Lloyd-MAX算法的研究报告.doc

Lloyd—Max 算法的总结 摘 要：本文分析模拟—数字信号转变过程中抽象信号为离散时间，幅度连续，无记忆的 随机信号的最佳量化问题。并对算法做了总结，应用MATLAB编写程序实现该算 法，最后给出了运用该程序进行计算的几个例子。 关键词：非均匀量化，失真度，Lloyd—Max算法 一．引言 模数转换要经过抽样，量化和编码三个步骤。如下图所示： SCH 为带限的平稳随机过程，根据抽样理论，我们可以对此随机信号进行奈圭斯特抽样抽样的输出为 。它是与 等效的离散抽样序列。经过量化器以后，用L个电平值来表示次 序列，然后对此L个电平进行编码（假设为2进制码）。如果L为2的整数幂。则每个量化电平需要的码长为： , 如果L不是2的整数幂。则上式为 。如果L个电平值不等概的情况下，我们可以用哈夫蔓编码（又叫熵编码）增加编码效率。 然而，量化过程用到数据的压缩，从而引进了信号的失真。这种失真即为量化失真。我们用量化误差来表示。本文的重点就是讨论如何最大限度的减小量化误差。 二．信息论的解释 2．1．失真度D 假定抽样器的输出序列为 ，量化器的输出序列为 。 为不同的量化值。则两个量化值的失真为： 如果p=2 ；则此失真称为均方失真。 平均失真量为： 如果x（t）是服从概率密度函数为p（x）的随机信号，则： 失真度D： 如果用： 来表示。 量化噪声MSE： 量化信噪比SNR： 2．2．率失真函数R（D）： 我们假定信源为无记忆，连续幅度，它的幅度概率密度函数为p（x），则率失真函数R（D）的表示式为： 现在分析一下失真函数R（D）的意义。给定允许的失真度D 的情况下，寻求平均互 信息量的最小值。在信源编码过程中，该最小值的意义即为：给定一定的失真度D，存在最小的编码码长R。即可寻求最小的量化电平数L。因此，进行最佳量化设计的目标可以看成以下问题： A：给定量化电平数L，寻求一种方法使得失真度D最小。 B：对于允许的失真度D，怎样减少量化电平数L。 本文章将讨论问题A，即怎样寻择量化方法使D最小。 量化的方法有很多，如权量化，自适应量化，矢量量化和标量量化。下面将对标量量化进行讨论。 三．标量量化的最佳量化问题 在信源量化中，如果我们知道量化器的输入信号为概率密度函数为p（x），则量化器可以进行优化。同样的，设输入的信号概率密度函数为p（x），量化电平数设为L。误差函数设为 量化失真度为D。最佳量化器的目的即为减小D，为此，必须正确选取最佳量化电平值和量化区间 。Lloyd-Max算法就是最佳量化的好的实现方法。我们称用Lloyd-Max算法的量化器为Lloyd-Max最佳量化器。为讨论该算法，我们先介绍均匀量化 对于均匀量化，设量化电平为： ，其中，Δ为量化台阶 当(k-1)Δ≤xkΔ时，量化为　　　　 假设均匀量化器的输出为对称的偶数个电平，则平均失真为： 对Δ求导，即可得到最小的量化失真Ｄ。对上式求导为： 给定一个p（x），可以通过计算机编程设计得到最佳量化的矢量步长 。Max首先对输入信号为均值为0，单位方差的高斯信号进行了计算。 四．Lloyd—Max算法 对于输入信号分布函数p（x），量化输出电平　　，量化电平数为Ｌ，量化区间端点值为　　　 当　　　　　　 时 则量化为　　．　　　　　，　　　　　. 则失真度为： 对 和 进行优化以减小D，同时对 和 分别求导，得到下面两个等式： 采用均方误差则 ，所以可以得出： 这两个式子可以通过计算机编程进行连续的迭代计算，求出最佳的 和 ，以尽可能达到最小的D。 五．MATALB的编程实现 给定量化电平L和输入信号概率密度函数p（x）和信号可能的最大值，最小值进行迭代，求出最佳量化电平 和量化范围 。并给出了一个结果。其中的失真度D的绝对值过大，仅仅是为了说明情况，具体的计算可以根据需要的值进行设置两次迭带中的D值之差，进而计算出比较精确的结果。 （程序清单和计算结果见附录） 六．结束语 Lloyd—Max算法的特点是：量化电平集中在信号概率大的区域。在量化电平极小的情况下，均匀量化和非均匀量化的性能差不多。但是随着量化电平数的增加，非均匀量化产生的失真度明显