート歪み最適化における設計精度を著しく向上させる。

ABSTRACT

In the design of multiple description lattice vector quantizers (MDLVQ), index assignment plays a critical role. In addition, one also needs to choose the Voronoi cell size of the central lattice v, the sublattice index N, and the number of side descriptions K to minimize the expected MDLVQ distortion, given the total entropy rate of all side descriptions Rt and description loss probability p. In this paper we propose a linear-time MDLVQ index assignment algorithm for any K >= 2 balanced descriptions in any dimensions, based on a new construction of so-called K-fraction lattice. The algorithm is greedy in nature but is proven to be asymptotically (N -> infinity) optimal for any K >= 2 balanced descriptions in any dimensions, given Rt and p. The result is stronger when K = 2: the optimality holds for finite N as well, under some mild conditions. For K > 2, a local adjustment algorithm is developed to augment the greedy index assignment, and conjectured to be optimal for finite N. Our algorithmic study also leads to better understanding of v, N and K in optimal MDLVQ design. For K = 2 we derive, for the first time, a non-asymptotical closed form expression of the expected distortion of optimal MDLVQ in p, Rt, N. For K > 2, we tighten the current asymptotic formula of the expected distortion, relating the optimal values of N and K to p and Rt more precisely.

研究の動機と目的

• 格子ベースのコードブックに焦点を当てることで、最適な複数記述ベクトル量子化（MDVQ）設計の計算不能性に対処すること。
• 与えられたレートおよび損失制約のもとで期待歪みを最小化する、効率的でスケーラブルなMDLVQのインデックス割り当てアルゴリズムを開発すること。
• N（部分格子インデックス）、K（記述数）、ν（ボロノイ胞のサイズ）の最適なパrameter選択を支援するため、期待歪みの解析的表現を導出すること。
• 新しいK分数格子構成を用いて、最適MDLVQ設計の理論的基盤を確立すること。

提案手法

• K ≥ 2のバランスの取れた記述に対して、インデックス割り当てを体系的に行うためにK分数格子の概念を導入する。
• 任意のK ≥ 2および次元に対して、N → ∞ のとき漸近的に最適であることが証明された、線形時間で動作するグリーディなインデックス割り当てアルゴリズムを開発する。
• K=2の場合、やや厳しい条件下で有限Nでの最適性を証明し、正確な歪み解析を可能にする。
• グリーディな割り当てを改善するための局所的調整演算子Rsh(a,b)を提案し、有限NおよびK > 2の場合にグローバル最適性に到達すると予想される。
• 無限集合へのマッピングを有限で取り扱える部分集合に還元しながら最適性を保持するため、二部グラフマッチングフレームワークを用いる。
• 中央歪み項と側面歪み項のトレードオフを分析することで期待歪みの式を導出し、部分格子構造および射影ベースのラベル付けを組み込む。

実験結果

リサーチクエスチョン

• RQ1 複数記述格子ベクトル量子化器（MDLVQ）に対して、低複雑性でスケーラブルなインデックス割り当てアルゴリズムを設計し、近似的に最適な性能を達成できるか。
• RQ2 固定された総レートRtおよび損失確率pのもとで、部分格子インデックスN、記述数K、期待歪みの間の正確な関係は何か。
• RQ3 K=2の場合に、最適MDLVQの期待歪みに対して非漸近的閉形式式を導出することは可能か。
• RQ4 有限Nに対してK > 2の場合のグリーディなインデックス割り当ての性能をどのように向上させれば、最適性に近づけるか。
• RQ5 どのような格子構造的性質が、MDLVQ歪みのより正確な漸近的特徴付けを可能にするか。

主な発見

• 提案されたグリーディなインデックス割り当てアルゴリズムは、任意のK ≥ 2および次元に対して、部分格子インデックスN → ∞ のとき漸近的に最適である。
• K=2の場合、やや厳しい条件下で有限Nでの最適性を達成し、p、Rt、Nの関数として期待歪みの非漸近的閉形式式を初めて導出できた。
• K=2の期待歪みは正確な解析的公式で与えられ、NおよびKの直接最適化による歪みの最小化が可能である。
• K > 2の場合、漸近的歪み公式を強化し、最適K、N、Rt、pの間のより正確な関係を提供した。
• 局所的調整アルゴリズムRsh(a,b)はグリーディな割り当てを改善し、有限NおよびK > 2の場合に最適インデックス割り当てをもたらすと予想される。
• K分数格子構成は、最適MDLVQ設計におけるν、N、Kの相互作用をより深く理解するための新しい理論的枠組みを提供した。