CN102263558B - 信号处理方法及系统 - Google Patents
信号处理方法及系统 Download PDFInfo
- Publication number
- CN102263558B CN102263558B CN201010187426.4A CN201010187426A CN102263558B CN 102263558 B CN102263558 B CN 102263558B CN 201010187426 A CN201010187426 A CN 201010187426A CN 102263558 B CN102263558 B CN 102263558B
- Authority
- CN
- China
- Prior art keywords
- signal
- source signal
- probability distribution
- signal processing
- quantification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明涉及数字信号处理技术,公开了信号处理方法及系统,其中信号处理方法包括:获得需要进行量化的源信号;对所述源信号进行量化,获得数值分布在一个连续区间的量化后的信号;根据所述源信号的概率分布对量化后的信号进行变换获得输出信号,所述输出信号的概率分布与所述源信号的概率分布相同。使用本发明,可以降低输出信号的失真,尤其在低码率情况下可以降低输出信号的失真。
Description
技术领域
本发明涉及数字信号处理技术,具体涉及信号处理方法及系统。
背景技术
在数字信号处理中,量化起着重要的作用。量化就是将取值连续的信号离散化,以便于数字设备处理。在量化过程中,通常需要输出信号与源信号有尽量高的近似程度,然而,这一近似程度会受到存储容量,计算能力或传输带宽的限制。传统的量化方法是选定一个失真度量,并在限定的编码长度的条件下,最小化这个失真度量,其中,码率和失真度量是在多次量化实现的平均意义下的。
当码率较高时,最小化失真度量可以使输出信号与源信号有较高的近似程度,但是随着码率的降低,一些传统的量化器(如均匀量化器和非均匀量化器等)输出的输出信号的取值被限定在少数几个固定数值上,因而给人的直观感觉是输出信号的质量很差,并且码率越低,输出信号的质量越差。为了解决传统的量化器输出的输出信号的质量随着码率的降低而变差的问题,现有的量化方式有抖动量化和基于随机重建的分布保持量化等。
如下介绍现有的抖动量化方式,由于传统量化器在低码率时的劣质输出归咎于输入信号与量化噪声的统计非独立性,而抖动量化可以保证两者独立,因此抖动量化可以在一定程度上解决该问题。现有的一种抖动量化的流程如下:
(1)在量化前,先对源信号X加上一个抖动信号D,得到X′。抖动信号D是一个随机信号,例如可以是在(-Δ/2,Δ/2)范围内均匀分布的随机信号,Δ为D分布区间的大小;
在对抖动量化的研究中,发明人发现:使用抖动量化并不能完全解决低码率下传统量化方法的问题,在低码率的情况下,输出信号与源信号在统计特性(概率分布)以及数值上都有很大的不同,因此在低码率的情况下,使用抖动量化后的输出信号与源信号仍然有较大失真。
发明内容
本发明实施例提供了信号处理方法及系统,可以降低输出信号的失真。
本发明实施例提供了一种信号处理方法,包括:获得需要进行量化的源信号;对所述源信号进行量化,获得数值分布在一个连续区间的量化后的信号;根据所述源信号的概率分布对量化后的信号进行变换获得输出信号,所述输出信号的概率分布与所述源信号的概率分布相同。
本发明实施例提供了一种信号处理系统,包括:获取单元,用于获得需要进行量化的源信号;量化单元,用于对所述获取单元获取的源信号进行量化,获得数值分布在一个连续区间的量化后的信号;变换单元,用于根据所述源信号的概率分布对所述量化单元获得的量化后的信号进行变换,获得输出信号,所述输出信号的概率分布与所述源信号的概率分布相同。
从本发明实施例提供的以上技术方案可以看出,本发明实施例在对源信号进行量化后可以获得数值分布在一个连续区间的量化后的信号,并且可以对量化后的信号进行变换获得概率分布与源信号的概率分布相同的输出信号,从而使输出信号保持了源信号的统计特性,可以降低输出信号的失真,尤其在低码率情况下可以降低输出信号的失真。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例提供的信号处理方法的流程图;
图2为本发明另一个实施例提供的信号处理方法中信号的变化示意图;
图3为本发明另一个实施例提供的信号处理方法中信号的变化示意图;
图4为本发明另一个实施例提供的信号处理方法中信号的变化示意图;
图5为本发明一个实施例提供的信号处理系统的结构图;
图6A为本发明在不同码率下对于均匀分布的输入信号处理输出的概率分布示意图;
图6B为抖动量化方式下在不同码率下对于均匀分布的输入信号处理输出的概率分布示意图;
图6C为均匀量化方式下在不同码率下对于均匀分布的输入信号处理输出的概率分布示意图;
