MATLAB编写最佳量化,矢量量化器的设计算法及MATLAB实现.ppt

矢量量化器的设计算法及MATLAB实现

矢量量化器的设计算法及MATLAB实现 1 概述 2 矢量量化基本原理 2.1 矢量量化的定义 (1)定义： 矢量量化是先把信号序列的每K个样点分成一组，形成K维欧氏空间中的一个矢量，然后对此矢量进行量化。 {xn} X1 X2 X3 X4 Xn/4 　　　 矢量量化就是先集体量化X1 ,然后量化X2， 依次向下量化。下面以K=2为例说明其量化过程。 (2)几个概念 量化矢量(或称重构矢量)：利用最小失真原则，分别计算用量化矢量Yi(i=1，2，……7)替代X所带来的失真，其中最小失真所对应的那个矢量Yj，就是模拟矢量X 的量化矢量。 码书：量化矢量构成的集合称为码书(Codebook)。码字：码书中的每个矢量Yj (i=1，2，……N)称为码字(Codeword)。 2.2 失真测度 失真测度的选择直接影响矢量量化系统的性能。 失真测度是以什么方法来反映用码字Yi代替信源矢量X时所付出的代价。这种代价的统计平均值(平均失真)描述了矢量量化器的工作特性，即 式中E[·]表示求期望。 常用的失真测度有如下几种： ⑴平方失真测度 这是最常用的失真测度，易于处理和计算，且在主观评价上有意义，即小的失真值对应好的主观评价质量。 ⑵ 绝对误差失真测度 主要优点：计算简单，硬件容易实现。 ⑶ 加权平方失真测度 式中 T —— 矩阵转置符号； W —— 正定加权矩阵。 要使所选用的失真测度有实际意义，必须要求它具有以下几个特点： 1. 必须在主观评价上有意义，即小的失真对应好的主观质量评价； 2. 必须在数学上易于处理，能导致实际的系统设计； 3. 必须可计算并保证平均失真D=E[D(X,Q(X))]存在； 4. 采用的失真测度，应使系统容易用硬件实现。 2.3 矢量量化器 ? 通常用最小失真的方法-最近邻准则NNR(Nearest Neighbor Rule))来设计矢量量化器，也就是要满足下式： 式中 IN={1,2,……,i,……N}； N —码书的大小； 符号 表示充分必要条件。 矢量量化器的工作过程是： 在编码端，输入矢量X与码本中的每一个或部分码字进行比较，分别计算出它们的失真。搜索到失真最小的码字Yj 的序号(或此码字在码本中的地址)，并将j的编码信号通过信道传送到译码端；在译码端，先把信道传送来的编码信号译成序号j，再根据序号(或码字Yj 所在地址)，从码本中查出相应的码字Yj 。Yj 是输入矢量X的重构矢量。 矢量量化系统通常可以分为两个映射的乘积 式中:α是编码器，它是将输入矢量 映射为信道符号集IN={i1, i2, …, iN}中的一个元素ij ； β是译码器，它是将信道符号集ij映射为码书中的一个码字Yi 。即 一个矢量量化器可以表示成以下三个部分：