伴随着信息与通信等领域的迅速发展，大量的语音、图像等多媒体信息要进行存储、处理与传输，需要很大的存储空间和信道带宽。为了提高存储效率和减小存储空间，在允许的失真条件下，应尽可能地消除媒体信息中的冗余信息。矢量量化技术作为一种有效的有损压缩技术，具有压缩比大、解码算法简单的特点，而成为语音、图像压缩编码的重要技术之一。矢量量化(VQ)技术不单是用于信息压缩，现已发展到说话人识别、数字水印、语音识别、图像识别、文献检索等领域。因此，矢量量化技术具有重要的研究价值。 矢量量化有三个方面的关键技术：码书设计、码字搜索和码字索引分配，其中码书设计是首要问题。码书设计的主要目标是找到训练矢量的一个最佳分类，即将M个k维的训练矢量分成N个类别的最佳方案。压缩编码，基于矢量量化的说话人识别，和基于矢量量化的数字水印都需要一个性能良好的码书。本文重点分析了经典的码书设计算法，研究了改进方案和码书优化算法。在此基础上，进一步地结合语音信号处理和图像处理有关理论和技术，研究了新的矢量量化说话人识别方案和矢量量化数字水印技术。 本文的主要工作和特色如下： 1．码书设计经典算法LBG得到了广泛应用，但该算法一般得到一个局部最优码书。利用进化算法优化码书是近年来的一个重要研究方向，其关键是需求合理的优化方案和优化搜索方法。目前有基于码书和基于训练矢量划分两种方案，但这两种方案将导致进化算法的优化搜索空间过大，要优化的维数分别是M和N×k，而目前的进化算法还难以有效解决高维的优化，优化效果不明显。本文针对上述两种方案存在的问题，提出了基于最近邻划分变异／矢量空间状态优化的方案。基于该方案，优化搜索在与矢量同维的低维空间中进行，编码空间相对较小，有利于优化算法的性能发挥，可有效地提高码书性能。 2．为了提高码书优化算法的效率，本文分析了进化规划(EP)、概率密度估计算法(EDA)、粒子群优化(PSO)等方法在应用于矢量量化方面存在的问题，并针对性地提出了两种新的混合型优化方法，及相应的码书优化算法： 1)基于概率密度估计算法的进化规划码书设计算法。EP具有找到全局最优码书的进化趋势，但其以变异算子为主要的进化操作，收敛较慢，引入EDA通过概率估计，预测最优个体，为EP提供搜索方向，加速算法的收敛。