现代通信原理6第六章-自适应差分脉码调制资料.ppt

1 现代通信原理 第六章 自适应差分脉码调制 2 单元概述单元概述 差分脉冲编码调制由增量调制演变而来，它用二进制码组对信号的差值进行幅度量化和编码。这里所谓“差分”又称“差值”，是一般意义上的“增量”，即信号的当前抽样值与预测值之差。ADPCM之所以能用较小的码组编码，而获得接近PCM的量化信噪比，其关键在于“预测”。“预测”得越准确，“差值”就会越小，就可以用较少的位数量化而具有较小的量化噪声。3 单元学习提纲单元学习提纲 （1）差分脉冲编码调制原理和方框图，差值信号、预测信号、重建信号的含义，差分脉冲编码调制的编码增益；（2）线性预测原理，极点预测和零点预测的基本概念和物理意义；（3）自适应预测和自适应量化的基本概念和物理意义。4 第六章 自适应差分脉码调制(ADPCM)(ADPCM)6.1 概述 8位PCM编码,对于语音传输,其速率为64K,需要 32K的带宽,多用于有线传输.在无线通信,特别是移动通信中,带宽资源是非常 宝贵,一般要求信号具有更低的速率以减小传输带宽.数字化图像一般有96M的速率,占用48M的带宽,就更需要重新设计信源编码形式,以降低速率或数据 量,便于传输和存储.这就提出了压缩的问题 5 语音压缩编码技术：低于64kb/s数码率的语音编码技术:差分脉码调制(DPCM)自适应差分脉码调制(ADPCM)子带编码(SBC)矢量量化编码(VQ)6 62 DPCMDPCM的基本原理的基本原理 任何信号,不论语音或图像,采用直接采样-量化-编码的方式进行编码,都会发现码组之间具有很强的相关性.由于相关性的存在,传输数据中存在大量不需要传输的信息,称为冗余.DPCM就是通过预测和差分编码方式来减少冗余,实现数据压缩的目的.7 什么是预测:知道某时刻以前信号的表现,就可以推断它 以后的数值.具体到信号的采样过程,就是通过前 几次的样值来预测后一次的样值.8 假如有一个信号m(t),用速率1/TS进行采样，那么 在时刻t=nTs，我们可以掌握此前N个样值序列 M(nTs),m(nTs-Ts),m(nTs-2Ts),m(nTs-NTs)根据前N个样值对m(nTs)进行预测,定义为:)()(1iTsnTsmWnTsmNii)(nTsm-m(nTs)的预测值。Wi-加权常数 9 预测过程可以用以下抽头延时滤波器实现 10 DPCM M系统原理框图 11 差分脉码调制：对信号采样值和预测值的差值进行量化编码并传输.接收端将接收到的差值和恢复的预测值相加得到此次采样值.由于只传输动态范围较小的差值,所以编码的码组不需太长,在DPCM中,一般采用4位.12 发送端：差值信号d(k)=s(k)-se(k)，量化后得到的dq(k)一方面送入编码器，另一方面送入本地解码器产生斜 变信号se(k)。接收端：先经过PCM 解码恢复dq(k)，在经过积分器和LPF 即恢复出模拟信号sr(k)。13 DPCM的系统总量化误差：)()()()()()()()()(kdkdkdkskdkskskskeqqeer总量化误差只和差值信号的量化误差有关.14 系统总的量化信噪比等于预测增益与差值量化 信噪比的乘积 qpSNRGkeEkdEkdEkSEkeEkSESNR.)()()()()()(22222215 预测增益：差值信号量化信噪比：要使信号总信噪比大,就要使预测增益大,也就 是增加预测的准确性,同时还要求降低量化噪声.DPCM就是研究如何使这两个参数最大,提出了 ADPCM(自适应差分量化编码)的思想.)()(22kdEkSE)()(22keEkdE16 线性预测网络可分为极点预测器和零点预测器两种 1.极点预测器 17 设发送系统预测量化器传递函数为D(Z)1()()()()1)()()()()(111iNiirqiNiirqriNiirqzazszdzDzazszdzszazszd式中ai是一组预测系数。18 接收系统重建滤波器传递函数H(Z)1(1)(1)(1iNiizazDzH 由于重建滤波器传递函数只有极点没有零点,故称为全极点预测器.19 20 2.零点预测器 21)()(1ikdbksqMiie若预测信号为：Bi是一组预测系数。则重建信号为：)1)()()()(1iMiiqqrzbzdzHzdzs22)1()(1iMiizbzH 重建滤波器的传递函数只有零点没有极点，称 为全零点预测器。23 3.极零点预测器 24)1()1()()()()()()()()()()()()(111111iNiiiMiiqrqqMiirNiiqerqMiirNiiezazbzdzszHkdikdbiksakdksksikdbiksaks从发送端 从接收端 传递函数 有零点有极点,称为极零点预测器 25 4.