4.6 模拟信号的数字化 差分脉码调制(DPCM)
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
通信原理 Communication Principles
第四章 模拟信号的数字化
4.6 差分脉码调制（DPCM）
问题的提出
PCM方式的应用情况：
• 64kbit/s的A律或u律的PCM编码已经在 大容量的光纤通信系统和数字微波系统中 得到了广泛的应用。
有效性：PCM信号的频带宽度 能否进一步压缩？ • 大容量的长途传输系统
E d 2 (n) E e2 (n)
=
Gp
SNRq
Gp和SNRq分别定义为：
Gp
=
E x2 (n) E d 2 (n)
SNRq
=
E d 2 (n) E e2 (n)
Gp的物理意义：
DPCM系统相对于PCM 系统而言的信噪比增益， 称为预测增益。
SNRq的物理意义：
把差值序列作为信号时的量化信 噪比，与PCM系统考虑量化误 差时所计算的信噪比相当。 7
2
• 带宽有限的移动通信系统
需要解决的问题：
• 如何压缩数字化语音信号所占用的频带宽度？ • 在相同质量指标的条件下； • 降低数字化语音的码速率…→?
Rs=fs*n
n=log2L
L取决于 量化对象 的幅度值
V
降低量化 对象的幅
度值V
降低码速 率，压缩
Байду номын сангаас带宽
3
进一步分析
如何降低量化对象 DPCM：利用信
DPCM原理框图—具体的解决方案
其图中中，：预输测入器抽满样足信关号系为：x(n~x)，(n)
=
k
ai
xˆ(n
−
i)
（式中ai、k接为预收测器端参重数，建是信常数号）为xˆ(n)， i=1
d(n)是输入信号与预测信号 ~x(n)的差值，
dq(n)为量化后的差值， 5
c(n)是经编码后输出的数字编码信号。
有缘学习更多＋谓ｙｇｄ３０７６考证资料或关注桃报：奉献教育（店铺）
根据原理框图，差值信号和重建信号 可以表示为： d (n) = x(n) − ~x (n)
xˆ(n) = ~x (n) + dq (n)
DPCM的总量化误差定义为输入信号与 解码器输出的重建信号之差，即
e(n) = x(n) − xˆ(n)
有缘学习更多＋谓ｙｇｄ３０７６考证资料或关注桃报：奉献教育（店铺）
预测增益 Gp
选择合理的预测规律， E[d2(n)] << E[x2(n)]
则Gp >>1，系统获得增
益。
最佳预测!
最佳量化!
差值信号量化信噪比 SNRq
使用合适的量化器，减 小量化误差
使E[e2(n)] 减小， SNRq增大。
8
技术展望
的幅度？
号样值间的关联性
语音信号的相邻样值之间存 在很强的相关性，可以根据 前些时刻的样值来预测当前
时刻的样值。
可预测成分：已知，无需 参加量化编码
不可预测成分：预测误差， 未知，需要进行量化编码
仅对样值和预测值的 差值进行量化编码；
差值幅度小于原信号 样值幅度，所需编码 位数减少，从而降低
码率，压缩带宽。 4
9/19/2019
自适应
技术 ADPCM
大数据
内容小结
人工智能
有效 性
可靠 性
通信系 统性能
问题的提出 问题的分析 问题的解决 性能分析
• 有效性角度，节省带宽
• 量化信号的幅值，语音信号的相关性，预测器
• DPCM原理和方案
9
• 预测和量化的效果
= x(n) + d (n) − x(n) + dq (n)
= d (n) − dq (n)
思考：DPCM的总量化误差由谁决定？
6
•总量化误差只和差值信号的量化误差有关！
性能分析—解决方案的优化
系统总的量化信噪比SNR定义为：
SNR = E x2 (n) = E x2 (n) E e2 (n) E d 2 (n)
第四章 模拟信号的数字化
4.6 差分脉码调制（DPCM）
问题的提出
PCM方式的应用情况：
• 64kbit/s的A律或u律的PCM编码已经在 大容量的光纤通信系统和数字微波系统中 得到了广泛的应用。
有效性：PCM信号的频带宽度 能否进一步压缩？ • 大容量的长途传输系统
E d 2 (n) E e2 (n)
=
Gp
SNRq
Gp和SNRq分别定义为：
Gp
=
E x2 (n) E d 2 (n)
SNRq
=
E d 2 (n) E e2 (n)
Gp的物理意义：
DPCM系统相对于PCM 系统而言的信噪比增益， 称为预测增益。
SNRq的物理意义：
把差值序列作为信号时的量化信 噪比，与PCM系统考虑量化误 差时所计算的信噪比相当。 7
2
• 带宽有限的移动通信系统
需要解决的问题：
• 如何压缩数字化语音信号所占用的频带宽度？ • 在相同质量指标的条件下； • 降低数字化语音的码速率…→?
Rs=fs*n
n=log2L
L取决于 量化对象 的幅度值
V
降低量化 对象的幅
度值V
降低码速 率，压缩
Байду номын сангаас带宽
3
进一步分析
如何降低量化对象 DPCM：利用信
DPCM原理框图—具体的解决方案
其图中中，：预输测入器抽满样足信关号系为：x(n~x)，(n)
=
k
ai
xˆ(n
−
i)
（式中ai、k接为预收测器端参重数，建是信常数号）为xˆ(n)， i=1
d(n)是输入信号与预测信号 ~x(n)的差值，
dq(n)为量化后的差值， 5
c(n)是经编码后输出的数字编码信号。
有缘学习更多＋谓ｙｇｄ３０７６考证资料或关注桃报：奉献教育（店铺）
根据原理框图，差值信号和重建信号 可以表示为： d (n) = x(n) − ~x (n)
xˆ(n) = ~x (n) + dq (n)
DPCM的总量化误差定义为输入信号与 解码器输出的重建信号之差，即
e(n) = x(n) − xˆ(n)
有缘学习更多＋谓ｙｇｄ３０７６考证资料或关注桃报：奉献教育（店铺）
预测增益 Gp
选择合理的预测规律， E[d2(n)] << E[x2(n)]
则Gp >>1，系统获得增
益。
最佳预测!
最佳量化!
差值信号量化信噪比 SNRq
使用合适的量化器，减 小量化误差
使E[e2(n)] 减小， SNRq增大。
8
技术展望
的幅度？
号样值间的关联性
语音信号的相邻样值之间存 在很强的相关性，可以根据 前些时刻的样值来预测当前
时刻的样值。
可预测成分：已知，无需 参加量化编码
不可预测成分：预测误差， 未知，需要进行量化编码
仅对样值和预测值的 差值进行量化编码；
差值幅度小于原信号 样值幅度，所需编码 位数减少，从而降低
码率，压缩带宽。 4
9/19/2019
自适应
技术 ADPCM
大数据
内容小结
人工智能
有效 性
可靠 性
通信系 统性能
问题的提出 问题的分析 问题的解决 性能分析
• 有效性角度，节省带宽
• 量化信号的幅值，语音信号的相关性，预测器
• DPCM原理和方案
9
• 预测和量化的效果
= x(n) + d (n) − x(n) + dq (n)
= d (n) − dq (n)
思考：DPCM的总量化误差由谁决定？
6
•总量化误差只和差值信号的量化误差有关！
性能分析—解决方案的优化
系统总的量化信噪比SNR定义为：
SNR = E x2 (n) = E x2 (n) E e2 (n) E d 2 (n)