精华内容
下载资源
问答
  • 针对合成孔径雷达成像算法的定点化处理,提出了数字脉冲压缩定点化处理量化噪声的数学模型,采用线性时不变系统的性质计算脉冲压缩定点运算的量化误差.给出了该模块的舍入量化噪声详细分析过程,并推导出系统输出噪信比...
  • 利用该原理,提出了一种基于量化噪声的JPEG图像篡改检测算法。算法对待检测图像进行分块,计算每块的量化噪声,求取图像块的量化噪声服从均匀分布和高斯分布的概率,从而检测出篡改过的双重压缩区域。实验结果表明:...
  • 插值fast Fourier transform(FFT)...本文首先对插值FFT谐波估计算法做了简单介绍,接着对A/D量化噪声的特点进行了分析研究。在此基础上,仔细研究了量化噪声对插值FFT谐波估计方法的影响程度――给出了计算模型、进行
  • 为了获得噪声类型及其含量对介质损耗角正切(简称介损)计算准确性的影响,用正态分布的随机变量模拟白噪声,用限幅后的柯西分布随机变量模拟脉冲...给出了白噪声、脉冲噪声和量化噪声给介损测量带来误差的计算公式。
  • 实验四DPCM和PCM系统的量化噪声一、[实验目的](1) 了解脉冲编码调制原理。(2) 了解均匀量化、非均匀量化原理。(3) 掌握均匀量化缺点、非均匀量化优点,从感性上知道为什么要引入非均匀量化。(4) 了解增量...

    实验四DPCM和PCM系统的量化噪声

    一、[实验目的]

    (1) 了解脉冲编码调制的原理。

    (2) 了解均匀量化、非均匀量化的原理。

    (3) 掌握均匀量化的缺点、非均匀量化的优点,从感性上知道为什么要引入非均匀量化。

    (4) 了解增量调制的原理和特点。

    (5) 学会用MATLAB 软件进行增量调制( ΔM)仿真实验。

    二、[实验器材]

    1.计算机一台

    三、[实验原理]

    (1)图1 为PCM 系统的原理框图。由该图及所学知识可知,PCM 系统主要由抽样、量化和编码3部分组成。

    1) 抽样

    根据抽样定理,若x (t)表示信号源发出的样本函数,抽样器以抽样率fs ≥fm采得样值,则可以由样值无失真恢复原始信号,这里m f 是x(t)频谱中的最高频率。

    2) 量化

    每个信号样值量化成2^L个幅度电平之一,L是样值量化后的二进制位数。

    对于均匀量化器,输出电平标定为,对应的输入信号幅度范围是

    0b69a85b32ba7ca2f8eca8d5d048fb43.png

    ,这里的Δ是步长,它的值是量化范围与量化级数的商。

    3fc043f0624abe8739344b7833e8b8ab.png

    图1

    3) 编码

    编码器根据PCM 编码规则将量化值数字化。编码方法也是多种多样的,现有的编码方法中,若按编码的速度来分大致可分为低速编码和高速编码两大类。通信中一般都采用第二类。编码器的种类大体上可以归结为3 种:逐次比较型、折叠级联型和混合型。经过信道传输的二进制码按照与上面3 步相反的逆过程进行解码、扩张和滤波得到输出信号。

    (2)增量调制( ΔM)是在PCM 方式的基础上发展而来的另一种模拟信号数字化的方法。ΔM可以看成是DPCM 的一种简化形式,它们都是用二进制形式去表示模拟信号的方法。

