《数字信号处理及matlab仿真》关于矢量量化的学习

一 基本原理
1 定义
随着数字通信系统的快速发展。他带来了庞大的数据量，因此必须对其进行量化压缩。
量化分为：一类是标量压缩，一类为矢量压缩。

概念：矢量量化是先将看k（k>=2)个抽样值形成的k维空间Rk中的一个矢量，然后将其矢量进行量化，并设法使其失真或量化噪声最小，他可以极大的降低数码率，优于标量量化。

矢量量化的理论基础是香农的率-失真理论。
率-失真理论是对给定的失真D，可以计算率-失真函数R（D）。

矢量量化是先把信号序列的每K个连续样点分成一组，形成K维欧式空间中的一个矢量，然后对此矢量进行量化。

当K=2时，所有的可能的二维矢量就形成了一个平面。如上图，被分为16分。然后，从每一份中找出一个代表值Yi来表示这片区域。把这个代表值称为量化矢量。通常把所有N个量化矢量构成的集合称为码书或者码本。码书中的矢量称为码字或码矢。

矢量量化系统通常可以分解为两个映射的乘积
Q=αβ
式中，α是编码器，它是将输入矢量映射为信道符号集中的一个元。β是译码器，他是将信道符号映射为码书中一个码字。

2 失真测度

设计矢量量化器的关键是编码器α的设计，译码器的工作过程仅仅是一个简单的查表过程。设计编码器需引入失真测度的概念，失真测度的选择直接影响矢量量化的性能。

失真测度是以什么方法反映用码字Yi代替信源矢量x时所付出的代价。这种代价的统计平均值描述了矢量量化器的工作特性，
即 D=E[d(X,Q(X))]
E表示求期望。
常用的失真测度有：平方失真测度，也是最常用的

d(X,Y)=||X-Y||^2=∑（Xi-Yi）^2

绝对误差失真测度：d(X,Y)=||X-Y||=∑（Xi-Yi）
加权平方失真测度 :d(X,Y)=(X-Y)TW(X-Y)

在矢量量化器的设计中，失真测度的选择很重要，一把来说，要使所选用的失真测度有实际意义，必须要求他有一下几个特点：
1 必须在主观评价上有意义，即小的失真对应好的主观质量评价。
2 必须在数学上易于处理，能导致实际的系统设计。
3 必须可计算并保证平均失真D=E[d(X,Q(X))]存在。
4 采用的失真测度，应是系统容易用硬件实现。

3 设计矢量量化器
在编码端，输入矢量X与码书中的每一部分进行比较，分别计算出他们的失真。搜索到失真最小的码字Y的序号i并将i的编码信号通过信道传输到译码端；在译码端先把信道传来的编码信号译成序号i，在根据序号i，从码书中查出相应的码字。

4 最佳矢量量化器
设计最佳矢量量化器的两个条件：
1 在预先划分好量化区间的情况下，每个量化值必须是相应量化区间的质量中心。
2 当量化值给定时，量化区间的端点值必须是量化值两个临近点的中点值。。

matlab仿真。

78.00260 68.96160 108.10 37.29210 -132.2470 -331.3230 -107.490   
176.8750 219.4370 197.7890 189.880 111.6290 37.36760 -55.07650   
166.3110 71.35260 -45.02840 -95.44290 -207.7370 -149.9140 -35.0650   
228.4490 211.4110 202.0690 149.140 79.36680 35.87240 -2.571920   
212.8670 218.4680 210.4960 169.1380 112.5030 71.72470 18.74060   
87.4850 103.9410 165.1290 127.1810 62.73350 36.68130 5.012140   
194.5140 223.7490 228.830 179.3980 131.8170 79.86670 15.42130   
292.6330 299.1180 289.3850 233.7370 165.840 93.77260 56.03390   
295.720 292.820 260.8490 222.9090 143.9110 95.40540 74.11150   
492.6240 335.8380 220.50 186.6350 86.09850 -18.850 41.46850   
525.3010 368.6480 296.0120 254.8350 88.71350 -0.5666860 -22.41980   
493.8250 409.4960 415.9250 321.5940 172.8610 85.1450 18.49250  
524.8860 471.6740 450.4320 282.330 200.3640 162.1030 33.64180   
230.7110 223.640 193.7320 232.0110 180.7690 99.71030 14.39170   
-96.5580 -178.0160 -84.8520 47.99140 9.417930 -13.85680 28.21350   
-157.9590 -317.3330 -40.04780 402.5530 198.0860 90.95930 -158.7620   
-196.9220 -126.410 -279.7080 -95.11570 201.6510 117.6650 54.710   
-84.22020 -295.3640 -314.6840 289.0480 164.6740 52.27420 -39.93150   
-87.3620 -196.0750 152.3580 257.9440 139.3050 72.5850 3.326840   
504.6270 542.0140 480.660 461.1220 339.020 220.4180 -39.47980   
542.2760 549.3930 539.7170 457.140 321.340 196.2040 -2.330180   
630.0570 668.0470 594.1290 438.2780 344.4210 240.6910 -27.56850   
489.5830 342.8270 307.2720 204.5570 154.4690 113.6650 40.97350   
280.2590 293.5830 287.7230 283.6780 145.6910 45.1760 15.11950   
279.7490 285.7980 244.5190 195.7460 141.4040 79.19150 -29.18720   
142.7750 71.63450 40.05960 -18.36620 -32.92150 -41.17680 -62.70830   
189.4210 168.8240 115.8460 61.86910 -64.35480 -80.89840 -13.1820   
41.53520 -36.65320 -177.3720 -366.0970 -456.8650 -408.2020 -161.3220   
-181.2770 -188.530 102.1390 235.9180 117.5680 30.53290 -26.61540   
-260.7930 -400.8590 63.41260 181.0930 55.8460 45.74620 -35.07770   
-117.8360 -286.1070 365.310 204.0480 -55.0590 -0.645020 41.57350   
-144.7850 -244.160 428.4510 292.320 77.28570 9.332120 -38.77220   
-276.9580 -128.2370 446.6420 298.8490 221.9590 6.413310 27.22680   
-448.4380 -269.6410 359.5080 335.060 331.2120 225.0280 53.40680   
20.03610 103.3130 -4.653610 -178.1880 -294.7630 -222.2230 -20.59980   
-124.1260 -128.320 179.8030 218.9640 187.8240 -8.562160 -45.48510   
402.0220 355.2190 359.080 285.4640 171.8810 82.0730 0.8308390   
658.9860 601.8280 520.1580 362.4830 234.5550 120.5890 -10.7590   
676.4110 628.7810 576.9360 491.1320 369.2030 194.5810 39.6890   
653.1230 648.0340 688.8580 546.3290 333.5490 148.0240 14.87450      
730.90