图6D为基于随机重建的分布保持量化在不同码率下对于均匀分布的输入信号量化输出的概率分布示意图;
图7为四种量化方式对于均匀分布的输入信号量化的码率和均方误差曲线示意图;
图8A为本发明在不同码率下对于高斯分布的输入信号处理输出的概率分布示意图;
图8B为抖动量化方式下在不同码率下对于高斯分布的输入信号处理输出的概率分布示意图;
图8C为均匀量化方式下在不同码率下对于高斯分布的输入信号处理输出的概率分布示意图;
图8D为基于随机重建的分布保持量化在不同码率下对于高斯分布的输入信号处理输出的概率分布示意图;
图9为四种量化方式对于高斯分布的输入信号量化的码率和均方误差曲线示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
先介绍本发明实施例提供的信号处理方法,图1描述了本发明一个实施例提供的信号处理方法的流程,包括:
101、获得需要进行量化的源信号。
源信号可以是一维、或二维、或二维以上。
102、对源信号进行量化,获得数值分布在一个连续区间的量化后的信号。
由于使用基于随机重建的量化会增加失真,因此本发明实施例使用确定性量化方式,使用确定性量化方式时每个量化区间只对应一个量化输出。为使量化信号具有连续的概率分布,可以使用抖动量化或随机码本量化等量化方式。
103、根据源信号的概率分布对量化后的信号进行变换获得输出信号,输出信号的概率分布与源信号的概率分布相同。
从上可知,本实施例在对源信号进行量化后可以获得数值分布在一个连续区间的量化后的信号,并且可以对量化后的信号进行变换获得概率分布与源信号的概率分布相同的输出信号,从而使输出信号保持了源信号的统计特性,并降低输出信号的失真,尤其在低码率情况下可以降低输出信号的失真。
图2描述了本发明另一个实施例提供的信号处理方法中信号的变化,该实施例描述的是使用带有抖动的格型矢量量化方式对源信号进行量化的流程,该实施例包括:
步骤1,获得需要量化的源信号XK。其中,K是一个整数向量,包含所有组成XK的随机变量的索引。假设K=[1,2,3],则XK=[X1,X2,X3]。|K|代表K中元素的数量,也就是输入信号的维度,例如当K=[1]时源信号XK为一维信号。步骤2,使用带有抖动的格型矢量量化方式对源信号XK进行量化,获得数值分布在一个连续区间的量化后的信号其中,量化时使用的抖动信号为DK。
令|K|代表输入信号的维度,亦即格型矢量量化的维度。|K|维格型矢量量化对|K|维实数空间进行均匀化分割,即每个量化区间都是具有同样的形状,可以看成是基础格型的位移。如果令为基础格型,那么第任意i号量化区间可以写成其中li是格型矢量量化对于输入落在第i号量化区间时的输出。
量化都是通过量化器进行的,量化器通常对应一种编码方式,即把每个量化区间对应于一个字符序列(通常是0/1序列)。常用的编码方式有两种,即定长编码和熵编码。定长编码对各个量化区间采用同样的长度的编码,熵编码根据不同输入出现在各个量化区间的概率采用不同的长度的编码。无论采取哪种编码方式,编码长度都随着格型矢量量化的量化区间体积的减小而增大。本发明实施例并不对编码是采用定长编码还是使用熵编码进行限定。
在对源信号XK进行量化前加入抖动信号DK,再从量化得到的信号中减去抖动信号DK获得量化后的信号其中,抖动信号DK需要满足如下条件:抖动信号DK与源信号XK独立;抖动信号DK使得格型矢量量化的噪声均匀分布在基础格型中;抖动信号DK使得格型矢量量化的噪声与源信号XK独立。在本发明的一个实施例中,抖动信号DK是均匀分布在基础格型中的随机向量。
变换gK(·)是一个|K|维向量到|K|维向量的映射,用以恢复源信号的概率分布,并且尽可能使输出信号与源信号XK在数值上接近。在本发明的一个实施例中,使用罗森布拉特(Rosenblatt)变换对量化后的信号进行变换。本发明实施例使用的Rosenblatt变换利用的是如下变换。
…
…
…
…
其中,V表示格型矢量量化的量化区间的体积。
如果(1)源信号XK由独立的随机变量组成,(2)源信号XK中元素的条件累积概率分布函数及其反函数都是解析函数,(3)基础格型是对称的,即如果那么对任意1≤i≤k,成立,那么在本实施例信号处理方法的均方误差在格型矢量量化的量化区间体积趋近于0时,与格型矢量量化本身引起的均方误差是等价无穷小,即:
从上可知,本实施例在对源信号进行量化后可以获得数值分布在一个连续区间的量化后的信号,并且可以对量化后的信号进行变换获得概率分布与源信号的概率分布相同的输出信号,同时本实施例信号处理方法的均方误差在格型矢量量化的量化区间体积趋近于0时,与格型矢量量化本身引起的均方误差是等价无穷小,因此使输出信号保持了源信号的统计特性,并且本实施例可以使用Rosenblatt变换对量化后的信号进行变换获得输出信号,可以确保输出信号在数值上尽可能地接近源信号,因此可以降低输出信号的失真,尤其在低码率情况下可以降低输出信号的失真。
图3描述了本发明另一个实施例提供的信号处理方法中信号的变化,该实施例描述的是源信号是一维信号时使用抖动量化方式对源信号进行量化的流程,该实施例包括:
第一步:获得一维的源信号X。
