CN105811995A - 一种减少量化噪声的方法 - Google Patents

Abstract

本发明公开了一种减少量化噪声的方法，涉及通信技术领域，所述方法包括：根据待编码信号、传输系统、理想编码信号和编码后的信噪比确定最优编码信号；其中，所述传输系统包括量化编码器、第一乘法器和第二乘法器，所述第一乘法器的输出端与所述量化编码器的输入端连接，所述量化编码器的输出端与所述第二乘法器的第一输入端连接，所述第二乘法器的第二输入端和所述第一乘法器的第一输入端用于接收周期编码信号，所述第一乘法器的第二输入端用于接收待编码信号，所述第二乘法器的输出端用于输出编码后的信号。本发明的稳定性好，且进一步减少了量化噪声。

Description

一种减少量化噪声的方法

技术领域

本发明涉及通信技术领域，尤其涉及一种减少量化噪声的方法。

背景技术

随着信息技术的不断发展，信息的容量正以指数级的趋势增长，人们对信息传输的有效性和信号内容的准确性提出了更高的要求，现在大部分信号都是数字信号传输,而要想实现数字信号的传输，量化是必要的步骤，但在量化过程中会存在一定的误差，此误差就称为量化噪声，为了保证数字信号传输的有效性和信号的准确性，就需要减少数字信号传输中的量化噪声。

现有技术中通常采用抖动法来减少量化噪声，如图1所示，在Q的输入端和输出端均加入随机噪声，这样叠加后的噪声会使编码后的信号在两个相邻数码间随机变化，从而消除门限的影响来达到减少量化噪声的目的，其中，Q是量化编码器，H(w)是频率响应线性时不变系统，u(n)为待编码信号，s(n)为经过量化编码后的信号，y(n)为最终输出的编码信号。

但上述现有技术加入的噪声是随机的，而理想的随机信号是不存在的，这样会导致系统不稳定。

发明内容

有鉴于此，本发明提供一种减少量化噪声的方法，其量化编码器是针对多项式的量化编码器，其稳定性好，另外，本发明确定针对多项式的量化编码器的最优编码方式，进一步减少了量化噪声，增大信噪比。

本发明通过以下技术手段解决上述问题：

本发明的一种减少量化噪声的方法，包括：根据待编码信号、周期编码信号、传输系统、理想编码信号和编码后的信噪比确定最优编码信号；其中，所述传输系统包括量化编码器、第一乘法器和第二乘法器，所述第一乘法器的输出端与所述量化编码器的输入端连接，所述量化编码器的输出端与所述第二乘法器的第一输入端连接，所述第二乘法器的第二输入端和所述第一乘法器的第一输入端用于接收周期编码信号，所述第一乘法器的第二输入端用于接收待编码信号，所述第二乘法器的输出端用于输出编码后的信号。

进一步，所述周期编码信号为其中，a(n)为多个余弦基波信号的叠加，k＝1…N_a，N_a为第n个信号，a_k为第k个信号的幅度，ω₀为角频率，n为码元数。

进一步，所述根据待编码信号、传输系统、理想编码信号和编码后的信噪比确定最优编码信号包括：

根据公式 $\underset{p}{\min }\underset{-L}{\overset{L}{\∫}}|{\mathrm{\μ}}^T\left(n\right)p-Q\left(\mathrm{\μ}\right(n\left)\right){|}^{2}d\mathrm{\μ}\left(n\right)$ 和公式

$SNR\≈10{\log }_{10}\frac{p_1^2{\left(2{\Σ}_{k=1}^{N_a}\frac{a_k^2}{4}\right)}^2{\∫}_{\frac{\mathrm{\π}}{-R}}^{\frac{\mathrm{\π}}{R}}|U\left(w\right){|}^{2}dw}{{\∫}_{\frac{\mathrm{\π}}{-R}}^{\frac{\mathrm{\π}}{R}}\left|{\Σ}_{m=2}^M{p}_m{a}_m^{\′\′}{U}_{2m-1}{\left(w\right)}^2\right|dw}$ 确定最优编码信号；

