压扩（companding技术在处理信号时的工作原理，以及它与 A-law 和 μ-law 压缩函数的关系

1. 压扩（Companding）技术的背景

压扩是一种用于非线性量化的技术，广泛应用于语音信号的传输和记录。压扩的核心目标是在信号不同幅度下保持近乎恒定的信噪比（SNqR）。它特别适用于像语音信号这样统计特性动态变化的信号，因为这些信号的确切统计信息在传输时可能是不知道的。

为什么需要压扩？

• 语音信号的幅度变化很大（如从小声的讲话到大声的喊叫），单纯的线性量化无法有效处理这些幅度差异。
• 如果使用线性量化，小幅度信号可能会被高量化噪声掩盖，而高幅度信号又可能因为分辨率不足而失真。
• 压扩技术通过对信号幅度进行压缩，使得小幅度信号能够使用较高的量化精度，大幅度信号可以使用较低的量化精度，这样在整个信号幅度范围内保持较好的信噪比。

2. 压缩函数的设计目标

在压扩中，压缩函数的设计目标是：

1. 保持恒定的SNqR：即在不同的信号幅度下，保持近似恒定的信噪比。
2. 适应信号的不同幅度：对小幅度信号使用较高的分辨率（小量化增量），而对大幅度信号使用较低的分辨率（大量化增量）。

大信号经过较小程度的压缩
为此，压缩函数需要是一个非线性函数，这样才能根据信号幅度动态调整量化增量 $q$。

3. 压缩函数的推导

为了使信号在不同幅度下具有恒定的SNqR，我们使用了以下公式：
$$SNqR=\frac{x^2}{q_x^2/12}=12\frac{x^2}{q_x^2}$$
其中 $x$ 是信号幅度， q x q_x q