第二步:用一个随机数生成器,生成一个随机信号D作为抖动信号。在本发明的一个实施例中,该抖动信号满足Schuchman条件。
第三步:抖动信号D在量化前被加入输入信号X,得到量化前的信号X′,其中X′=D+X。
假设量化器是普通的均匀量化器(在一维情况下,格型矢量量化器即为普通的均匀量化器),以下用Δ表示该均匀量化器的区间间隔,可以得到
其中,
;
其中,
从上可知,本实施例在对源信号进行量化后可以获得数值分布在一个连续区间的量化后的信号,并且可以对量化后的信号进行变换获得概率分布与源信号的概率分布相同的输出信号,从而使输出信号保持了源信号的统计特性,可以降低输出信号的失真,尤其在低码率情况下可以降低输出信号的失真。
图4描述了本发明另一个实施例提供的信号处理方法中信号的变化,该实施例描述的是使用随机码本对源信号进行量化的流程,该实施例包括:
步骤1,获得源信号X。
步骤2,按一连续概率分布生成随机码本。
从上可知,本实施例在对源信号进行量化后可以获得数值分布在一个连续区间的量化后的信号,并且可以对量化后的信号进行变换获得概率分布与源信号的概率分布相同的输出信号,从而使输出信号保持了源信号的统计特性,可以降低输出信号的失真,尤其在低码率情况下可以降低输出信号的失真。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在本发明的一个实施例中,采用的是抖动量化方式,该抖动量化方式所使用的抖动信号满足Schuchman条件。
再介绍本发明实施例提供的信号处理系统,图5描述了本发明一个实施例提供的信号处理系统的结构,包括:
获取单元501,用于获得需要进行量化的源信号。
量化单元502,用于对获取单元501获取的源信号进行量化,获得数值分布在一个连续区间的量化后的信号。
在本发明的一个实施例中,量化单元502具体可以是抖动量化器;在本发明的另一个实施例中,该抖动量化器为带有抖动的格型矢量量化器。
变换单元503,用于根据源信号的概率分布对量化单元502获得的量化后的信号进行变换,获得输出信号,该输出信号的概率分布与源信号的概率分布相同。
在本发明的一个实施例中,量化单元502具体为带有抖动的格型矢量量化器,对应的变换单元503具体可以为罗森布拉特变换单元。
从上可知,本实施例在对源信号进行量化后可以获得数值分布在一个连续区间的量化后的信号,并且可以对量化后的信号进行变换获得概率分布与源信号的概率分布相同的输出信号,从而使输出信号保持了源信号的统计特性,可以降低输出信号的失真,尤其在低码率情况下可以降低输出信号的失真。
上述系统内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,上述的存储介质可为磁碟、光盘、只读存储记忆体(ROM:Read-Only Memory)或随机存储记忆体(RAM:Random Access Memory)等。
为了对本发明实施例提供的信号处理方法的效果进行验证,发明人对本发明实施例提供的信号处理方法进行仿真模拟,并且与三种是用不同量化方式的现有的信号处理方法的仿真模拟结果进行了对比,这三种量化方式分别为抖动量化方式、均匀量化方式和基于随机重建的分布保持量化。以下出现的码率是最优的熵编码码率,及量化区间索引的信息熵。
图6A给出了本发明在不同码率下对于均匀分布的输入信号处理输出的概率分布。
图6B给出了抖动量化方式下在不同码率下对于均匀分布的输入信号处理输出的概率分布。
图6C给出了均匀量化方式下在不同码率下对于均匀分布的输入信号处理输出的概率分布。
图6D给出了基于随机重建的分布保持量化在不同码率下对于均匀分布的输入信号处理输出的概率分布。
图7给出了四种量化方式对于均匀分布的输入信号量化的码率和均方误差曲线。
图8A给出了本发明在不同码率下对于高斯分布的输入信号处理输出的概率分布。
图8B给出了抖动量化方式下在不同码率下对于高斯分布的输入信号处理输出的概率分布。
图8C给出了均匀量化方式下在不同码率下对于高斯分布的输入信号处理输出的概率分布。
图8D给出了基于随机重建的分布保持量化在不同码率下对于高斯分布的输入信号处理输出的概率分布。
图9给出了四种量化方式对于高斯分布的输入信号量化的码率和均方误差曲线。
从重建信号的概率分布的测试结果(图6A、图6B、图6C和图6D,以及图8A、图8B、图8C和图8D)可以看出,本发明和基于随机重建的分布保持量化下的重建信号和源信号具有相同的概率分布,而均匀量化和抖动量化的重建信号与源信号的概率分布有较大差异,且随着码率的改变而变化。
从码率和失真度曲线的测试结果(图7和图9)还可以看出,本发明比基于随机重建的分布保持量化在高码率的情况下的失真度有较大改观。随着码率提高,本发明渐近均匀量化和抖动量化的性能。在低码率时,本发明的失真度指标弱于均匀量化,同时由于本发明的输出信号的概率分布与源信号的概率分布相同,因此保持了源信号的统计特性方面的巨大优势,本发明在低码率和高码率时均会有较好的应用效果。另外,本发明在中低码率下好于抖动量化及基于随机重建的分布保持量化,而后两者已在实际中获得好的效果,由此也可以推想本发明的应用效果要好于抖动量化及基于随机重建的分布保持量化。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (11)
