第四章 随机信号的更新及建模.pptVIP

清音 浊音 声码器框图 * * * * * * * * * * * * * * * * * * 主要思想是通过对信号解相关，形成信号能量的不均匀分布，使大部分信号能量集中分布在较少的变换系数上，对不同的变换系数进行不同精细程度的量化，从而实现数据压缩。 如果所有变换系数不经量化全部传送，则在接收端可以通过逆变换无失真的恢复原始信号。若为了进行数据压缩，变换后不将全部变换系数传送。 寻找一种变换方式，在指定的失真准则下，经过变换所得的变换系数中需要传送的部分最少。经常使用且在数学上易处理的失真准则之一是最小均方误差准则（MMSE）。下面推导 MMSE 准则下的最佳变换 正交线性变换在图像数据压缩中的应用 假设A为正交变换矩阵 正变换，逆变换定义： 恢复出来的信号 造成的误差为 数据重构的均方误差 最佳参数b下的均方误差为 由已知的协方差矩阵直接计算。 误差由特征值确定，误差控制非常简便 正交线性变换特点 一般化正交变换：Karhunen-Loeve变换 平稳随机信号 相互独立的随机变量 相互正交的确定性函数 随机信号线性模型 将滤波器(线性变换)作用于随机信号，可改变随机信号的统计量。反过来说，对任意随机信号，其统计量是否可以看成一固定信号激励不同系统而产生？ 这种方法的好处是信号统计特性由系统参数确定，不需记录整个自相关序列（或功率谱），只需知道系统参数就可以描述信号。 对系统