最佳线性预测器 预测器具有一组预测系数ai,bi,怎样选择这一组 数据，使预测值更接近实际值，实现GP和SNR的 最大，是最佳预测器所要解决的问题。怎样选择一组系数ai，bi，使差值功率Ed2最小，可以通过求极限。26 对于一极点预测器 求偏微分，并令为零。)()()()(2122NiieikSakSEkSkSEdENiadEi,.2,10227 所以得到一组线性方程 28 差值信号在预测系数取最佳值时最小，有 )()()(21min2NiioptikSakSEkdE29 并假设信号与噪声无关，)()()(12min2iRakSEkdENiiopt最佳预测增益 NiioptPoptkSEiRakdEkSEG1222)()(11)()(30 5.GP与预测阶数的关系 预测通常要选用前多少次的样值来参与，见下图 当阶数大于2时，最佳预测增益就趋于饱和，饱和值一般为6-12dB 31 6.3 自适应预测 为了获得最大的预测增益,通常采用自适应预测方式,预测系数在预测过程中实时调整.1.前向自适应预测算法 如前所述,根据短时间的相关特性R(i),求短时的最佳预测系数，运算量大，延迟时间大，不能用于高速系统。32 2.后向序贯自适应预测算法 在dq(k)最小的情况下,找出最佳预测系数,采用 不断修正预测系数ai(k)的方法来减小瞬时平方差 dq2(k),使ai(k)不断接近aiopt(k).Widrow提出的LMS算法)()()()1(rkskdkakarqiii33 梯度符号算法)(sgn)(sgn)()()1(rkskdkkakarqiiii以下来说明:差值信号=实际信号-预测信号,表达式为:)()()(kskskdrq34 预测过程如上图所示,此次预测系数ai越大,此次的预测值Sr(k)就越大.35)(sgn)(sgn)()()1(rkskdkkakarqiiii)()()(kskskdrq 1.若预测信号Sr(k)0,差值dq(k)0,在正信号情况下预测值小于实际值，应增加下一次的预测系数使预测值增加。36)(sgn)(sgn)()()1(rkskdkkakarqiiii)()()(kskskdrq 2.若预测信号Sr(k)0,差值dq(k)0,在正信号情况下预测值大于实际值，应减小下一次的预测系数使预测值减小。37)(sgn)(sgn)()()1(rkskdkkakarqiiii)()()(kskskdrq 3.若预测信号Sr(k)0,在负信号情况下预测值大于实际值，应减小下一次的预测系数使预测值减小。38)(sgn)(sgn)()()1(rkskdkkakarqiiii)()()(kskskdrq 4.若预测信号Sr(k)0,差值dq(k)0,在负信号情况下预测值小于实际值，应增加下一次的预测系数使预测值增加。39 6.4 自适应量化 自适应预测解决了预测增益最大的问题，自适应量化主要解决量化信噪比最大的问题，这里的量化是指对差值信号的量化。功率变化大（动态范围大）的信号，量化器参数（量化电平dqn、分层电平dn、量阶）应能跟上输入信号方差的变化。40 介绍以下两种方式：1、前向自适应量化：按输入信号的方差来调整量化电平dqn和分层 电平值dn.d2大，用大量阶；d2小，用小量阶。这种方法在实时系统不易实现。41 2、后向自适应量化 根据前一时刻的输出数字码I(k-1)或量化器输出 值dqn(k-1)来确定本次dn(k)与dqn(k)。是目前常用的方法。Jayant提出的后向自适应算法：本次量化间隔=前一次量化间隔*量化调整因子|)1(|)1()(KIMkk42 上式算法在有传输误码情况下,会产生误码 扩散问题,因此采用修正式:|)(|)()1(kIMkk-抗误码因子 M|I(K)|-量化间隔调整因子 43 对于L=16的DPCM（DPCM通常采用4位编码，L=16），此表是绝对值，共8组值，正负信号刚好表示16个值。I(K)12345678MI(K)0.9 0.9 0.9 0.9 1.2 1.6 2 2.4 Jayant等人根据大量实验确定了不同量化 电平L时DPCM量化器的M值见下表 44 注意：1、对于非均匀量化，不能直接使用6-26式。2、6-26式是一种快速瞬时自适应，适用于语音 等电平变化快的信号。3、对于MODEM或信令等变化慢的信号，表6-26 要重新定义，M值基本都接近1，只有M|I(8)|才略大 于1，约为1.024。45 自测题自测题 （1）差分脉冲编码调制的预测增益由何而来。