清华大学多媒体课件(36).ppt_第1页
清华大学多媒体课件(36).ppt_第2页
清华大学多媒体课件(36).ppt_第3页
清华大学多媒体课件(36).ppt_第4页
清华大学多媒体课件(36).ppt_第5页
已阅读5页,还剩12页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

4.4.2 DPCM和ADPCM,DPCM 差分脉冲编码调制,Differential Pulse Code Modulation,DPCM 编/解码原理图,输入信号 f n (i j) tn 时刻的样本值 f n (i j) 是tn 时刻以前采样值f1 f2 fn-1所作的预测值 en = f n (i j) -f n (i j) en是en量化后的值 量化误差qn f n (i j) 为输出信号,f n (i j)- f n (i j) = f n -(f n + en) = ( f n - f n ) - en = en - en = qn,1.预测器的设计,假定给定样本序列X1,X2Xn-1,预测Xn,令 预测值为Xn,则: Xn=a1x1+a2x2+ + an-1xn-1 (1) a1,a2an-1为预测系数。 Xn= aixi (2) en=xn-xn Xn最优的计值是使方差en的期望值为最小的 Xn,最优线性预测就是选择预测系数ai,使差值信 号en的均方值最小。,n-1,i=1,均方误差的定义为: E(Xn-Xn) = Een 假如Xn是一个平稳随机过程, Een 对各个a i 取偏导数,令其为零。,2,2,2,通过线性方程组求出预测系数a i,就得到n-1线性方程组,解a i系数。,n,m,例如:三阶线性预测系统,(m-1,n-1),(m-1, n),(m, n-1 ),(m, n),a1,Ymn=a1Y(m,n-1)+a2Y(m-1,n-1)+a3Y(m-1,n),a1,a2,a3是满足误差最小Emn=Ymn -Ymn的特定参数。,a2,a3,求a1,a2,a3 e (m n)= Ee 解上述线性方程就可得a1,a2,a3系数。,2,2,三 阶 DPCM 线 性 预 测 框 图,(m-1,n-1),(m-1, n),(m, n-1 ),(m, n),a1,a2,a3,fmn=a1f(m,n-1)+a2f(m-1,n-1)+a3f(m-1,n),2. ADPCM自适应预测编码,这种编码方法中,量化器的步长和预测器的参数均能根据图象的局部特征作自适应的调整。,ADPCM分成两类,1.线性自适应预测器 Yamada(1977年)提出了二维DPCM自 适应预测方案。 Xn=K(a1x1+a4x4) K是自适应系数,1.0+0.125 |en-1| = ek K= 1.0 e1|en-1|ek 1.0-0.125 en-1=e1 其中:en-1是第n-1插样值的量化输出电平。 ek,e1分别为最大/最小量化输出电平。,(1). 当第(n-1)像素量化输出电平|en-1|在 e1和 ek之间,为大多数场合,此时K=1 Xn=a1x1+a4x4 (2). 当|en-1|=ek,取K=1.125预测值将自动增加 12.5%。 (3). 当|en-1|=e1时,取K=0.875预测值自动减少 12.5%。,2. 非线性自适应预测器 引进几个和临近象素有关的值,入i和di非线性改变预测的数。所以,叫非线性的自适应预测。,S6,S2,S3,S4,S1,S5,x,采用四点预测 Girl图计算 a1=0.702 a2= -0.200 a3=0.437 a4=0.061 实际常用2幂次 a1=0.75 a2= - 0.5 a3=0.5 a4=0.25,在JPEG中预测器采用: 0 没预测 1 S1 2 S3 3 S2 4

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论