现代通信原理6第六章自适应差分脉码调制课件

现代通信原理第六章 自适应差分脉码调制1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。2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。3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4 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)562 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.6什么是预测什么是预测:知道某时刻以前信号的表现知道某时刻以前信号的表现,就可以推断它就可以推断它以后的数值以后的数值.具体到信号的采样过程具体到信号的采样过程,就是通过前就是通过前几次的样值来预测后一次的样值几次的样值来预测后一次的样值.7 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)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:-m(nTs)的预测值。Wi-加权常数8预测过程可以用以下抽头延时滤波器实现9DPCDPCM M M M系统原理框图系统原理框图 10差分脉码调制：对信号采样值信号采样值和预测值预测值的差值差值进行量化编码并传输.接收端将接收到的差值差值和恢复的预测值预测值相加得到此次采样值采样值.由于只传输动态范围较小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 4位位.11发送端：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：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)。12 DPCM DPCM的的系统总量化误差系统总量化误差：总量化误差只和差值信号的量化误差有关总量化误差只和差值信号的量化误差有关.13 系统总的量化信噪比等于系统总的量化信噪比等于预测增益预测增益与与差值量化差值量化信噪比信噪比的乘积的乘积14预测增益：预测增益：差值信号量化信噪比：差值信号量化信噪比：要使信号总信噪比大要使信号总信噪比大,就要使预测增益大就要使预测增益大,也就也就是增加预测的准确性是增加预测的准确性,同时还要求降低量化噪声同时还要求降低量化噪声.DPCM DPCM就是研究如何使这两个参数最大就是研究如何使这两个参数最大,提出了提出了ADPCM(ADPCM(自适应差分量化编码自适应差分量化编码)的思想的思想.15线性预测网络线性预测网络可分为极点预测器极点预测器和零点预测器零点预测器两种1.极点预测器16设发送系统预测量化器传递函数为D(Z)式中ai是一组预测系数。17接收系统重建滤波器传递函数H(Z)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全极点预测器.18192.零点预测器20若预测信号为：Bi是一组预测系数。则重建信号为：21 重建滤波器的传递函数只有零点没有极点，称为全零点预测器全零点预测器。223.极零点预测器23从发送端从接收端传递函数有零点有极点,称为极零点预测器极零点预测器244.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。25对于一极点预测器求偏微分，并令为零。26所以得到一组线性方程27 差值信号在预测系数取最佳值时预测系数取最佳值时最小，有28并假设信号与噪声无关，最佳预测增益最佳预测增益295.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6-12dB306.3 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。312.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).WidrowWidrow提出的提出的LMSLMS算法算法32梯度符号算法以下来说明:差值信号差值信号=实际信号实际信号-预测信号预测信号,表达式为:33 预测过程如上图所示,此次预测系数预测系数ai ai越大越大,此次的预测值预测值Sr(k)Sr(k)就越大就越大.34 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。35 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。36 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。37 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。386.4 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。39介绍以下两种方式：1 1、前向自适应量化、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。402、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：本次量化间隔本次量化间隔=前一次量化间隔前一次量化间隔*量化调整因子量化调整因子41 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:-抗误码因子M|I(K)|M|I(K)|-量化间隔调整因子42 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。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43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。44自测题自测题 （1）差分脉冲编码调制的预测增益由何而来。45