Quantizzazione vettoriale

La quantizzazione vettoriale (VQ) è una tecnica di compressione con perdita utilizzata per ridurre la dimensione dei dati di un segnale sorgente sostituendolo con un insieme di simboli noti come "parole in codice". VQ trova la migliore corrispondenza (ottimale) delle singole parole in codice che rappresentano valori diversi di un dato vettore di segnale. Ogni parola in codice o simbolo rappresenta un insieme discreto di punti dati nel vettore che può essere utilizzato per ricostruire i dati originali. In altre parole, si tratta di una tecnica di compressione dei dati in cui la quantità di dati viene ridotta senza una significativa perdita di informazioni.

Nella VQ, il segnale sorgente viene prima suddiviso in singoli punti di dati. Questi punti di dati vengono poi confrontati con le parole chiave (note come vettori) per trovare la parola chiave che corrisponde maggiormente. La parola di codice che corrisponde meglio viene quindi selezionata e sostituita a quel punto di dati. Questo processo viene ripetuto finché l'intero vettore non viene ridotto a una serie di parole chiave.

VQ è stato utilizzato in una varietà di applicazioni, come la compressione di immagini e video, il riconoscimento vocale e l'elaborazione del segnale audio. È particolarmente utile per le situazioni in cui i dati sono già in un formato vettoriale predefinito, come una griglia bidimensionale. VQ può essere utilizzato anche nel data mining e nell'apprendimento automatico, dove può essere utilizzato per apprendere modelli in set di dati di grandi dimensioni.

VQ è noto anche come progettazione del libro dei codici, quantizzazione vettoriale, progettazione del quantizzatore vettoriale, codifica della quantizzazione vettoriale e quantizzazione vettoriale del libro dei codici. È un concetto importante nei campi dell'elaborazione del segnale digitale, del riconoscimento di modelli e della compressione dei dati.