数据压缩作业：完全重建QAM滤波器组的相关知识

任务一

matlab：

clear all;
close all;
y1=zeros(1,100);
for i=1:20
    y1(i)=i;
end
y2=zeros(1,100);
for i=81:100
    y2(i)=i-80;
end
subplot(231);stem(y1);title("信号1");
f1=fft(y1);
subplot(232);stem(abs(f1));title("幅度值");
subplot(233);stem(angle(f1));title("相位");
subplot(234);stem(y2);title("信号2");
f2=fft(y2);
subplot(235);stem(abs(f2));title("幅度值");
subplot(236);stem(angle(f2));title("相位");

由上图可得，不同时序的数据进行傅里叶变换，幅度不变，相位有变化。由此可见，傅里叶变换在一定程度上并不能反映时序的变化。

任务二完全重建QMF滤波器

完全重建QMF滤波器组最大的优点是在对信号进行抽取后，可以根据每个子带的不同特征分别进行处理，而插值和合成环节又能消除信号失真的各种因素，因此被广泛用于语音处理、图像处理、国防通信和小波变换中。目前，完全重建QMF滤波器组的设计有多种优化设计方法，如特征值法、最小二乘法[1]、遗传法、多项式分解法[2]等等，都将信号失真降到了很小的范围，但是这些方法计算复杂、参数不容易确定、程序编写较难。而利用matlab的信号处理功能和运算功能，可以快速、有效的设计完全重建QMF滤波器组，且具有较高的精度。

两通道正交镜像滤波器组理论

一个两通道正交镜像滤波器组如图1所示，在分析滤波器组一侧，输入信号（设为宽带信号）被分成K个子频带信号（窄带信号），通过抽取可降低采样率；在综合滤波器一侧，通过零值内插和带通滤波可以重建原来的信号[3]。

对于一个给定的信号，经过分析滤波器后，再进行抽取、编码、传输，可以通过零值内插、综合滤波器滤波、求和运算得到恢复和重建。但是重建后的信号并不能与原始信号完全相同，两者之间存在着误差，主要包括：
（1）混叠失真。由抽取和内插产生的混叠和镜像带来的误差，导致分析滤波器组和综合滤波器组的频带不能完全分开；
（2）幅度失真。由于分析和综合滤波器组的频带在通带内不是全通函数，其幅频特性波纹产生的误差；
（3）相位失真。由滤波器相频特性的非线性所产生的误差；
（4）量化失真。由编、解码产生的误差，与量化噪声相似，这类误差无法完全消除，只能设法减小[4]。
因此，在设计QMF组时，就需要综合考虑如何减小和消除上述的各类误差。消除混叠失真一种简单形式采取：

当两通道无混叠滤波器组的分解滤波器满足：

时，该滤波器组为正交镜像滤波器组（quadrature mirror filter bank，QMFB）。且滤波器的幅度特性满足

完全重建QMFB的设计

利用matlab实现完全重建QMFB的设计，只需要知道各滤波器的阶数N和滤波器 的通带截止频率 ，就可以得到完全重建QMFB的分析、综合滤波器组的时域形式 ，误差较小且能达到良好的精度。其中，N必须为奇数， 必须小于0.5。
完全重建QMFB需要找到合适的N和 的值，使得重建效果最好。为此，首先选定 ，对应不同的输入信号 ，改变N的大小求出均方误差mse，通过比较得到最优的N值；其次，固定N，对应不同的输入信号 ，改变 的大小求出均方误差mse，通过比较得到最优的 值。至此，找到了使得完全重建QMFB效果最好的参数N和 。

N=41;
w=0.43;
[h0,h1,g0,g1]=firpr2chfb(N,w);
[H1z,w]=freqz(h0,1,512);
H1_abs=abs(H1z);H1_db=20*log10(H1_abs);
[H2z,w]=freqz(h1,1,512);
H2_abs=abs(H2z);H2_db=20*log10(H2_abs);
%%%%%%%%%%滤波器h0和h1的幅度响应%%%%%%%%%%
figure(1); 
plot(w/pi,H1_db,'-',w/pi,H2_db,'--'); 
axis([0,1,-100,10]); 
grid 
xlabel('\omega/\pi');ylabel('幅度,dB'); 
sum1=H1_abs.*H1_abs+H2_abs.*H2_abs; 
d=10*log10(sum1);
%%%%%%%%%%%%幅度响应关系误差%%%%%%%%%%%%%
figure(2) 
plot(w/pi,d);grid; 
xlabel('\omega/\pi');ylabel('误差,dB'); 
axis([0,1,-0.04,0.04]); 
%%%%%%%%%%%%%x1(n)%%%%%%%%%%%%%%%%%%%%%
x=zeros(1,500);
x(2)=1;x(3)=1;
x(6)=2;x(7)=2;x(8)=2;
x(17)=1.5;x(18)=1.5;x(19)=1.5;
x(24)=1;x(25)=1;
x(33)=3;x(34)=3;x(35)=3;
%%%%%%%%%%%%%%x2(n)%%%%%%%%%%%%%%%%%%%%
x=zeros(1,500);
x(1)=1;x(2)=1;x(3)=1;
x(9)=2;x(10)=2;x(11)=2;
x(16)=3;x(17)=3;x(18)=3;
x(24)=4;x(25)=4;x(26)=4;
x(33)=3;x(34)=3;x(35)=3;
x(41)=2;x(42)=2;x(43)=2;
x(49)=1;x(50)=1;x(51)=1;
%%%%%%%%%%%%%%x3(n)%%%%%%%%%%%%%%%%%%%%
n=1:500;
T=0.2;
x=sin(n*T);
hlp=mfilt.firdecim(2,h0);
hhp=mfilt.firdecim(2,h1);
glp=mfilt.firinterp(2,g0);
ghp=mfilt.firinterp(2,g1);
x0=filter(hlp,x);
x0=filter(glp,x0);
x1=filter(hhp,x);
x1=filter(ghp,x1);
xidle=x0+x1;
xshift=[zeros(1,N) x(1:end-N)];
e=xidle-xshift;
mes=sum(abs(e).^2)/length(e)
fvtool(h0)
%%%%%%%%%%%%输入信号%%%%%%%%%%%%%%%%%%
figure(4);
plot(x);
%%%%%%%%%%理想输出信号与重建输出信号%%%%%%%
figure(5);
axis([0,500,-1,1]); 
plot(xshift,'r');hold on;
plot(xidle,'-');
axis([0,600,-1.1,1.1]);
%%%%%%%理想输出信号与重建输出信号的偏差%%%%%%
%理想输出信号与重建的输出信号的偏差
figure(6);
plot(xshift-xidle);

实验结果：
h0和h1的幅度响应：

幅度响应关系误差：

h0的幅度响应：

输入信号：

理想输出信号与重建输出信号：

理想输出信号与重建输出信号的偏差：

误差范围在[-4×10^-4 ,+4×10^-4]之间，误差可忽略不计。