信源编码
文章平均质量分 93
大笨钟47
这个作者很懒,什么都没留下…
展开
-
On Rate Distortion Optimization Using SSIM
率失真优化在现代视频编解码器中被广泛应用于各种编码器决策,以优化速率失真的权衡。通常,使用的失真测量要么是平方和误差(SSE),要么是绝对和距离(SAD),这两者在使用时都很方便,但并不总是反映感知视觉质量。我们希望解决相同的RDO问题,但使用一个感知动机的失真度量,如SSIM。1.SSIM在假设人类视觉感知高度适应于从场景中提取结构信息的情况下,我们引入了一种基于结构信息的质量评估方法,就是SSIM。两个图像区域之间的SSIM定义为:其中,x和y是要比较的两个图像区域,ux和uyu_x和u_yu原创 2022-01-01 17:09:27 · 1149 阅读 · 0 评论 -
语音PCM
语音PCM脉冲编码调制(Pulse Code Modulation, PCM)是语音信号的重要编码方式之一。语音编码是将模拟信号转为数字信号的语音通信技术,分为波形编码、参量编码和混合编码等类型。波形编码针对语音波形进行,在降低量化样本比特数的同时保持了良好的语音质量。PCM编码就是一种波形编码方法,通过每隔一段时间对模拟语音信号采样,将其取整量化,用二进制码表示抽样量化的幅值,实现将语音数字化的编码调制。PCM是现代数字传输系统普遍采用的调制方式。PCM可以向用户提供多种业务,包括2M~155 Mb原创 2021-12-28 23:07:28 · 4268 阅读 · 1 评论 -
Least Mean Squares Regression(二)
一般的LMS算法应用参见该篇。一般的LMS实际应用本文设计LMS背后的数学理论知识。1. The Least Mean Squares algorithm (LMS)SD研究的最陡下降方法是一种递归计算信号统计量已知时维纳滤波器的递归算法 (knowledge about R och p)。问题是,这个信息通常是未知的!LMS是一种基于与最陡下降法相同的原理的方法,但其统计量是连续估计的。由于统计量是连续估计的,因此LMS算法可以适应信号统计量的变化;因此,LMS算法是一种自适应滤波器。我们原创 2021-12-26 13:03:11 · 760 阅读 · 0 评论 -
Adaptive Signal Processing Using Steepest Descent(SD)
1. Optimal signal processing (OSB)1.1 最优线性滤波描述滤波器w=[w0,w1,w2,...]Tw=[w_0,w_1,w_2,...]^{T}w=[w0,w1,w2,...]T使得estimation error e(n)e(n)e(n)最小,使得输出信号y(n)y(n)y(n)尽可能地接近期望的信号d(n)d(n)d(n)。1.2 Cost Function为了确定最优滤波器,引入了一个代价函数JJJ,它对e(n)e(n)e(n)偏差进行惩罚。e(n)e原创 2021-12-25 20:16:02 · 693 阅读 · 0 评论 -
Least Mean Squares Regression(一)
1. Examples假设我们想从一辆汽车的重量和年龄来预测它的里程数:我们想要的是:一个可以使用x1x_1x1和x2x_2x2来预测里程的function。线性回归:利用线性模型预测连续值的策略假设:输出是输入的线性函数Mileage=w0+w1⋅x1+w2⋅x2Mileage = w_0 + w_1 \cdot x_1 + w_2 \cdot x_2Mileage=w0+w1⋅x1+w2⋅x2学习:利用训练数据找到www的最佳可能值预测:给定新车的x1,x2x原创 2021-12-25 11:18:11 · 963 阅读 · 0 评论 -
Conditional Picture-Element Replenishment(CR)
