资源描述：
《现代通信原理6第六章自适应差分脉码调制汇总ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、现代通信原理第六章自适应差分脉码调制1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（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）
2、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)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)56．2
3、DPCM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: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.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)根据前
4、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9DPCM系统原理框图10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.11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L
5、PF即恢复出模拟信号sr(k)。12DPCM的系统总量化误差：总量化误差只和差值信号的量化误差有关.13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14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.15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
6、零点,故称为全极点预测器.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。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E[d2]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最小，
7、有28并假设信号与噪声无关，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
8、接近{aiopt(k)}.Widrow提出的LMS算法32梯度符号算法以下来说明