其中， $|{\mathrm{\μ}}^T\left(n\right)p-Q\left(\mathrm{\μ}\right(n\left)\right)|\≤\frac{\mathrm{\ϵ}\mathrm{\Δ}}{2},\∀\mathrm{\μ}\left(n\right)\∈\[-L,L\],$ L为信号长度，p为理想编码信号的多项式算子，μ(n)为多项式，Q(μ(n))为理想编码信号，U(w)为理想编码信号的频谱，p_m为第m个多项式的系数，a_m为第m个信号的幅度，ω为角频率，为信号频谱周期，U_2m-1(w)为2m-1个频谱，SNR为信噪比。

进一步，所述根据公式 $\underset{p}{\min }\underset{-L}{\overset{L}{\∫}}|{\mathrm{\μ}}^T\left(n\right)p-Q\left(\mathrm{\μ}\right(n\left)\right){|}^{2}d\mathrm{\μ}\left(n\right)$ 和公式

$SNR\≈10{\log }_{10}\frac{p_1^2{\left(2{\Σ}_{k=1}^{N_a}\frac{a_k^2}{4}\right)}^2{\∫}_{\frac{\mathrm{\π}}{-R}}^{\frac{\mathrm{\π}}{R}}|U\left(w\right){|}^{2}dw}{{\∫}_{\frac{\mathrm{\π}}{-R}}^{\frac{\mathrm{\π}}{R}}\left|{\Σ}_{m=2}^M{p}_m{a}_m^{\′\′}{U}_{2m-1}{\left(w\right)}^2\right|dw}$ 确定最优编码信号包括：

步骤S1、设置初始迭代次数n＝0，t＝0，并随机生成起始点向量a⁰；

分别设置l⁰＝0，λ₀＝1，δ＝δ′＝10^-6，以及系数N_a＝40，系数M＝10，其中，其中，l⁰为第零次迭代的初始值，λ₀为步长，为迭代次数，为迭代次数，δ为阈值，δ′为阈值，M为系数；

步骤S2、设置 $u\left(k\right)=Usin\left(\frac{2\mathrm{\π}k}{3R}\right),$ 根据 $u\left(k\right)=Usin\left(\frac{2\mathrm{\π}k}{3R}\right)$ 确定周期编码 $a^{n+1}=a^n-{\mathrm{\λ}}_n{\▿}_{a}SNR|a=a^n,$ 并更新步长 ${\mathrm{\λ}}_{n+1}=\frac{{\mathrm{\λ}}_0}{{\left(ceil\right(\frac{n}{\hat{N}}\left)\right)}^2};$

其中， ${\▿}_{a}SNR=|{\▿}_{a_1}SNR...{\▿}_{{\mathrm{aN}}_a}SNR|,$

${\▿}_{a_k}SNR=\frac{10}{\ln 10}\left(\begin{array}{c}\frac{a_k{p}_1^2\left(2{\Σ}_{k=1}^{N_a}\frac{a_k^2}{4}\right){\∫}_{\frac{\mathrm{\π}}{-R}}^{\frac{\mathrm{\π}}{R}}|U\left(w\right){|}^{2}dw}{p_1^2{\left(2{\Σ}_{k=1}^{N_a}\frac{a_k^2}{4}\right)}^2{\∫}_{\frac{\mathrm{\π}}{-R}}^{\frac{\mathrm{\π}}{R}}|U\left(w\right){|}^{2}dw}-\\ \[\×\underset{\frac{\mathrm{\π}}{-R}}{\overset{\frac{\mathrm{\π}}{R}}{\∫}}\left({\▿}_{a_s}{a}_m^{\′\′}\right)\left(p_k{U}_{2k-1}\right(w)\×\underset{m=2}{\overset{M}{\Σ}}{p}_m{a}_m^{\′\′}{U}_{2m-1}^{*}(w\left)\right)+p_k{U}_{2k-1}^{*}\left(w\right)\×\underset{m=2}{\overset{M}{\Σ}}{p}_m{a}_m^{\′\′}{U}_{2m-1}^{*}\left(w\right)dw\]\\ {\[\×\underset{\frac{\mathrm{\π}}{-R}}{\overset{\frac{\mathrm{\π}}{R}}{\∫}}\left|\underset{m=2}{\overset{M}{\Σ}}{p}_m{a}_m^{\′\′}{U}_{2m-1}^{*}\left(w\right)\right|\]}^{-1}\end{array}\right),$

