[信息与通信]第五章 预测编码.ppt

数据压缩的一般步骤 1938年Reeves提出脉冲编码调制（PCM) 取样（Sampling) 量化（Quantization) 编码（Coding) 一般PCM对样值信号编码都是按照样值幅度独立进行，每一编码码组允许的信号动态范围就是原信号的动态范围，它比较大，需要较多编码位数。 任何信号,不论语音或图像,采用直接采样-量化-编码的方式进行编码,都会发现码组之间具有很强的相关性. 由于相关性的存在,传输数据中存在大量不需要传输的信息,称为冗余. 图像中存在大面积部分相似或完全一样的像素 水平相邻像素的联合直方图 视频图像前后几帧的内容变化不大（位置可能不同，可用运动估计方法找到对应位置） 图像中物体表面纹理等结构存在冗余 差分编码：利用信源相邻符号之间的相关性 用过去的样本预测当前样本，然后对差值进行编码 如果预测模型足够好，且样本序列在时间上相关性较强，差值会很小 对差值再量化，相同码率下，量化误差会减小 差分编码 预测编码基本原理 差分编码：DPCM、ADPCM ADPCM在语音编码中的应用 G.726 预测编码在图像编码中的应用 JPEG无损压缩模型 JPEG-LS 预测编码在视频编码中的应用 帧内预测 运动估计/运动补偿 例： 原始信号：sinusoid，采样：30个样本/秒 相邻样本的差分的幅值大大减小：[-1, 1] ? [-0.25， 0.25] 用2比特均匀量化器量化，步长为0.1，量化误差：[-0.05, 0.05] 例： Sinan图像 基本算法 考虑序列： 6.2 9.7 13.2 5.9 8 7.4 4.2 1.8 差分： 6.2 3.5 3.5 ?7.3 2.1 ?0.6 ?3.2 ?2.4 无失真编码： 编码差分就足够重构原始信号 有失真编码 量化器: ?6 -4 -2 0 2 4 6 量化序列：6 4 4 ?6 2 0 ?4 ?2 ‘无失真’重构：6 10 14 8 10 10 6 4 QE：0.2 ?0.3 ?0.8 ?2.1 ?2 ?2.6 ?1.8 ?2.2 观察：QE看起来随时间增大——这是偶然吗？ 基本算法 (2) 考虑： {xn} 与 dn = xn – xn-1 基本算法 (3) 误差累积是由于解码器只能利用 来重构 ，而编码器利用 来计算差值 如果编码器和解码器利用相同的数据 来计算差值，则可以避免误差累积 dn = xn – xn-1 基本算法 (4) 可选的编码： 例：基本算法 举例：4-DPCM系统编码器 DPCM中的预测 差分序列的方差 f (·)的选择影响?d，但是 ? 依赖关系： 精细量化假设：粒度足够好，使得 从而 使 最小的预测函数（假设信源为平稳过程） 线性预测器 ，N为预测器的阶数(order) 计算{ai}，使得 最小，即 线性预测器 (2) 其中 为自相关函数， 线性预测器 (3) 所以 线性预测器 (4) 写成矩阵形式： 线性预测器 (5) 差值信号的方差比原信号的方差小 线性预测器 (6) 最小预测误差用自相关函数的形式表示为： 与几何证明结果一致：误差信号的方差比原信号的方差小 如果量化器的均方量化误差相同，编码差值需要更少的比特，达到压缩的目的 越大， 的相关性越高，压缩比也越高； 当N足够大，使得 ，即信号间不相关时，此时利用预测编码不再提高压缩比 N决定了预测器的复杂度 例：线性预测器 例：令DPCM中的参数 ，即 则 其中 为信号的自相关系数，当 时， ，可达到压缩的效果 对电视图像，通常 此时 ，这意味着误差信号的功率比原始信号降低了 降低6 dB 约减少1bit 例：线性预测器 例11.4.1：“test”的语音片断 例：线性预测器 (2) 计算 分