可编程-4课件.pptVIP

1937年, 美国A.H.里弗斯提出PCM的概念 1946年第一台PCM数字电话终端机在美国Bell实验室问世。 1962年后，采用晶体管的PCM终端机大量应用于市话网中，使市话电缆传输的路数扩大了二三十倍。 20世纪70年代后期，随着超大规模集成电路PCM芯片的出现，PCM在光纤通信、数字微波通信和卫星通信中得到了更为广泛的应用。 自适应脉冲编码调制（APCM） 前向自适应：根据未量化的样本值的均方值来估算输入信号的电平，以此来确定量化阶的大小。 后向自适应：从量化器刚输出的过去样本中提取量化阶信息。 图像矢量量化 标量量化：把每个像素的颜色用一个0到255之间的整数值表示。 矢量量化：把几个像素组成的像素块，用一个特定码书中的像素块来表示，码书中像素块的数目一般远小于这些像素块所有可能颜色的组合。 矢量量化的使用 如果一个2x2像素的小块，每像素有8位表示，则所有的像素块的可能取值有：232=4G种 选择一个远远小于这个数的数n，作为码书中码的个数，然后对图像中的每个块（矢量），用一个码书中的码来近似，这样只需用这个码的编号来编码这个图像矢量即可，因此每一个小块，最后都只需用log2n个位来表示，由此达到压缩的目的。 图像块与码书中码的匹配 设图像块B=(b1, b2, …, bn)码矢量：C=(c1, c2, …, cn) 图像块与码矢量的匹配程度，由它们之间的“距离”来度量，一般d(B, C)可取如下之一： Σ|bi - ci| Σ(bi – ci)2 Max|bi - ci| d(B, C) 可以看成失真程度的一种度量(B用C表示) LBG算法 LBG算法是由Linde, Buzo 和 Gray三位学者提出的方法。其主要的思想是：从一组码矢量出发，将所有的图像矢量进行划分，然后再重新计算码矢量，直到码矢量的变化收敛时，即完成了码书的选择。 确定初始划分：P1 = (B1, B2, B3, B4) P2=(B5, B6) P3=(B7) P4=(B8, B9, B10, B11, B12) 平均失真为D(可用ΔD/D?作为收敛判断准则)：mean({1508, 164, 1544, 200, 900, 500, 200, 949, 725, 625, 100, 325}) = 645 计算4个新的码矢量为：{(B1+B2+B3+B4)/4, (B5+B6)/2, B7, (B8+B9,B10,B11,B12)/5}，所以新的码矢量为：C1=(46,41), C2=(65, 145), C3=(200,210), C4=(206,41) lenna图像，256×256，8bpp 将其分成4×4的小块，共有64×64=4096个，用LBG求它的码书(128个码矢量)，看矢量量化后的图像。 自适应增量调制(ADM) 使增量调制器的量化增量Δ能自适应，也就是根据输入信号斜率的变化自动调整量化阶Δ的大小，以使过载噪声减到最小 在检测到斜率过载时开始增大量化阶Δ，而在输入信号的斜率减小时降低量化阶Δ。 CVSD（连续可变斜率增量调制）： 如果编码器的输出连续出现三个相同的值，量化阶就加上一个大的增量；反之，就加一个小的增量。 矢量量化应用于语音识别： (1) 将待识别的语音样本（一个字或一个词）分帧矢量量化，其量化码书序列作为识别的参考模板。 (2)识别时，对输入的语音计算其矢量量化序列，并计算该序列与每一参考模板的总平均失真量化误差 (3) 误差最小的码书序列所对应的字（或词）即为识别结果。 为提高编码效率，对于时间相关的信号序列，通常用两类方法进行编码。 5.3 相关信源编码 变换编码：引入某种变换，将信号序列变换为另一个域上彼此独立或者相关程度较低的序列，同时将能量集中在部分样值上，再对这个新序列进行编码。 预测编码：利用信号序列的时间相关性，通过预测以减少信息冗余后再进行编码 将第n个时刻的信号值x(nTs)记为xn，相应第n-1, n-2,…个时刻的信号值记为xn-1, xn-2,… 对于时间相关的信号序列，由于xn与 xn-1, xn-2,…相关，故只要知道xn-1, xn-2…，就可对xn进行预测。 设预测值为 5.3.1 预测编码 dn：预测误差。 因此，如果是对dn进行量化、编码而不是对xn进行量化、编码，就会减少信息冗余，从而提高编码效率。 最常用的预测方法：线性预测 预测阶数应该取多大，加权系数又应该怎样选取，才能在性能和简单上得到合理的折中？ 称为预测阶数 为加权系数。 增量调制（或DM，Differential Modulation） 差分脉冲编码调制（DPCM，Differential Pulse Code Modulation） 自适应差分