${\▿}^n{a}_k{a}_m=\underset{q=1}{\overset{2N_a+1}{\Σ}}2m{\tilde{W}}_{N_a+1,q}\×(\underset{p=1}{\overset{N_a}{\Σ}}{W}_{q,{\mathrm{paN}}_a+1-p}+W_{q,N_a+1+{\mathrm{pa}}_p})\×(W_{q,N_a+1-k}+W_{q,N_a+1+k}),$

W是傅里叶变换，是傅里叶反变换，aⁿ为n次迭代后的编码信号，λ_n为第n次迭代的步长，λ_n+1为第n+1次迭代的步长，为周期编码信号a的梯度,为信噪比的梯度矩阵；

步骤S3、将|aⁿ⁺¹-aⁿ|与δ进行比较，若确定|aⁿ⁺¹-aⁿ|>δ，则返回步骤S2；若确定|aⁿ⁺¹-aⁿ|≤δ，则执行步骤S4；

步骤S4、设置l^t+1＝SNR|aⁿ⁺¹，并将l^t+1与l^t的差值与δ′进行比较，且将t与进行比较，若确定0<l^t+1-l^t≤δ′且则确定aⁿ⁺¹为最优编码信号；

若确定l^t+1>l^t+δ′，则设置并返回步骤S2；其中，是aⁿ的第i个分量，是在[-0.50.5]之间的均匀分布标量，n和l均为增量；

若确定l^t+1<l^t，则设置aⁿ⁺¹为向量a^p+随机向量，并返回步骤S2；其中，n和l均为增量。

本发明的一种减少量化噪声的方法具有以下有益效果：

本发明的一种减少量化噪声的方法包括根据待编码信号、传输系统、理想编码信号和编码后的信噪比确定最优编码信号，其中，传输系统包括量化编码器、第一乘法器和第二乘法器，第一乘法器的输出端与量化编码器的输入端连接，量化编码器的输出端与第二乘法器的第一输入端连接，第二乘法器的第二输入端和第一乘法器的第一输入端用于接收周期编码信号，第一乘法器的第二输入端用于接收待编码信号，第二乘法器的输出端用于输出编码后的信号。这样，在相同的待编码信号输入的情况下，本发明的量化编码器是针对多项式的量化编码器，其稳定性好，另外，本发明确定针对多项式的量化编码器的最优编码方式，进一步减少了量化噪声，增大信噪比。

附图说明

图1为现有技术中减少量化噪声的系统结构示意图；

图2为本发明的传输系统的结构示意图；

图3为本发明的一种仿真结果图；

图4为本发明的另一种仿真结果图。

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。

本发明提供的一种减少量化噪声的方法包括：

根据待编码信号、周期编码信号、传输系统、理想编码信号和编码后的信噪比确定最优编码信号。

其中，如图2所示：所述传输系统包括量化编码器、第一乘法器和第二乘法器，所述第一乘法器的输出端与所述量化编码器的输入端连接，所述量化编码器的输出端与所述第二乘法器的第一输入端连接，所述第二乘法器的第二输入端和所述第一乘法器的第一输入端用于接收周期编码信号，所述第一乘法器的第二输入端用于接收待编码信号，所述第二乘法器的输出端用于输出编码后的信号，所述周期编码信号为

其中，a(n)为多个余弦基波信号的叠加，k＝1…N_a，N_a为第n个信号，a_k为第k个信号的幅度，ω₀为角频率，n为码元数。

具体的，根据公式 $\underset{p}{\min }\underset{-L}{\overset{L}{\&Integral;}}|{\mathrm{\&mu;}}^T\left(n\right)p-Q\left(\mathrm{\&mu;}\right(n\left)\right){|}^{2}d\mathrm{\&mu;}\left(n\right)$ 和

公式 $SNR\&ap;10{\log }_{10}\frac{p_1^2{\left(2{\&Sigma;}_{k=1}^{N_a}\frac{a_k^2}{4}\right)}^2{\&Integral;}_{\frac{\mathrm{\&pi;}}{-R}}^{\frac{\mathrm{\&pi;}}{R}}|U\left(w\right){|}^{2}dw}{{\&Integral;}_{\frac{\mathrm{\&pi;}}{-R}}^{\frac{\mathrm{\&pi;}}{R}}\left|{\&Sigma;}_{m=2}^M{p}_m{a}_m^{\&prime;\&prime;}{U}_{2m-1}{\left(w\right)}^2\right|dw}$ 确定最优编码信号。

