- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
* 5.GP与预测阶数的关系 预测通常要选用前多少次的样值来参与,见下图 当阶数大于2时,最佳预测增益就趋于饱和, 饱和值一般为6-12dB * 6.3 自适应预测 为了获得最大的预测增益,通常采用自适应预测方式,预测系数在预测过程中实时调整. 1.前向自适应预测算法 如前所述,根据短时间的相关特性R(i),求短时的最佳预测系数,运算量大,延迟时间大,不能用于高速系统。 * 2.后向序贯自适应预测算法 在dq(k)最小的情况下,找出最佳预测系数,采用 不断修正预测系数{ai(k)}的方法来减小瞬时平方差 dq2(k),使{ai(k)}不断接近{aiopt(k)}. Widrow提出的LMS算法 * 梯度符号算法 以下来说明: 差值信号=实际信号-预测信号,表达式为: * 预测过程如上图所示,此次预测系数ai越大, 此次的预测值Sr(k)就越大. * 1.若预测信号Sr(k)0,差值dq(k)0, 在正信号情况下预测值小于实际值, 应增加下一次的预测系数使预测值增加。 * 2.若预测信号Sr(k)0,差值dq(k)0, 在正信号情况下预测值大于实际值, 应减小下一次的预测系数使预测值减小。 * 3.若预测信号Sr(k)0,差值dq(k)0, 在负信号情况下预测值大于实际值, 应减小下一次的预测系数使预测值减小。 * 4.若预测信号Sr(k)0,差值dq(k)0, 在负信号情况下预测值小于实际值, 应增加下一次的预测系数使预测值增加。 * 6.4 自适应量化 自适应预测解决了预测增益最大的问题,自适应量化主要解决量化信噪比最大的问题,这里的量化是指对差值信号的量化。 功率变化大(动态范围大)的信号,量化器参数(量化电平{dqn}、分层电平{dn}、量阶?)应能跟上输入信号方差的变化。 * 介绍以下两种方式: 1、前向自适应量化: 按输入信号的方差来调整量化电平{dqn}和分层 电平值{dn} .?d2大,用大量阶; ?d2小,用小量阶。 这种方法在实时系统不易实现。 * 2、后向自适应量化 根据前一时刻的输出数字码I(k-1)或量化器输出 值{dqn(k-1)}来确定本次{dn(k)}与{dqn(k)}。 是目前常用的方法。 Jayant提出的后向自适应算法: 本次量化间隔=前一次量化间隔*量化调整因子 * 上式算法在有传输误码情况下,会产生误码 扩散问题,因此采用修正式: ?-抗误码因子 M[|I(K)|]-量化间隔调整因子 * 对于L=16的DPCM(DPCM通常采用4位编码,L=16),此表是绝对值,共8组值,正负信号刚好表示16个值。 Jayant等人根据大量实验确定了不同量化 电平L时DPCM量化器的M值见下表 * 注意: 1、对于非均匀量化,不能直接使用6-26式。 2、6-26式是一种快速瞬时自适应,适用于语音 等电平变化快的信号。 3、对于MODEM或信令等变化慢的信号,表6-26 要重新定义,M值基本都接近1,只有M[|I(8)|]才略大 于1,约为1.024。 * 自测题 (1)差分脉冲编码调制的预测增益由何而来。 人有了知识,就会具备各种分析能力, 明辨是非的能力。 所以我们要勤恳读书,广泛阅读, 古人说“书中自有黄金屋。 ”通过阅读科技书籍,我们能丰富知识, 培养逻辑思维能力; 通过阅读文学作品,我们能提高文学鉴赏水平, 培养文学情趣; 通过阅读报刊,我们能增长见识,扩大自己的知识面。 有许多书籍还能培养我们的道德情操, 给我们巨大的精神力量, 鼓舞我们前进。 * * 现代通信原理 第六章 自适应差分脉码调制 * 单元概述 差分脉冲编码调制由增量调制演变而来,它用二进制码组对信号的差值进行幅度量化和编码。这里所谓“差分”又称“差值”,是一般意义上的“增量”,即信号的当前抽样值与预测值之差。ADPCM之所以能用较小的码组编码,而获得接近PCM的量化信噪比,其关键在于“预测”。“预测”得越准确,
文档评论(0)