用MATLAB编写算术编码的原理及解决计算机电脑精度不够的问题

本文介绍了算术编码的主要思想，并通过分组以5个字符为一组进行编码和译码，实现了对长字符串序列的算术编码，解决了由于实际计算机的精度不可能无限长，运算中出现溢出的问题。

一、算术编码简介：

其是一种无损数据压缩方法，也是一种熵编码的方法，其不同的地方在于，其它的熵编码方法通常是把输入的消息分割为符号，然后对每个符号进行编码。而算术编码是直接把整个输入的消息编码为一个数，一个满足(0.0 ≤ n < 1.0)的小数n。

算术编码用到两个基本的参数：符号的概率和它的编码间隔。信源符号的概率决定压缩编码的效率，也决定编码过程中信源符号的间隔，而这些间隔包含在0到1之间。

二、算术编码的整体流程：

以下是代码实现，先用输入一段较短的英文序列：

clc;

clear;

fp=fopen('duanxulie.txt');%打开文件

首先，读取英文文本，读取字符种类和其对应的频率，也就是概率，之后进行处理，去除各种符号，将其放入一个字符串中

str1=textscan(fp,'%s');%读入字符

str1=str1';

str1=cell2mat(str1{:}');%将所有的单词放到一个字符串中

Newstr=regexprep(str1,'\W','');%去除各种符号，将其转化为空格

Newstr=lower(Newstr);

disp(Newstr);

b = unique(Newstr);

disp(b);

%统计每种字符的个数，放入数组a中

for i = 1 : length(b)

a(i) = length(strfind(Newstr, b(i)));

end

disp(a);

%排序，若数组b中的第一个元素为字符‘a’, 则数组a中的第一个元素为字符‘a’出现的次数

for i = 1 : length(a)-1

for j = i+1 : length(a)

if b(i) > b(j)

t1 = a(i); a(i) = a(j); a(j) = t1;

t2 = b(i); b(i) = b(j); b(j) = t2;

end

end

end

%统计每种字符出现的频率，放入数组fre中

for i = 1 : length(a)

fre(i) = a(i) / sum(a);

end

disp(fre);

%根据频率分配概率范围，范围高值放入H中，范围低值放入L中

Li(1) = 0; Hi(1) = fre(1);

for i = 2 : length(fre)

Li(i) = Hi(i-1);

Hi(i) = Li(i) + fre(i);

end

三、算术编码的主要思想：

（1）对一组信源符号按照符号的概率从大到小排序，将[0,1)设为当前分析区间。按信源符号的概率序列在当前分析区间划分比例间隔。

（2）检索“输入消息序列”，锁定当前消息符号（初次检索的话就是第一个消息符号）；找到当前符号在当前分析区间的比例间隔，将此间隔作为新的当前分析区间；并把当前分析区间的起点（即左端点）指示的数“补加”到编码输出数里；当前消息符号指针后移。

（3）仍然按照信源符号的概率序列在当前分析区间划分比例间隔。然后重复第二步；直到“输入消息序列”检索完毕为止。

（4）最后的编码输出数就是编码好的数据。

%编码

L =