    展开全文
  • 对用于超大规模集成电路光学互连的计算机制全息图(CGH)的量化噪声及取样影响进行了分析.CGH透过率函数的二值化将带来一些噪声,但仍可得到高的信噪比.在光学互连CGH的结构是菲涅耳波带片的条件下,对Nyquist和...
  • 介绍了Pipeline ADC噪声与电容的关系及减小噪声的方法,并以10位ADC为例通过噪声计算电容.ADC的主要噪声源是量化噪声和热噪声.量化噪声主要决定ADC的精度.热噪声限制了ADC的信噪比,是提高精度的主要瓶颈.可以...
  • 模数转换器总噪声频谱密度性能实际上反映为一系列参数,如热噪声、抖动以及量化噪声——也就是特定带宽(BW)上信噪比(SNR)。在设计人员试图理解被采样信号中转换器可分辨“步进”时,转换器数据手册中给出...
  • 模数转换器总噪声频谱密度性能实际上反映为一系列参数,如热噪声、抖动以及量化噪声——也就是特定带宽(BW)上信噪比(SNR)。在设计人员试图理解被采样信号中转换器最低可分辨“步进”时,转换器数据手册中...
  • 矢量量化的计算量主要在于搜索最近的码字,这也是...作者在该文中提出了一种不增加量化噪声的快速编码算法。其实验结果表明,所提出的快速编码算法相对于穷尽搜索算法只需增加较小存储量,就将使计算时间可大大降低。
  • 我们设计 GUI 可以将不同密度的噪声添加到输入图像中——这种做法使人们能够欣赏 PSNR 和 MSSIM 忠实量化图像质量能力。 请注意,PSNR 测量独立于人类视觉系统 (HVS) 信号强度,而 MSSIM 在确定图像质量时与 ...
  • 引入等响曲线上24 个临界频带中心频率对应听阈声强级,提出了通过求取噪声信号能量,计算噪声信号各临界频带特性响度值响度计算改进算法。利用这一算法可方便地计算噪声信号不同临界频带响度值,这些特性响度...
  • 研究了具有通信和测量噪声的传感器网络的定位问题。 基于带符号的重心坐标表示,提出了一种称为ECHO-CMN的鲁棒分布式迭代算法,该算法只能通过相对距离测量来计算。 在该算法中,在量化之前将抖动添加到传感器状态以...
  • ADC动态范围的计算

    千次阅读 2018-04-03 09:40:34
    增加采样频率可以改善系统的SNR,其原因是,当...因此,尽管总的量化噪声功率保持不变,量化噪声的PSD随着采样频率的增加而减低,即,采样频率每增加一倍,信噪比大约增加3分贝。量化信噪比的提高有两种方法:一是...
    增加采样频率可以改善系统的SNR,其原因是,当采样频率增加时,量化噪声功率仍保持不变(量化噪声只与字长有关),量化误差可以建模为样本与样本之间不相关,这就将产生平坦的频率响应,从而具有单边功率谱密度:PSD等于两倍的量化噪声功率与采样频率之比。因此,尽管总的量化噪声功率保持不变,量化噪声的PSD随着采样频率的增加而减低,即,采样频率每增加一倍,信噪比大约增加3分贝。量化信噪比的提高有两种方法:一是增加量化字长,字长每增加一位,信噪比大约增加6分贝;二是提高采样频率。由于量化噪声是均匀分布的白噪声,当采样频率提高一倍时,噪声能量并没有改变,而噪声分布范围却增加了一倍,因此,相对地,信噪比就提高了“根号2”分之一。

    在杨小牛翻译的《软件无线电原理与应用》里的公式:

                                              SNR=6.02N+1.76+10*log(fs/2B)

    其中N是量化位数,其中采样率为fs,B为带宽,明显fs即采样率提高,可以提高SNR。书上解释是B固定,fs提高,效果相当于在更宽的频率范围扩展量化噪声,从而使SNR提高。

        ADC量化噪声在fs/2内为白噪声,信号频率等于fs/2条件下,即乃奎斯特采样,此时SNR=6.02N+1.76。
    当信号频率小于fs/2时,量化噪声仍然在fs/2平均分布,但是所关注的"有用"信号带宽内的量化噪声却小了,所以SNR就提高了。采样频率越高,量化噪声分布就越分散了,这时就变成过采样了。

    同时,补充一下:当借助于over-sampling技术并认为SNR有所提高时,此时已默认要对ADC输出的信号进行digital LPF/BPF操作来提取有用的信号,即后面要加数字滤波器来实现增加的snr。

     

     

        首先,考虑一个传统ADC的频域传输特性。输入一个正弦信号,然后以频率fs采样--按照 Nyquist定理,采样频率至少两倍于输入信号。从FFT分析结果可以看到,一个单音和一系列频率分布于DC到fs /2间的随机噪声。这就是所谓的量化噪声,主要是由于有限的ADC分辨率而造成的。单音信号的幅度和所有频率噪声的RMS幅度之和的比值就是信号噪声比(SNR)。对于一个Nbit ADC,SNR可由公式:SNR=6.02N+1.76dB得到。为了改善SNR和更为精确地再现输入信号,对于传统ADC来讲,必须增加位数。

