量化、量化误差和信噪比

1. 量化（Quantisation）是什么？

量化是将一个连续的信号映射到有限的离散值集合中的过程。因为电子设备无法处理无限精度的信号，必须将这些连续信号值通过量化转换为有限精度的数值，这通常使用二进制表示。

例子：

假设一个模拟信号的电压范围是从0到10伏特，而你的系统只能处理0到5的离散值集合。这时，量化的过程就是将这个0到10伏特的连续信号“逼近”到最近的离散值。比如，4.7伏特可能被量化为5伏特，而4.2伏特被量化为4伏特。

2. 采样（Sampling）与量化的区别

• 采样是将连续的时间信号离散化到离散的时间点上，形成采样值。
• 量化则是将采样值的幅度从一个连续的数值范围映射到离散的集合。

在采样之后，信号的时间是离散的，但是幅度仍然是连续的，而量化将这个连续的幅度转化为有限个可能值。

3. 量化增量 $q$（Quantisation Increment）

量化的关键参数是量化增量 $q$，它决定了连续信号被映射到离散值集合的精度。量化增量是每两个量化级别之间的间隔。通常情况下，量化增量是根据信号的动态范围来设定的。

例子：

假设信号的幅度范围是从0到10伏特，系统可以用5个量化级别表示该信号。则量化增量 $q$ 是 $\frac{10}{5}=2$ 伏特。也就是说，信号会被量化为 0V、2V、4V、6V、8V、10V 这6个可能的离散值。

4. 量化误差（Quantisation Error）

由于量化的过程涉及“逼近”或“舍入”，量化后信号会产生误差，这就是量化误差。量化误差的大小取决于量化增量 $q$。在线性量化器中，量化误差的范围为 $\pm \frac{q}{2}$。

例子：

如果量化增量 $q=2$ 伏特，当实际信号为4.7伏特时，量化器将其量化为5伏特，产生的量化误差为 $5-4.7=0.3$ 伏特。

5. 信号的概率密度函数（PDF）

采样后的连续信号 $v(t)$ 有其概率密度函数（PDF），表示信号值的分布情况。在量化之后，信号的概率密度函数也会发生变化，变为离散的概率密度函数 $p(v_0(t))$，但其基本形式不会有太大的改变。

例子：

假设一个信号的概率密度函数 $p(v)$ 是均匀分布的，也就是说信号的幅度值在整个动态范围内的各个值出现的概率相同。在量化之后，信号的PDF从连续变为离散，但每个量化值的出现概率仍然近似均匀分布。

6. 信号与量化噪声的信噪比（SNqR）

为了衡量量化引入的失真，我们使用信号与量化噪声的信噪比（SNqR），定义为信号的平均功率与量化噪声的平均功率之比。

公式：
$$SNqR=\frac{v_0^2}{e_q^2}$$

• $v_0^2$ 表示量化后的信号的平均功率（可以近似为原始信号的功率）。
• $e_q^2$ 表示量化误差的平均功率（噪声功率）。

7. SNqR 的推导

通过一些假设，我们可以推导出SNqR的表达式：

1. 线性量化器：假设量化增量 $q$ 是固定的。
2. 零均值信号：信号的PDF是关于0对称的。
3. 均匀分布的信号PDF：信号在动态范围内的幅度分布是均匀的。

在这些假设下，可以推导出信号的平均功率和量化噪声的平均功率。

信号平均功率的推导：

量化后的信号的平均功率 $v_0^2$ 为：
$$v_0^2=\frac{(M^2-1)}{12}{q}^2$$
其中 $M$ 是量化级别的个数。

量化噪声的平均功率推导：

量化噪声的平均功率 e q