其中， $|{\mathrm{\&mu;}}^T\left(n\right)p-Q\left(\mathrm{\&mu;}\right(n\left)\right)|\&le;\frac{\mathrm{\&epsiv;}\mathrm{\&Delta;}}{2},\&ForAll;\mathrm{\&mu;}\left(n\right)\&Element;\&lsqb;-L,L\&rsqb;,$ L为信号长度，p为理想编码信号的多项式算子，μ(n)为多项式，Q(μ(n))为理想编码信号，U(w)为理想编码信号的频谱，p_m为第m个多项式的系数，a_m为第m个信号的幅度，ω为角频率，为信号频谱周期，U_2m-1(w)为2m-1个频谱，SNR为信噪比。

具体包括如下步骤：

步骤S1、设置初始迭代次数n＝0，t＝0，并随机生成起始点向量a⁰；

分别设置l⁰＝0，λ₀＝1，δ＝δ′＝10^-6，以及系数N_a＝40，系数M＝10，其中，l⁰为第零次迭代的初始值，λ₀为步长，为迭代次数，为迭代次数，δ为阈值，δ′为阈值，M为系数；

步骤S2、设置 $u\left(k\right)=Usin\left(\frac{2\mathrm{\&pi;}k}{3R}\right),$ 根据 $u\left(k\right)=Usin\left(\frac{2\mathrm{\&pi;}k}{3R}\right)$ 确定周期编码 $a^{n+1}=a^n-{\mathrm{\&lambda;}}_n{\&dtri;}_{a}SNR|a=a^n,$ 并更新步长 ${\mathrm{\&lambda;}}_{n+1}=\frac{{\mathrm{\&lambda;}}_0}{{\left(ceil\right(\frac{n}{\hat{N}}\left)\right)}^2};$

其中， ${\&dtri;}_{a}SNR=|{\&dtri;}_{a_1}SNR...{\&dtri;}_{{\mathrm{aN}}_a}SNR|,$

${\&dtri;}_{a_k}SNR=\frac{10}{\ln 10}\left(\begin{array}{c}\frac{a_k{p}_1^2\left(2{\&Sigma;}_{k=1}^{N_a}\frac{a_k^2}{4}\right){\&Integral;}_{\frac{\mathrm{\&pi;}}{-R}}^{\frac{\mathrm{\&pi;}}{R}}|U\left(w\right){|}^{2}dw}{p_1^2{\left(2{\&Sigma;}_{k=1}^{N_a}\frac{a_k^2}{4}\right)}^2{\&Integral;}_{\frac{\mathrm{\&pi;}}{-R}}^{\frac{\mathrm{\&pi;}}{R}}|U\left(w\right){|}^{2}dw}-\\ \&lsqb;\&times;\underset{\frac{\mathrm{\&pi;}}{-R}}{\overset{\frac{\mathrm{\&pi;}}{R}}{\&Integral;}}\left({\&dtri;}_{a_s}{a}_m^{\&prime;\&prime;}\right)\left(p_k{U}_{2k-1}\right(w)\&times;\underset{m=2}{\overset{M}{\&Sigma;}}{p}_m{a}_m^{\&prime;\&prime;}{U}_{2m-1}^{*}(w\left)\right)+p_k{U}_{2k-1}^{*}\left(w\right)\&times;\underset{m=2}{\overset{M}{\&Sigma;}}{p}_m{a}_m^{\&prime;\&prime;}{U}_{2m-1}^{*}\left(w\right)dw\&rsqb;\\ {\&lsqb;\&times;\underset{\frac{\mathrm{\&pi;}}{-R}}{\overset{\frac{\mathrm{\&pi;}}{R}}{\&Integral;}}\left|\underset{m=2}{\overset{M}{\&Sigma;}}{p}_m{a}_m^{\&prime;\&prime;}{U}_{2m-1}^{*}\left(w\right)\right|\&rsqb;}^{-1}\end{array}\right),$

$\&dtri;a_k{a}_m^{\&prime;\&prime;}=\underset{q=1}{\overset{2N_2+1}{\&Sigma;}}2m{\tilde{W}}_{N_a+1,q}\&times;(\underset{p=1}{\overset{N_a}{\&Sigma;}}{W}_{q,{\mathrm{paN}}_a+1-p}+W_{q,N_a+1+{\mathrm{pa}}_{\mathrm{\&rho;}}})\&times;(W_{q,N_a+1-k}+W_{q,N_a+1+k}),$

W是傅里叶变换，是傅里叶反变换，aⁿ为n次迭代后的编码信号，λ_n为第n次迭代的步长，λ_n+1为第n+1次迭代的步长，为周期编码信号a的梯度,为信噪比的梯度矩阵；

步骤S3、将|aⁿ⁺¹-aⁿ|与δ进行比较，若确定|aⁿ⁺¹-aⁿ|>δ，则返回步骤S2；若确定|aⁿ⁺¹-aⁿ|≤δ，则执行步骤S4；

步骤S4、设置l^t+1＝SNR|aⁿ⁺¹，并将l^t+1与l^t的差值与δ′进行比较，且将t与进行比较，若确定0<l^t+1-l^t≤δ′且则确定aⁿ⁺¹为最优编码信号；

若确定l^t+1>l^t+δ′，则设置并返回步骤S2；其中，是aⁿ的第i个分量，是在[-0.50.5]之间的均匀分布标量，n和l均为增量；

若确定l^t+1<l^t，则设置aⁿ⁺¹为向量a^p+随机向量，并返回步骤S2；其中，n和l均为增量。

如图3和图4所示，均为根据本发明的传输系统及确定最优编码信号的方法所达到的信噪比与现有技术中采用抖动法所达到的信噪比的仿真结果图，可以看出本发明的传输系统及确定最优编码信号的方法所达到的信噪比高于现有技术中采用抖动法所达到的信噪比，进一步减少了量化噪声。

本发明的一种减少量化噪声的方法包括根据待编码信号、传输系统、理想编码信号和编码后的信噪比确定最优编码信号，其中，传输系统包括量化编码器、第一乘法器和第二乘法器，第一乘法器的输出端与量化编码器的输入端连接，量化编码器的输出端与第二乘法器的第一输入端连接，第二乘法器的第二输入端和第一乘法器的第一输入端用于接收周期编码信号，第一乘法器的第二输入端用于接收待编码信号，第二乘法器的输出端用于输出编码后的信号。这样，在相同的待编码信号输入的情况下，本发明的量化编码器是针对多项式的量化编码器，其稳定性好，另外，本发明确定针对多项式的量化编码器的最优编码方式，进一步减少了量化噪声，增大信噪比。

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，所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，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (4)

1.一种减少量化噪声的方法，其特征在于，包括：

根据待编码信号、周期编码信号、传输系统、理想编码信号和编码后的信噪比确定最优编码信号；其中，所述传输系统包括量化编码器、第一乘法器和第二乘法器，所述第一乘法器的输出端与所述量化编码器的输入端连接，所述量化编码器的输出端与所述第二乘法器的第一输入端连接，所述第二乘法器的第二输入端和所述第一乘法器的第一输入端用于接收周期编码信号，所述第一乘法器的第二输入端用于接收待编码信号，所述第二乘法器的输出端用于输出编码后的信号。

2.如权利要求1所述的一种减少量化噪声的方法，其特征在于，所述周期编码信号为其中，a(n)为多个余弦基波信号的叠加，k＝1…N_a，N_a为第n个信号，a_k为第k个信号的幅度，ω₀为角频率，n为码元数。

3.如权利要求2所述的一种减少量化噪声的方法，其特征在于，所述根据待编码信号、传输系统、理想编码信号和编码后的信噪比确定最优编码信号包括：

根据公式和公式确定最优编码信号；

其中，L为信号长度，p为理想编码信号的多项式算子，μ(n)为多项式，Q(μ(n))为理想编码信号，U(w)为理想编码信号的频谱，p_m为第m个多项式的系数，a_m为第m个信号的幅度，ω为角频率，为信号频谱周期，U_2m-1(w)为2m-1个频谱，SNR为信噪比。

