数字视频图像处理PPT电子课件教案-线性预测.pptVIP

第05章 线性预测 Linear Prediction 线性预测 我们可以预测未来吗？答案是可以。但是不一定能完全准确地预测将来。 通常，事件之间有内在的结构关系和惯性，因此我们的确可以基于对过去和现在的知识来估计将来。 这和图像压缩又有何关系？我们的目标是用简洁有效的方式描述随机信号。线性预测有助于降低信号的冗余度，用较少的比特表示波形。 实质上，线性预测就是最小均方估值理论的一个特例。但由于它在图像压缩中的重要地位，我们单独用一章来讨论。 本章内容 Outlines 估值原理基础 带有限存储器的线性预测器 前向预测和后向预测 估值原理基础 预测是从观察的某随机变量，估计一个或多个随机变量的统计估值。被估计的变量关系到“将来”，而观察的变量关系到“过去”（或过去及现在）。 最常用的估计是从观察的 n 个先前的样值估计该平稳过程的现在样值。 在图像压缩应用中，从“先验”的图像样值块估计当前的图像样值块。 在信号压缩应用中，从一个或 n 个矢量预测某矢量。 估值原理基础－观察随机矢量预测第二个随机矢量 给定随机矢量 X=(X1,.,XN)T 要预测的矢量 Y=(Y1,.,YK)T ，两个矢量的维数不必完全相同。 例如，K=1 是最常见的情况，即从 N 个观察样值集合预测一个随机变量。 为便于概率分析，设这些随机矢量由概率分