2014-06-18 ·非均匀量化以大信号时的信噪比下降为代价来换取小信号时 ·要得到非均匀量化的效果,需使 因大信号时本来的信噪比很高,虽然非均匀量化会引起信噪 n(1+p)1+|0|In(1+p 比的下降,但往往信噪比仍能满足通信的需求 0 两种近似对数的压缩特性: ◆北美、日本使用的p μ=0;均匀量化 西欧等地使用的A律 H=255 μ律的压缩待性为: μ越大,压缩效 果越好 y=f(r)=n(+ulxD (-11) 其中>0为压缩参数,表示压缩程度 ∫(x)的导数为 f(x)= In(1+u)1+uli s1.604200204看8 AxI Sgm(x)0x一 y=f(x)=1+in AXl sgn(x)A-k'I A=1:均匀量化 其中4>1为压缩参数,表示压缩程度 f(x)舶导数为 A越大,压缩效 A ask 果越好 f(x) la+inAri Asks 通常A取876 ·要得到非均匀量化的效果,需使 对于μ压缩器,当信号为高斯分布时 x2) ()2xo,叫20)xe1 L「mu+u 其中信号的平均功*为:S,=[x2p(x= μ律压缩的量化噪声的功率为 N,“Lo20叫2) 2 In(1+u) 「ln(1+ 1+2x+o} I+gox)'dx 522014-06-18 8  非均匀量化以大信号时的信噪比下降为代价来换取小信号时 的信噪比提高，从而扩大输入信号的动态范围  因大信号时本来的信噪比很高，虽然非均匀量化会引起信噪 比的下降，但往往信噪比仍能满足通信的需求  目前最典型的两种近似对数的压缩特性：  北美、日本使用的律  西欧等地使用的A律 52 43  律的压缩特性为： ( ), ( 1,1) ( 1,1) ln(1 ) ln(1 | |) ( )         Sgn x x y x y f x   其中 >0为压缩参数，表示压缩程度  f (x)的导数为： ln(1 ) 1 | | 1 ( ) x f x          要得到非均匀量化的效果，需使： 1 ln(1 ) 1 | 0 | ln(1 ) 1 (0)              f    0 0 4 0.6 0.8 1  =0  =255  =0：均匀量化 越大 压缩效 52 44 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 y   =5 x  越大，压缩效 果越好 通常 取255  A律的压缩特性为：               | | 1 1 ( ) 1 ln 1 ln | | 1 ( ) 0 | | 1 ln | | ( ) x A Sgn x A A x A Sgn x x A A x y f x 其中A >1为压缩参数，表示压缩程度  f (x)的导数为： 52 45  f (x)的导数为：               | | 1 1 (1 ln ) | | 1 1 0 | | 1 ln ( ) x A x A A x A A f x  要得到非均匀量化的效果，需使： 1 1 ln (0)     A A f  A 1 A=1：均匀量化 A越大 压缩效 0.2 0.4 0.6 0.8 1 A=1 A=2 A=87.6 52 46 A越大，压缩效 果越好 通常A取87.6 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -1 -0.8 -0.6 -0.4 -0.2 0 y x  对于律压缩器，当信号为高斯分布时： ( 1,1) 2 exp 2 1 ( ) 2 2             x x p x  x  x 其中信号的平均功率为：  律压缩的量化噪声的功率为： 2 1 1 2 ( ) x x S  x p x dx   x     2 1 52 47 x dx x N dx x x N dx f x p x N N x x x x q                                           1 0 2 2 2 2 2 1 0 2 2 2 1 0 2 2 (1 ) 2 exp 2 ln(1 ) 1 3 2 ln(1 ) 1 | | 1 2 exp 2 1 3 2 [ ( )] ( ) 3 2           2 exp 2 1 2 2 ln(1 ) 3 1 2 exp 2 1 2 ln(1 ) 3 1 (1 2 ) 2 exp 2 ln(1 ) 1 3 2 2 2 1 0 2 2 2 2 1 0 2 2 1 0 2 2 2 2 2 2 x x x x q dx x x N dx x N x x dx x N N                                                                                      52 48 {1 2 [| |] } ln(1 ) 3 1 2 exp 2 1 2 ln(1 ) 3 1 3 2 2 2 2 2 2 1 0 2 2 2 2 2 2 0 x x x x x E x N dx x x N N                                                         