     

        如果将采样频率提高一个过采样系数k,即采样频率为kfs,再来讨论同样的问题。FFT分析显示噪声基线降低了,SNR值未变,但噪声能量分散到一个更宽的频率范围。Σ-Δ转换器正是利用了这一原理,具体方法是紧接着1bit ADC之后进行数字滤波。大部分噪声被数字滤波器滤掉,这样,RMS噪声就降低了,从而一个低分辨率ADC,Σ-Δ转换器也可获得宽动态范围。

     

        那么,简单的过采样和滤波是如何改善SNR的呢?一个1bit ADC的SNR为7.78dB(6.02+1.76),每4倍过采样将使SNR增加6dB,SNR每增加6dB等效于分辨率增加1bit。这样,采用1bit ADC进行64倍过采样就能获得4bit分辨率;而要获得16bit分辨率就必须进行415倍过采样,这是不切实际的。Σ-Δ转换器采用噪声成形技术消除了这种局限,每4倍过采样系数可增加高于6dB的信噪比。

    展开全文
  • 研究了一类相关量测噪声和带宽限制背景下传感器网络融合问题.利用Cholesky分解方法将量测方程转化为量测噪声互不相关等价模型.由于带宽限制,各局部传感器节点原始信息需量化成消息才能上传到融合中心.文中...
  • 在真实的声音环境中,观测数据通常会受到任意分布类型的其他背景噪声的污染。 为了基于观察到的噪声数据来估计特定信号的多个评估量,基本的是估计特定信号的波动波形。 另一方面,观测数据通常是在离散时间以数字...
  • A /D量化会带来干扰抑制比和输出卫星信噪比损耗通过估算量化噪声和干扰信号互相关矩阵最大特征值,给出了干扰抑制比近似表达式,而输出卫星信噪比损耗则是通过计算高斯噪声下量化信号一阶矩和二阶矩得到
  • 所提网络结合了卡方散度量化敏感性和稀疏不变性优势,引入卡方散度计算生成样本分布和真实样本分布距离,减小不同噪声对生成样本影响且降低对真实样本质量要求;搭建了网络架构,构建全局优化目标函数,促进...
  •  模数转换器总噪声频谱密度性能实际上反映为一系列参数,如热噪声、抖动以及量化噪声——也就是特定带宽(BW)上信噪比(SNR)。在设计人员试图理解被采样信号中转换器最低可分辨“步进”时,转换器数据手册...
  • 本文对直接数字式频率合成(DDFS)主要寄生输出——量化噪声、副波和子波干扰进行了分析,推导出了计算信噪比公式,并提出了两种抑制副波输出(fc-fo)DDFS实现方案——数据域延时模拟迭加和数据域延时迭加法。...
  •  模数转换器总噪声频谱密度性能实际上反映为一系列参数,如热噪声、抖动以及量化噪声——也就是特定带宽(BW)上信噪比(SNR)。在设计人员试图理解被采样信号中转换器可分辨“步进”时,转换器数据手册中给...
  • =2)个抽样值形成k维空间Rk中一个矢量,然后将其矢量进行量化,并设法使其失真或量化噪声最小,他可以极大降低数码率,优于标量量化。 矢量量化理论基础是香农率-失真理论。 率-失真理论是对给定失真D,...

    一 基本原理
    1 定义
    随着数字通信系统的快速发展。他带来了庞大的数据量,因此必须对其进行量化压缩。
    量化分为:一类是标量压缩,一类为矢量压缩。

    概念:矢量量化是先将看k(k>=2)个抽样值形成的k维空间Rk中的一个矢量,然后将其矢量进行量化,并设法使其失真或量化噪声最小,他可以极大的降低数码率,优于标量量化。

    矢量量化的理论基础是香农的率-失真理论。
    率-失真理论是对给定的失真D,可以计算率-失真函数R(D)。

    矢量量化是先把信号序列的每K个连续样点分成一组,形成K维欧式空间中的一个矢量,然后对此矢量进行量化。

    在这里插入图片描述
    当K=2时,所有的可能的二维矢量就形成了一个平面。如上图,被分为16分。然后,从每一份中找出一个代表值Yi来表示这片区域。把这个代表值称为量化矢量。通常把所有N个量化矢量构成的集合称为码书或者码本。码书中的矢量称为码字或码矢。