1.一种信号处理方法,其特征在于,包括:
获得需要进行量化的源信号;
对所述源信号进行量化,获得数值分布在一个连续区间的量化后的信号;
根据所述源信号的概率分布对量化后的信号进行变换获得输出信号,所述输出信号的概率分布与所述源信号的概率分布相同;
其中,所述对所述源信号进行量化的过程包括:使用每个量化区间只对应一个量化输出的确定性量化方式对所述源信号进行量化。
2.如权利要求1所述的信号处理方法,其特征在于,所述确定性量化方式为抖动量化方式。
3.如权利要求2所述的信号处理方法,其特征在于,所述抖动量化方式为带有抖动的格型矢量量化方式;
所述抖动量化方式所使用的抖动信号与所述源信号独立,且使得所述格型矢量量化的噪声均匀分布在所述格型矢量量化的基础格型中,且使得所述格型矢量量化的噪声与所述源信号独立。
4.如权利要求3所述的信号处理方法,其特征在于,所述抖动信号是均匀分布在所述基础格型中的随机向量。
5.如权利要求4所述的信号处理方法,其特征在于,使用罗森布拉特变换对量化后的信号进行变换。
6.如权利要求3至5任一所述的信号处理方法,其特征在于,所述源信号是一维的;
所述抖动量化方式使用的抖动信号满足舒克曼条件。
7.如权利要求1所述的信号处理方法,其特征在于,所述确定性量化方式为随机码本量化方式。
8.一种信号处理系统,其特征在于,包括:
获取单元,用于获得需要进行量化的源信号;
量化单元,用于对所述获取单元获取的源信号进行量化,获得数值分布在一个连续区间的量化后的信号,其中,所述对所述源信号进行量化的过程包括:使用每个量化区间只对应一个量化输出的确定性量化方式对所述源信号进行量化;
变换单元,用于根据所述源信号的概率分布对所述量化单元获得的量化后的信号进行变换,获得输出信号,所述输出信号的概率分布与所述源信号的概率分布相同。
9.如权利要求8所述的信号处理系统,其特征在于,所述量化单元为抖动量化器。
10.如权利要求9所述的信号处理系统,其特征在于,所述抖动量化器为带有抖动的格型矢量量化器。
11.如权利要求10所述的信号处理系统,其特征在于,所述变换单元为罗森布拉特变换单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010187426.4A CN102263558B (zh) | 2010-05-28 | 2010-05-28 | 信号处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010187426.4A CN102263558B (zh) | 2010-05-28 | 2010-05-28 | 信号处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102263558A CN102263558A (zh) | 2011-11-30 |
CN102263558B true CN102263558B (zh) | 2014-02-19 |
Family
ID=45010048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010187426.4A Active CN102263558B (zh) | 2010-05-28 | 2010-05-28 | 信号处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102263558B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102761902B (zh) | 2011-04-29 | 2014-07-09 | 华为技术有限公司 | 容量站激活的方法及无线通信装置与系统 |
CN103503320B (zh) | 2011-05-23 | 2016-10-05 | 华为技术有限公司 | 用于重构源信号的方法和解码器 |
CN105138304B (zh) * | 2015-07-28 | 2018-07-20 | 北京华力创通科技股份有限公司 | 数字信号的自适应量化方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0097858A2 (en) * | 1982-06-11 | 1984-01-11 | Mitsubishi Denki Kabushiki Kaisha | Vector quantizer |
US6125149A (en) * | 1997-11-05 | 2000-09-26 | At&T Corp. | Successively refinable trellis coded quantization |
CN1618172A (zh) * | 2002-07-15 | 2005-05-18 | D.S.P.C.技术有限公司 | 减少量化误差的设备和方法 |
