Lossless Predictive Coding
• Predictive coding Predictive coding
: : 就是傳送差值，先以現就是傳送差值，先以現無漏失的預測性編碼 無漏失的預測性編碼
Lossless Predictive Coding Lossless Predictive Coding
– 但通常預測值會用一些前面取樣值所形成的函但通常預測值會用一些前面取樣值所形成的函 數數
f f
n-1n-1, ,f f
n-2n-2, ,f f
n-3n-3等，提供一個比較好的預測， 最等，提供一個比較好的預測， 最常用的線性預測函數如下：
常用的線性預測函數如下：
無漏失的預測性編碼 無漏失的預測性編碼
Lossless Predictive Coding Lossless Predictive Coding
•
產生差值的想法就是取樣值的柱狀圖有更多的峰產生差值的想法就是取樣值的柱狀圖有更多的峰無漏失的預測性編碼
無漏失的預測性編碼 無漏失的預測性編碼
• Lossless predictive coding Lossless predictive coding
解碼器部分要還解碼器部分要還 原與原來相同的訊號。簡單的例子就是假使我 原與原來相同的訊號。簡單的例子就是假使我們利用下面的預測函數 ：
們利用下面的預測函數 ： fn
無漏失的預測性編碼 無漏失的預測性編碼
•
依照上面的預測函數為例，假使想要將數列 依照上面的預測函數為例，假使想要將數列f f
11,,
f f
22,,f f
33,,f f
44,,f f
55 = 21, 22, 27, 25, 22. = 21, 22, 27, 25, 22. 編碼編碼 , , 我們我們 將創造一個額外訊號值將創造一個額外訊號值
f f
11 = 21 = 21 ，而且先傳送，而且先傳送 這個不編碼的初始值：這個不編碼的初始值：
DPCM DPCM
•
Differential PCMDifferential PCM 與預測性編碼是一模一樣，只與預測性編碼是一模一樣，只 是它加入了一個量化的步驟。是它加入了一個量化的步驟。
– 一個可以有系統地決定最佳量化間距集合的機制，一個可以有系統地決定最佳量化間距集合的機制，
它的量化間距是不相同的，就是所謂的
它的量化間距是不相同的，就是所謂的 Lloyd-Max Lloyd-Max 量化器量化器 , , 這個方法是利用誤差項的最小平方值。這個方法是利用誤差項的最小平方值。
DPCM DPCM
•
DPCM: DPCM: 求預測值，將預測值減去實際訊號值求得誤求預測值，將預測值減去實際訊號值求得誤 差值 差值 eenn，然後量化這個誤差值得 描述，然後量化這個誤差值得 描述 DPCMDPCM 的的 方程式集合為方程式集合為 n
e~
DPCM DPCM
• 編碼與解碼的主要效果就是要產生還原量 編碼與解碼的主要效果就是要產生還原量 化過的訊號值 。
化過的訊號值 。
– 所造成的失真所造成的失真 ((
distortion) distortion)
就是平均平方誤差 就是平均平方誤差 ，一個常用來與位元層數比較失 ，一個常用來與位元層數比較失
真的方式。一個
真的方式。一個 Lloyd- Max Lloyd- Max 量化器會比等分量化器會比等分 量化器有比較少的失真。
量化器有比較少的失真。
DPCM DPCM
•
對語音而言，我們可以經由估算一小塊訊號的平對語音而言，我們可以經由估算一小塊訊號的平 均值與變異量來動態地調整量化間距，在每一個 均值與變異量來動態地調整量化間距，在每一個訊號值的區塊，移動量化間距。 也就是從時間 訊號值的區塊，移動量化間距。 也就是從時間
i i
開始，開始， 我們可以將有我們可以將有N N
個值的區塊，而且嘗試將個值的區塊，而且嘗試將量化誤差降到最小：
量化誤差降到最小：
在文檔中
Voice Over Internet Protocol Voice Over Internet Protocol
(頁 30-41)