    矢量量化系统通常可以分解为两个映射的乘积
    Q=αβ
    式中,α是编码器,它是将输入矢量映射为信道符号集中的一个元。β是译码器,他是将信道符号映射为码书中一个码字。

    2 失真测度

    设计矢量量化器的关键是编码器α的设计,译码器的工作过程仅仅是一个简单的查表过程。设计编码器需引入失真测度的概念,失真测度的选择直接影响矢量量化的性能。

    失真测度是以什么方法反映用码字Yi代替信源矢量x时所付出的代价。这种代价的统计平均值描述了矢量量化器的工作特性,
    即 D=E[d(X,Q(X))]
    E表示求期望。
    常用的失真测度有:平方失真测度,也是最常用的

    d(X,Y)=||X-Y||^2=∑(Xi-Yi)^2
    

    绝对误差失真测度:d(X,Y)=||X-Y||=∑(Xi-Yi)
    加权平方失真测度 :d(X,Y)=(X-Y)TW(X-Y)

    在矢量量化器的设计中,失真测度的选择很重要,一把来说,要使所选用的失真测度有实际意义,必须要求他有一下几个特点:
    1 必须在主观评价上有意义,即小的失真对应好的主观质量评价。
    2 必须在数学上易于处理,能导致实际的系统设计。
    3 必须可计算并保证平均失真D=E[d(X,Q(X))]存在。
    4 采用的失真测度,应是系统容易用硬件实现。

    3 设计矢量量化器
    在编码端,输入矢量X与码书中的每一部分进行比较,分别计算出他们的失真。搜索到失真最小的码字Y的序号i并将i的编码信号通过信道传输到译码端;在译码端先把信道传来的编码信号译成序号i,在根据序号i,从码书中查出相应的码字。

    4 最佳矢量量化器
    设计最佳矢量量化器的两个条件:
    1 在预先划分好量化区间的情况下,每个量化值必须是相应量化区间的质量中心。
    2 当量化值给定时,量化区间的端点值必须是量化值两个临近点的中点值。。