-
2010
- 2010-05-28 CN CN201010187426.4A patent/CN102263558B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0097858A2 (en) * | 1982-06-11 | 1984-01-11 | Mitsubishi Denki Kabushiki Kaisha | Vector quantizer |
US6125149A (en) * | 1997-11-05 | 2000-09-26 | At&T Corp. | Successively refinable trellis coded quantization |
CN1618172A (zh) * | 2002-07-15 | 2005-05-18 | D.S.P.C.技术有限公司 | 减少量化误差的设备和方法 |
Non-Patent Citations (2)
Title |
---|
《Dither信号理论分析及仿真》;陈静等;《电光与控制》;20091231;第16卷(第12期);第46-47页,第57页 * |
陈静等.《Dither信号理论分析及仿真》.《电光与控制》.2009,第16卷(第12期),第46-47页,第57页. |
Also Published As
Publication number | Publication date |
---|---|
CN102263558A (zh) | 2011-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832837B (zh) | 一种基于压缩感知原理的卷积神经网络压缩方法及解压缩方法 | |
CN109996071B (zh) | 基于深度学习的可变码率图像编码、解码系统及方法 | |
Boufounos et al. | Quantization and compressive sensing | |
US10382789B2 (en) | Systems and methods for digital media compression and recompression | |
CN116506073B (zh) | 一种工业计算机平台数据快速传输方法及系统 | |
CN102263558B (zh) | 信号处理方法及系统 | |
Yadav et al. | Study and analysis of wavelet based image compression techniques | |
CN102158692B (zh) | 编码方法、解码方法、编码器和解码器 | |
KR101627000B1 (ko) | 디지털 데이터 처리 방법 | |
CN107666472B (zh) | 混合的数字-模拟编解码的方法和设备 | |
CN104125475A (zh) | 一种多维量子数据压缩、解压缩方法及装置 | |
Brunk et al. | Fixed-rate successively refinable scalar quantizers | |
WO2013011355A1 (en) | Method and apparatus for encoding an image | |
CN104104390A (zh) | 一种信号压缩方法和重构方法及相关装置和系统 | |
KR101577848B1 (ko) | 규칙적인 지점의 네트워크에서 벡터를 카운팅하는 방법 | |
Thepade et al. | New clustering algorithm for Vector Quantization using Haar sequence | |
CA2610467C (en) | Matrix compression arrangements | |
Yan et al. | Digital Image Compression | |
Thepade et al. | New clustering algorithm for vector quantization using hybrid Haar slant error vector | |
CN104113394A (zh) | 通信调制信号的压缩及解压方法 | |
Saab et al. | Quantization of compressive samples with stable and robust recovery | |
CN113904900B (zh) | 一种实时遥测信源分阶相对编码方法 | |
CN110933444B (zh) | 位宽值存储方法和装置 | |
CN117544176A (zh) | 一种雷达数据有损压缩方法及系统、计算机设备及介质 | |
CN117651081A (zh) | 一种数据传输方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |