数据压缩 DPCM编码

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↓