4.如权利要求3所述的一种减少量化噪声的方法，其特征在于，所述根据公式和公式确定最优编码信号包括：

步骤S1、设置初始迭代次数n＝0，t＝0，并随机生成起始点向量a⁰；

分别设置l⁰＝0，λ₀＝1，δ＝δ′＝10^-6，以及系数N_a＝40，系数M＝10，其中，l⁰为第零次迭代的初始值，λ₀为步长，为迭代次数，为迭代次数，δ为阈值，δ′为阈值，M为系数；

步骤S2、设置根据确定周期编码并更新步长

其中，

${\&dtri;}_{a_k}SNR=\frac{10}{ln10}\left(\begin{array}{c}\frac{a_k{p}_1^2\left(2{\&Sigma;}_{k=1}^{N_a}\frac{a_k^2}{4}\right){\&Integral;}_{\frac{\mathrm{\&pi;}}{-R}}^{\frac{\mathrm{\&pi;}}{R}}{\left|U\left(w\right)\right|}^{2}dw}{p_1^2{\left(2{\&Sigma;}_{k=1}^{N_a}\frac{a_k^2}{4}\right)}^2{\&Integral;}_{\frac{\mathrm{\&pi;}}{-R}}^{\frac{\mathrm{\&pi;}}{R}}{\left|U\left(w\right)\right|}^{2}dw}-\\ \&lsqb;\underset{\frac{\mathrm{\&pi;}}{-R}}{\overset{\frac{\mathrm{\&pi;}}{R}}{\&Integral;}}\left({\&dtri;}_{a_s}{a}_m^{\&prime;\&prime;}\right)\left(p_k{U}_{2k-1}\left(w\right)\underset{m=2}{\overset{M}{\&Sigma;}}{p}_m{a}_m^{\&prime;\&prime;}{U}_{2m-1}^{*}\left(w\right)\right)+p_k{u}_{2k-1}^{*}\left(w\right)\underset{m=2}{\overset{M}{\&Sigma;}}{p}_m{a}_m^{\&prime;\&prime;}{U}_{2m-1}^{*}\left(w\right)dw\&rsqb;\\ \&times;{\&lsqb;\underset{\frac{\mathrm{\&pi;}}{-R}}{\overset{\frac{\mathrm{\&pi;}}{R}}{\&Integral;}}\left|\underset{m=2}{\overset{M}{\&Sigma;}}{p}_m{a}_m^{\&prime;\&prime;}{U}_{2m-1}^{*}\left(w\right)\right|\&rsqb;}^{-1}\end{array}\right),$

$\&dtri;a_k{a}_m^{\&prime;\&prime;}=\underset{q=1}{\overset{2N_a+1}{\&Sigma;}}2m{\tilde{W}}_{N_a+1,q}\&times;(\underset{p=1}{\overset{N_a}{\&Sigma;}}{W}_{q,{\mathrm{paN}}_a+1-p}+W_{q,N_a+1+{\mathrm{pa}}_p})\&times;(W_{q,N_a+1-k}+W_{q,N_a+1+k}),$

W是傅里叶变换，是傅里叶反变换，aⁿ为n次迭代后的编码信号，λ_n为第n次迭代的步长，λ_n+1为第n+1次迭代的步长，为周期编码信号a的梯度,为信噪比的梯度矩阵；

步骤S3、将|aⁿ⁺¹-aⁿ|与δ进行比较，若确定|aⁿ⁺¹-aⁿ|>δ，则返回步骤S2；若确定|aⁿ⁺¹-aⁿ|≤δ，则执行步骤S4；

步骤S4、设置l^t+1＝SNR|aⁿ⁺¹，并将l^t+1与l^t的差值与δ′进行比较，且将t与进行比较，若确定0<l^t+1-l^t≤δ′且则确定aⁿ⁺¹为最优编码信号；

若确定l^t+1>l^t+δ′，则设置并返回步骤S2；其中，是aⁿ的第i个分量，是在[-0.50.5]之间的均匀分布标量，n和l均为增量；

若确定l^t+1<l^t，则设置aⁿ⁺¹为向量a^p+随机向量，并返回步骤S2；其中，n和l均为增量。