通信原理ppt第7章.pptVIP

矢量量化编码 标量量化是对单个样本或单个参数的幅值进行 量化。 标量是指被量化的变量维数，即一维变量。 矢量量化是将若干个标量数据组构成一个矢 量，然后在矢量空间给以整体量化，从而压缩数据 而不损失多少信息。 例题 一个对语音编码的矢量量化器，已知码本长度N=256，码矢维数K=8，采样率f=3KHz，求该矢量量化器的传输速率。 预测编码的实质 预测编码是通过减小图像信息在时间上和空间上的相关性来达到数据压缩的目的。 主要步骤：（1）利用以往的样本值对新样本值进行预测，得出预测值。 （2）将预测值与实际样本值相减，得出误差值。 （3）对误差值进行量化、编码和传输。 一维预测、二维预测概念 一维预测：用做预测的样值与被预测的样值在同一行内 二维预测：用做预测的样值位于相邻的不同行。 DPCM优缺点 优点：算法简单，容易实现。 缺点：会产生误差扩散。 如果某一位码出错，对图像一维预测来说，将使该像素以后的同一行各个像素都产生误差； 对二维预测，该码引起的误差还将扩散到以下的各行。 后向预测与双向预测 前向预测：用k-1帧预测k帧图像的预测方式称为前向预测。 后向预测：如果待预测的子块是在k-1帧，而搜索区域处于k帧之内，也就是从后续的k帧图像预测前面的k-1帧图像。 双向预测：为了提高数据压缩比，往往要采用由前、后两帧来预测中间帧的方法。 双向预测付出的代价 预测误差越小，传输的数据率就越低。 双向预测所付出的代价是，对每一个子块需要传送2个位移矢量给收端，而且K帧的恢复必须等到接收到k+1帧之后才能进行。也就是说，解码运算的帧顺序是k-1、k+1、k,而图像显示的顺序是k-1、k、k+1。要保持显示的连续性，就需要多引入1帧的延时。 线性预测的三种基本类型（ 增量调制） 最简单的DPCM是增量调制，又称为ΔM。这时差值的量化级最简单，定为两级，也就是当差值为正时，输出“1”，差值为负时，输出“0”，且每个差值只需1 bit。 图7.10.5简单ΔM的波形 信源一般都具有很强的相关性，要提高信源的效率首先要解除信源的相关性。解除信源的相关性可以在时域上进行，这就是前面介绍的预测编码；也可以在空域乃至广义频域上进行，这就是下面将要介绍的域变换编码。 7.10.2变换编码 变换编码主要用于图像信源的压缩编码中。首先将实际的二维图像分解为若干个8个像素x8个像素的子块，并将它数字化，再分别对每个子块进行变换编码。 变换编码 任何函数都可通过数学变换形成另一个域的变量和数值，如著名的傅立叶变换就是这种变换的一个范例。 变换编码法中要选择一个最佳的变换，以便对特定数据实现最优的压缩。 变换编码思路 经过变换后，信息中最重要的部分(换句话，也 就是包含最大“能量”的最重要的系数）易于识别， 并可能成组出现。当成组时，也就是信息能量被封 装了。 最重要的系数在变换成频率域后，其编码的精 确度比次重要的系数要高。 上述变换本身是可逆的，是一种无损技术。然 而，为了取得更满意的结果，某些系数的编码位数 较其它的要多，某些系数干脆就忽略掉，这样就成 了有损的。 K-L变换 离散K-L变换是以图像的统计特性为基础的一种正交变 换，也称为特征向量变换或主分量变换。 离散K-L变换的变换矩阵不是固定不变的，而是随原始 输入图像而改变。根据某批图像，也许是某种类型的图像 集合，或者是某幅图，而求出合适于这批图像或这种类型 的图像。 离散K-L变换是一种理想状态，也称最佳变换，是一个 标准。 线性正交变换 在数据压缩中，进行正交变换的目的是希望为给顶的某 类信号找到一种最有效的表示方式。 假定一个离散信号由N个采样值组成，则可以认为它是 一个在N维空间中的向量（或称矢量），而每个采样值代 表N维信号空间中数据向量X的一个分量。 我们选取X的一个正交变换，使 Y=TX 其中Y与T分别为变换向量和变换矩阵。我们的目的是要寻找一个变换矩阵T，将经上式变换得到的Y用一个有M（MN）个分量构成的子集来近似，当删去Y中剩下的（N-M）个分量，仅用这个子集来恢复X时，不会引起明显的误差。这样就可以用Y的这个只有M个分量的子集来代表有N个分量的信号X，从而达到数据压缩的目的。 离散余弦变换（DCT） DCT变换的结果与离散K-L变换十分接近，而且变换后具有较高的能量集中度。特别是当信源的统计特性偏离上述规律时，其性能下降并不显著。同时DCT变换又具有多种快速算