    matlab仿真。

    78.00260 68.96160 108.10 37.29210 -132.2470 -331.3230 -107.490   
    176.8750 219.4370 197.7890 189.880 111.6290 37.36760 -55.07650   
    166.3110 71.35260 -45.02840 -95.44290 -207.7370 -149.9140 -35.0650   
    228.4490 211.4110 202.0690 149.140 79.36680 35.87240 -2.571920   
    212.8670 218.4680 210.4960 169.1380 112.5030 71.72470 18.74060   
    87.4850 103.9410 165.1290 127.1810 62.73350 36.68130 5.012140   
    194.5140 223.7490 228.830 179.3980 131.8170 79.86670 15.42130   
    292.6330 299.1180 289.3850 233.7370 165.840 93.77260 56.03390   
    295.720 292.820 260.8490 222.9090 143.9110 95.40540 74.11150   
    492.6240 335.8380 220.50 186.6350 86.09850 -18.850 41.46850   
    525.3010 368.6480 296.0120 254.8350 88.71350 -0.5666860 -22.41980   
    493.8250 409.4960 415.9250 321.5940 172.8610 85.1450 18.49250  
    524.8860 471.6740 450.4320 282.330 200.3640 162.1030 33.64180   
    230.7110 223.640 193.7320 232.0110 180.7690 99.71030 14.39170   
    -96.5580 -178.0160 -84.8520 47.99140 9.417930 -13.85680 28.21350   
    -157.9590 -317.3330 -40.04780 402.5530 198.0860 90.95930 -158.7620   
    -196.9220 -126.410 -279.7080 -95.11570 201.6510 117.6650 54.710   
    -84.22020 -295.3640 -314.6840 289.0480 164.6740 52.27420 -39.93150   
    -87.3620 -196.0750 152.3580 257.9440 139.3050 72.5850 3.326840   
    504.6270 542.0140 480.660 461.1220 339.020 220.4180 -39.47980   
    542.2760 549.3930 539.7170 457.140 321.340 196.2040 -2.330180   
    630.0570 668.0470 594.1290 438.2780 344.4210 240.6910 -27.56850   
    489.5830 342.8270 307.2720 204.5570 154.4690 113.6650 40.97350   
    280.2590 293.5830 287.7230 283.6780 145.6910 45.1760 15.11950   
    279.7490 285.7980 244.5190 195.7460 141.4040 79.19150 -29.18720   
    142.7750 71.63450 40.05960 -18.36620 -32.92150 -41.17680 -62.70830   
    189.4210 168.8240 115.8460 61.86910 -64.35480 -80.89840 -13.1820   
    41.53520 -36.65320 -177.3720 -366.0970 -456.8650 -408.2020 -161.3220   
    -181.2770 -188.530 102.1390 235.9180 117.5680 30.53290 -26.61540   
    -260.7930 -400.8590 63.41260 181.0930 55.8460 45.74620 -35.07770   
    -117.8360 -286.1070 365.310 204.0480 -55.0590 -0.645020 41.57350   
    -144.7850 -244.160 428.4510 292.320 77.28570 9.332120 -38.77220   
    -276.9580 -128.2370 446.6420 298.8490 221.9590 6.413310 27.22680   
    -448.4380 -269.6410 359.5080 335.060 331.2120 225.0280 53.40680   
    20.03610 103.3130 -4.653610 -178.1880 -294.7630 -222.2230 -20.59980   
    -124.1260 -128.320 179.8030 218.9640 187.8240 -8.562160 -45.48510   
    402.0220 355.2190 359.080 285.4640 171.8810 82.0730 0.8308390   
    658.9860 601.8280 520.1580 362.4830 234.5550 120.5890 -10.7590   
    676.4110 628.7810 576.9360 491.1320 369.2030 194.5810 39.6890   
    653.1230 648.0340 688.8580 546.3290 333.5490 148.0240 14.87450      
    730.90 727.3990 591.2090 432.6170 298.2250 180.3390 25.2270      
    630.5520 698.3090 603.5640 363.6740 179.840 114.0840 2.991280      
    -55.24090 -75.29010 -224.4980 -186.8520 81.26180 173.4910 5.21320      
    -76.58730 158.3120 88.31080 -58.25410 -131.290 -23.65170 -32.24560      
    105.0670 -4.276150 -101.5740 -145.250 -201.1840 -174.3780 -33.73380      
    244.6840 185.1420 140.8290 153.8140 114.1740 54.90890 54.73440      
    145.8230 48.73120 25.52430 15.65370 -7.750770 -38.09930 -8.710070      
    -214.3280 -412.570 -454.9060 68.62020 115.7310 10.74710 141.5080      
    -171.5730 -275.8670 -517.2970 33.03160 336.3730 149.8430 67.11350      
