>xq=quantize(x,6)月 >>subplot(211),waveplot(x),subplot(212),waveplot(xq); 你能解释为什么xq与s或sq完全不同？ C3.非均匀量化： 显示一个μ律压缩三比特量化器的特性。 >>clf.quant_ch(3,'mu_law ) 问题5.4考虑一个脉冲幅度限于-025.0.251上的抽样信号.如果将该信号量 化那么用μ律压缩三比特量化器实际上需要多少量化电平？用均匀三比特量化 器呢？ C4.应用μ律压缩抽样信号s和x,并量化： >>msq=mu_inv(quantize(mu_law(s).6)) >>mxq=mu_inv(quantize(mu_law(x),6)); 由于被量化的样值必须被恢复成它们的初始值，所以非均匀量化等同于如下操作：压缩 一均匀量化一一扩张。（注：m-law和m-iv是彼此相反的函数，它们分别代表压 缩和扩张特性。)显示波形msq,mxq并与原信号s和x比较。我们特别感兴趣的是msq 与sq及mxq与xq的比较。首先，我们讨论大振幅信号s: >clfsubplot(311),waveplot(s). >>subplot(312).waveplot(sq): >>subplot(313),waveplot(msq). 现在是小振幅信号x >>figure(2).subplot(311).waveplot(x). >subplot(312).waveplot(xq): >>subplot(313),waveplot(mxq) C.5对给出的量化电平，如果输入的抽样振幅均匀分布在输入区间[一1,1]上，那么此均匀量 化器是最优的。话音信号振幅分布的最好的模型是Laplace分布。根据方差为0.01的 Laplace分布立生一个2000个样值的抽样概率密密度函数： >close (2),figure(1).clf. >>a=laplace(2000,0.01); >>pdf(a,30) 利用μ律压缩量化器压缩序列a且显示压缩后序列的抽样概率密度函数： >>b=mu_law(a); >hold on pdfr b 30) 序列b的概率密度函数类似于均概率密度函数，这样b就可以更好的利用可获得的量 化电平。 -31- ―31― >> xq = quantize(x,6 ); >> subplot(211),waveplot(x),subplot(212),waveplot(xq); 你能解释为什么 xq 与 s 或 sq 完全不同？ C.3. 非均匀量化： 显示一个μ律压缩三比特量化器的特性。 >> clf,quant_ch(3,'mu_law' ); 问题 5.4 考虑一个脉冲幅度限于[-0.25,0.25]上的抽样信号,如果将该信号量 化,那么用μ律压缩三比特量化器实际上需要多少量化电平？用均匀三比特量化 器呢？ C.4. 应用μ律压缩抽样信号 s 和 x,并量化： >> msq = mu_inv( quantize(mu_law(s),6 ) ); >> mxq =mu_inv( quantize(mu_law(x),6 ) ); 由于被量化的样值必须被恢复成它们的初始值,所以非均匀量化等同于如下操作：压缩 ——均匀量化——扩张。（注：mu-law 和 mu-inv 是彼此相反的函数，它们分别代表压 缩和扩张特性。）显示波形 msq,mxq 并与原信号 s 和 x 比较。我们特别感兴趣的是 msq 与 sq 及 mxq 与 xq 的比较。首先,我们讨论大振幅信号 s: >> clf,subplot(311),waveplot(s); >> subplot(312),waveplot(sq); >> subplot(313),waveplot(msq); 现在是小振幅信号 x: >> figure(2),subplot(311),waveplot(x); >> subplot(312),waveplot(xq); >> subplot(313),waveplot(mxq); C.5 对给出的量化电平,如果输入的抽样振幅均匀分布在输入区间［－1,1］上,那么此均匀量 化器是最优的。话音信号振幅分布的最好的模型是 Laplace 分布。根据方差为 0.01 的 Laplace 分布产生一个 2000 个样值的抽样概率密度函数： >> close ( 2 ) ,figure (1),clf; >> a = laplace (2000,0.01); >> pdf (a,30 ); 利用μ律压缩量化器压缩序列 a 且显示压缩后序列的抽样概率密度函数： >> b = mu_law(a); >> hold on,pdf( b,30 ); 序列 b 的概率密度函数类似于均匀概率密度函数,这样 b 就可以更好的利用可获得的量 化电平