1. 概述一种通过只对视频场景中的变化进行编码来改进压缩的简单方法称为条件补充(CR)。这是第一个数字视频编码国际标准ITU-T推荐H.120中使用的唯一的时间冗余减少方法。CR编码包括发送信号来指示图片的哪些区域可以被重复,并发送新的信息来替换改变的区域。因此,CR允许在每个区域的两种表示模式中进行选择,我们称之为Skip和Intra。然而,CR有一个显著的缺点,即它无法重新细化由重复给出的近似(指在Skip mode下)。2. 介绍下面介绍了一种利用帧间关联来降低传输比特率的电视信号编码的实验方法原创 2021-12-24 19:36:51 · 409 阅读 · 0 评论 -
Uniform Quantizing for Minimum Distortion
该文讨论了当量化器的输出电平数固定时,量化器对信号失真最小化的问题。失真被建模为量化器的输入和输出之间的误差函数的期望值。推导了失真最小的量化器参数的方程。我们着重讨论一下均匀分布的情况。1. 量化背景在许多数据传输系统中,模拟输入信号首先在发射机上转换为数字形式,然后以数字形式传输,最后在接收机上重构为模拟信号。所产生的输出通常与输入信号相似,但并不完全相同,因为发射机上的量化器对位于有限数量的振幅范围内的所有输入振幅产生相同的数字。假设数字传输无误差,输入信号和输出信号之间的差值是量化误差。由于任何原创 2021-12-23 23:01:03 · 371 阅读 · 0 评论 -
Minimizations for Random Variables
1. Minimizations for Random Variables Using vextorsGiven is a random vector Y=[Y1,Y2,⋅⋅⋅,YN]TY = [Y_1, Y_2, · · · , Y_N ]^TY=[Y1,Y2,⋅⋅⋅,YN]T. We want to predict a random variable X using Y. The random variable X and the random vector Y are not independ原创 2021-12-18 10:10:18 · 235 阅读 · 0 评论 -
EC-Lloyd中的数学问题
1. 概要比特分配是任何编码方案中的一个主要问题,其中一个给定的位配额必须有效地分配在许多不同的量化器之间。通常我们在传输的过程中对于码率一般是有限制的,该速率通常是通过处理量化表中所有条目所需的最小比特数来测量的;此时我们需要解决的就是一个有限制的最小化问题。一般采用拉格朗日进行解决。这种量化器的性能特征是其量化器函数(QF),由平均量化失真作为速率的函数来定义。2.1 问题描述令 S 是所有可允许的分配向量的有限集。设 H(B) 是某个实值函数,称为B 的目标函数,为所有分配向量定义B属于S集合。原创 2021-12-16 15:48:37 · 1552 阅读 · 0 评论 -
Quantization(二)变长公式推导
1.简要介绍本文简要介绍基于变长码的标量量化。上篇研究了在给定的重构电平K的情况下,将失真降至的量化器的设计,同时有一个前提:假设所有重构level si′s_i^{'}si′都用相同长度的码字,为定长编码。现在我们结合变长码γ来考虑量化器的设计。此时此刻,我们对每一个特定的映射si′s_i^{'}si′赋给的码字长度为:l‾(si′)=∣γ(si′)∣\overline{l}(s_i^{'})=|\gamma(s_i^{'})|l(si′)=∣γ(si′)∣。对于编码器来说,我们可以随意采用,原创 2021-12-05 16:58:08 · 195 阅读 · 0 评论 -
Quantization(一)定长公式推导
1.简要介绍对于PCM量化在平稳随机中的应用具有无限振幅区间的过程,我们选择了量化步长为给定量化器大小K的最小值失真。这个概念的自然延伸是在给定K的时候,最小化关于标量量化器的所有参数的失真优化变量。参数变量为K-1个边界ui,K个映射值si′s_i^{'}si′,0≤i<K0\le i \lt K0≤i<K。得到的量化器称为pdf优化标量固定长度编码的量化器。通常,为量子化定义一个失真度量是否恰当的标准,比如量化的统计错误。我们通过选择一个恰当的边界值uiu_iui与映射值si′s_i原创 2021-12-05 12:28:03 · 2905 阅读 · 0 评论