现代通信原理.pptx

现代通信原理;单元概述 ;单元学习提纲 ;第六章 自适应差分脉码调制(ADPCM); 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);6．2 DPCM的根本原理;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. ; 假设有一个信号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);预测过程可以用以下抽头延时滤波器实现;DPCM系统原理框图;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.;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) 。 ; DPCM的系统总量化误差：; 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;预测增益：;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;设发送系统预测量化器传递函数为D(Z);接收系统重建滤波器传递函数H(Z);19;2.零点预测器;; 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。;3.极零点预测器;从发送端;4.最正确线性预测器 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，是最正确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E[d2]最小， 可以通过求极限。;对于一极点预测器;所以得到一组线性方程; 差值信号在预测系数取最正确值时最小，有;并假设信号与噪声无关，;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，见以以下图;6.3 自适应预测;2.后向序贯自适应预测算法 在dq(k)最小的情况下,找出最正确预测系数,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;梯度符号算法;; 1.假设预测信号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。; 2.假设预测信号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。; 3.假设预测信号Sr(k)0,差值dq(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。; 4.假设预测信号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。;6.4 自适应量化;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。;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; 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:; 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。;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