量化器
量化
用一个很小的集合表示一个大集合(可能是无限大)的值。
- 如A/D转换
- 量化是有失真压缩的一个有效工具
量化器的描述
量化误差: e ( x ) = x − x ^ e(x)=x-\hat x e(x)=x−x^
量化的均方误差
-
所有输入值的平均量化误差
-
需要知道输入的概率分布
-
量化区间的数目: M M M
-
决策边界: b i , i = 0 , 1 , . . . , M b_i, i=0,1,...,M bi,i=0,1,...,M
-
重构水平: y i , i = 0 , 1 , . . . , M y_i, i=0,1,...,M yi,i=0,1,...,M
-
重构:$\hat x = y_i ,\quad if \quad b_{i-1} \lt x \lt= b_i $
均方误差:
D = M S E = ∫ − ∞ + ∞ ( x − x ^ ) 2 f ( x ) d x = ∑ i = 1 M ∫ b i − 1 b i ( x − y i ) 2 f ( x ) d x D = MSE =\int_{-\infty}^{+\infty}(x-\hat x )^2 f(x) d x= \sum_{i=1}^{M} \int_{b_{i-1}}{b_i}(x-y_i)^2f(x) dx D=MSE=∫−∞+∞(x−x^)2f(x)dx=i=1∑M∫bi−1bi(x−yi)2f(x)dx
量化器的设计是码率和失真之间的折衷,更低的编码比特数,需要减低量化区间的数目,导致更大的误差。
量化器的性能受率失真理论控制
- 给定允许失真,求最小码率的量化器
- 给定码率,求最小失真的量化器
均匀量化(Uniform Quantizer)(Midrise,中升型)
均匀:每个量化区间的大小相同,除两侧的两区间外。
- b i b_i bi, y i y_i yi在空间上均匀分布,空间均为 Δ \Delta Δ
- 对内部区间, y i = 1 2 ( b i − 1 + b i ) y_i = \frac{1}{2}(b_{i-1} + b_i) yi=2