DPCMcoding
实验原理
在一个DPCM系统中,有两个因素需要设计:预测器和量化器。理想情况下,预测器和量化器应进行联合优化。实际中,采用一种次优的设计方法:分别进行线性预测器和量化器的优化设计。
在本次实验中,我们采用固定预测器和均匀量化器。预测器采用左侧、上方预测均可。
量化器采用8比特均匀量化。
预测编码基本原理
- 信源的相邻符号通常是相关的。
相邻像素具有相关性。 - 预测编码:
利用信源相邻符合之间的相关性。
->根据某一模型利用以往的样本值对新样本进行 预测,然后将样本的实际值与其预测值相减得 到一个误差值,最后对这一误差值进行编码。
->如果模型足够好,且样本序列在时间上相关性 较强,则误差信号的幅度将远远小于原始信号 ,从而得到较大的数据压缩。
DPCM原理图
为防止量化误差累积,采用上一个样点的重建值对当前样点进行预测,故编码器中应内嵌一个解码器(如虚线所示),需要在编码端获得解码重建值。
量化
一、量化器的形式化描述
编码器将每个量化区间的索引发给解码器,解码器用重构水平表示该区间内所有的值。
1. 需要决定的参数:
(1)量化区间的数目
(2)决策边界(判决门限)
(3)重构水平
(4)量化区间索引的码字(量化码字)
2.优化方案
码率与失真之间需要折中,为了降低编码的比特数,需要减低量化区间 的数目,则导致更大的误差。
有两种方案来进行量化器设计:
(1)定长编码,给定Rbit进行量化编码,则量化区间数和量化区间索引码字都定了。确定判决电平和重建电平来使量化误差最小(可以求量化的均量误差MSE)。
(2)给定率失真函数或是量化误差,去决定量化区间数和量化区间的索引码字。
通常采用第一种方式优化量化设计。
二、均匀量化
1.均匀量化器的分类
1.1 中升型Midrise
1.2 中平型Midtread
2.均匀量化对不同分布的效果
2.1 均匀分布
均匀量化器只对均匀分布信源是最佳的。
Midrise↓