    -287.7490 -415.5350 -567.9910 379.1560 303.7030 128.3030 43.47550      
    -168.0630 -400.7020 -273.4970 339.5930 221.340 131.6450 -110.0780      
    -276.0130 -233.3260 -31.77910 109.9950 210.0790 215.7990 33.17850 
    -223.1510 -419.3750 -415.8810 164.4330 105.3160 -31.92240 -72.19440 
    -411.8890 -566.5960 -724.3010 -111.2180 95.00050 -13.6360 84.66150 
    -457.0340 -472.8610 -117.6170 23.60680 -68.33350 33.78360 23.83080 
    80.51140 -50.47480 -231.5160 -371.4020 -482.5890 -235.5460 16.96090 
    -124.6730 -186.130 -352.6670 -418.6620 -340.0060 -270.4520 -74.38130 
    83.48910 22.96610 35.86380 58.85920 18.74820 24.34280 -11.98560 
    53.93410 -46.37830 -163.7490 -325.8360 -432.8410 -408.3980 -40.95130 
    -83.36940 -250.4710 92.62040 295.0110 150.0910 -4.06040 -86.96420 
    -72.79950 -71.03160 321.4790 369.9220 185.510 113.8290 -133.3610 
    -30.42090 120.9680 428.170 408.180 142.5640 59.760 110.3390 
    13.13410 401.5330 500.990 387.290 147.1240 189.510 60.07850 
    99.19730 331.3910 356.7910 253.5580 43.05490 -27.09590 -43.70560 
    109.1540 256.0970 284.7890 105.3960 -95.52360 -213.840 6.928510 
    24.51430 52.39980 127.4810 117.9490 102.8480 43.21160 77.77260 
    585.1630 486.4080 496.9580 352.1060 252.7610 127.9080 -32.26510 
    654.2060 612.4350 547.9170 397.1520 261.5110 173.530 3.19140 
    653.4370 739.6650 645.0650 485.440 325.6090 216.5450 61.30350 
    696.4420 604.8560 538.2210 416.2560 274.7350 152.060 -2.022490 
    599.1070 529.7880 460.7070 345.480 195.2740 106.5820 -15.26090 
    351.0520 287.2810 330.2940 132.5830 -97.49820 -49.95670 124.340 
    279.5630 302.7260 250.3730 275.0820 147.0940 99.5450 -42.27730 
    -272.8330 -419.9510 -222.6630 286.6170 156.4140 89.07250 -35.83980 
    -443.4170 -621.4760 -196.1790 255.6180 169.8180 33.35130 -109.2120 
    -341.0210 -578.8520 -30.01740 203.9780 -25.2040 -216.1680 -199.0190 
    -5.192470 -49.53890 4.224290 -76.01370 -280.3150 -304.9870 -30.22030 
    -39.22480 -159.0920 -299.8950 -375.810 -416.520 -355.4250 -65.37680 
    -357.8230 -550.4630 -487.7860 107.6910 121.1310 26.65910 6.062920 
    -196.4650 -229.4320 91.10130 158.9760 116.1670 107.4880 33.91480 
    -57.25760 -61.48210 77.38930 41.60540 -26.32860 -109.3590 -10.82740 
    -90.96490 12.70660 386.7710 307.2880 99.25650 163.8810 120.650 
    219.1750 131.1860 33.64780 -38.01910 -118.7240 -172.7780 -63.28440 
    365.1690 449.3650 238.1860 125.5350 -107.7860 -253.1990 16.80990 
    296.9430 342.7530 259.2190 207.1620 174.4490 45.01430 -53.80360 
    459.0920 298.6650 380.590 264.0380 193.4860 86.27750 126.4640 
    483.9590 469.7190 404.6480 341.2640 257.3240 140.2820 -34.08770 
    473.0550 431.5030 460.150 402.6170 322.0630 232.8230 -55.48320 
    225.7420 297.5830 373.1950 249.7750 113.4310 122.930 -73.29650 
    366.2690 218.1230 430.2750 207.040 87.88850 138.2250 -16.73650 
    69.15780 149.4780 273.30 300.5480 210.4140 134.4840 -7.350240 
    -116.8220 -300.0230 -22.20350 367.0240 216.2790 91.48360 -245.5250 
    -102.9980 -309.5470 133.430 452.5730 225.3010 56.35250 -163.2940 
    -35.35090 -197.740 -291.320 227.0480 293.9290 101.4050 -8.186490 
    -130.3610 -313.6540 -452.130 192.6480 82.07250 54.33380 -26.57130 
    -120.630 -196.8580 -166.8540 -28.76160 16.68030 -8.995020 -53.53560 
    90.9460 133.6340 40.65980 -60.09980 -57.0450 -17.25280 -6.973890 
    8.165070 -42.35540 -10.62690 162.1090 95.23150 70.8380 -133.5340 
    114.5770 183.8140 151.9320 185.8740 112.6480 91.17770 8.632820 
    182.2190 99.22950 -60.57650 152.6440 315.9330 176.5260 70.95290 
