数字信号处理DSP4-1.pptVIP

数字信号处理 第四章 数据压缩系统 音频信号的压缩 差分量化与霍夫曼编码 变换压缩与DCT原理 数字信号的数据量 音频信号：频率范围20—20K 采样频率：40K 量化位数：16bit 数据量：640K bps 信号存储时占用大量存储资源； 信号传输时占用大量频带资源。 数据压缩 在保障有效信息不变的条件下，以最少数据量实现信号的存储与传输。 有损压缩： 去除非重要信息实现数据压缩; 无损压缩： 改变信号的表达方式去除冗余信息。 采样频率与数据 数字电话音质：8K （200HZ－3.4kHZ） 调幅广播音质：11K 调频广播音质：22K CD音质： 44K CD VCD MP3 专业音质：48K 专业音频 DVD 量化数据压缩：非等距量化 根据听觉的对数效应，采用压扩技术进行非等距量化，可以在保持听觉精度的条件下有效降低量化位数。 量化数据压缩：非等距量化 数字压扩：13折线法 量化数据压缩：差分量化 差分量化（DPCM)将测量数据序列变换为相邻测量数据的差值序列： 采用差分量化，可以有效降低数据的幅度，使大量数据集中于较小的量化区间中，结合变字长编码的使用，可以得到较好的压缩效果。 [y,fs1,bit]=wav_read(audio1.wav); n=1:length(y);plot(n,y);n1=1:1024; y1=y(198025:199048);y2=y1; for i=2:1024 y2(i)=y1(i)-y1(i-1);end figure(1),plot(n1,y1);axis([1,1024,-0.15,0.15]); figure(2),plot(n1,y2);axis([1,1024,-0.15,0.15]); 量化数据压缩：差分量化 量化数据压缩：差分量化 信号编码的数据压缩 当编码对象出现概率不同时，对出现概率大的对象采用较短字长编码，可以有效降低数据量，变字长编码的平均位数（字长）可以表达为 第k个对象的字长*第k个对象出现的概率 Huffman 编码 先对数据对象进行扫描，确定不同数据对象的出现概率，然后根据不同概率进行编码。该方法被广泛应用于各类数据压缩：rar、zip、JPEG 例：在3位量化时，具有8种可能的测量值；对100个测量数据进行统计如下 Huffman 编码 100个数据的编码总位数：210 2叉树分支编码，短字长码不能成为长字长码的前缀 Huffman 编码 size(find(abs(Y)(1/8)*max(abs(Y)))); 在音频信号的分析处理中，每段短时信号常常具有较强的周期性，时间信号的幅度分布变化较大，但频谱信号却集中在少数频段中，大多数频段中频率分量为0。对这种频谱信号进行变字长编码压缩可以取得更好的效果。 利用信号变换进行数据压缩 利用信号变换进行数据压缩 size(find(abs(Y)(1/16)*max(abs(Y)))); 利用信号变换进行数据压缩 DFT变换后的数据为复数，对数据压缩效率存在一定影响；若将待转换信号扩展为偶信号（偶对称信号），则对应频谱可以表现为实信号，数据量可以大大减少。 这种变换称为离散余弦变换DCT。 离散余弦变换DCT 原始N点序列 2N点DFT 离散余弦变换DCT 偶对称2N点序列 N点DCT变换因子 离散余弦变换DCT 离散余弦变换：DCT特点 DCT变换因子： 具有一定对称性，但缺少系数包容性 典型DCT定义： 离散余弦变换DCT 离散余弦变换：DCT特点 对N个时间信号测量数据进行变换，得到N个频率分量构成的频谱序列； 时间序列和频谱序列均为正区间中的N点实数序列； 运算只涉及实数乘法，可以建立快速算法； 变换具有低通特点，用于声音和图象处理时，数据压缩效率较高。 离散余弦变换：DCT特点 周期对称性: 8点DCT需要22次实数乘法！ 离散余弦变换：DCT特点 DCT计算： 直接利用DCT对称性进行计算； 先进行2N点DFT计算，再乘以旋转因子。 离散余弦变换：DCT特点 [y,fs1,bit]=wav_read(audio1.wav); n=1:length(y);plot(n,y); y1=y(198025:199048); n1=1:1024; figure(2), plot(n1,y1);axis([1,1024,-0.15,0.15]); Y=fftshift(fft(y1,1024)); w=-511:512;k=pi/512; figure(3),plot(k*w,abs(Y));axis([-3.14,3.14,0,60]); Y2