    66.94270 13.30220 -159.4810 -214.2630 -30.10920 89.52070 -5.679680 
    -30.50650 -160.9750 -208.9790 -94.73350 -45.8070 27.99160 -47.0480 
    -289.7670 -451.0610 -499.0850 -23.09680 48.4040 37.80250 -58.24150 
    -254.8540 -352.4270 -71.62140 168.2070 120.3060 -32.41050 -83.80070 
    -584.2820 -593.10 -201.6080 93.13710 92.81930 -15.78270 -33.45110 
    -441.1980 -193.6250 -38.21530 65.2590 66.20370 29.1450 -1.482090 
    -641.9240 -242.9720 -73.48920 64.56590 137.8990 130.9920 13.46350 
    -5.348230 -111.1270 -180.6010 -186.7650 -262.5810 -47.40610 -67.39190 
    243.2010 249.3370 230.5760 107.4310 -48.89390 -164.8910 -68.18510 
    73.48750 -29.35080 -187.0930 -98.1690 72.75250 158.4990 -9.520890 
    21.55090 48.2520 88.34010 71.80960 52.15980 67.0450 -10.1990 
    -114.4880 -197.2650 -220.0840 21.30180 151.6410 134.8050 82.90160 
    -155.8650 -30.33160 66.34350 146.2630 186.7010 123.9980 81.29510 
    -405.5480 -234.9220 -4.728940 124.3840 230.0340 162.3150 135.3490 
    -270.3090 -338.960 -70.85830 169.9180 154.0110 99.69830 9.855730 
    -297.5550 -486.0760 -370.5180 249.3190 205.7160 92.77040 54.36260 
    -291.8220 -363.1820 -390.2270 -108.1010 82.12680 22.24580 -24.91230 
    -253.3510 -410.7060 -611.3660 -629.0670 41.72570 15.51360 49.19210 
    -156.5750 -316.6280 -578.7050 -472.0660 195.3930 110.0880 90.93680 
    -325.1750 -435.9250 -694.930 -134.4910 191.1880 67.81580 153.6140 
    -192.8230 -227.0940 -285.440 -201.1180 -207.5080 -158.50 -28.49880 
    -227.4920 -377.1310 -591.0230 36.25370 96.58970 -6.532080 90.58760 
    113.9990 142.1280 185.2090 257.4540 174.9320 76.89590 -45.66190 
    193.8040 192.0430 299.0180 317.9780 192.1340 143.8070 -122.4740 
    229.1030 233.4630 198.770 194.1790 127.410 72.20750 -25.90730 
    269.6260 284.5310 392.380 369.4340 244.6050 122.2480 -28.64320 
    225.2090 225.0090 350.9480 324.5040 247.3820 201.5280 -74.90980 
    230.0250 247.2730 292.0350 304.4020 190.6990 85.8470 -6.976490 
    190.0840 241.8230 315.460 321.770 149.6740 106.170 -171.1610 
    111.3490 71.99640 217.0740 147.7840 110.1420 30.96250 -44.71520 
    -471.5580 -489.2640 -509.3130 1770 144.4940 112.030 -47.45850 
    -472.4030 -627.8040 -736.2720 -14.44230 23.89730 -108.5650 -60.71270 
    -480.1630 -603.0850 -487.960 42.24240 60.09630 -39.84390 -47.57540 
    -435.1750 -547.210 -337.0440 -148.2730 6.15280 17.48210 14.79780 
    -572.9760 -606.680 -159.5370 205.8850 241.4390 71.32750 33.7260 
    -476.9510 -372.5410 -88.93610 18.36460 76.54960 -21.72720 52.93130 
    -680.8810 -592.6870 64.91510 -112.40 -16.42150 -86.2550 171.7040 
    -514.940 -220.980 -36.79490 196.780 126.7940 -7.042080 -2.083550 
    -429.9260 -59.00450 245.590 297.9470 136.2860 -47.45140 -11.68790 
    -640.2710 -475.9350 280.5250 371.8750 212.0160 -26.45750 53.89850 
    -502.0260 -481.3870 42.22010 330.6980 80.67350 -165.6450 -180.5160 
    -610.8840 -639.5240 222.0650 158.20 15.77850 -265.4320 39.42020 
    -441.9110 -420.5640 372.1520 204.470 12.64520 -255.9020 43.74020 
    -522.3870 -286.6520 72.55980 271.1120 134.1710 -49.74190 -61.35810 
    -289.7350 -246.6270 295.7170 275.210 135.5150 -139.5630 53.33950 
    -56.73250 -45.68420 100.8590 75.4370 -15.70270 -68.47940 -30.02130 
    -92.04830 -109.2860 123.690 211.0060 124.6770 25.8490 -16.70380 
    -37.01270 112.8730 291.0080 269.2430 181.5220 73.6820 25.25820 
    151.9350 221.2840 228.2460 170.2370 101.9290 83.23860 -8.554370 
    422.3770 476.3390 376.010 213.6770 185.9190 77.95660 5.090170 
    492.1380 520.8550 457.6040 310.8320 140.8990 7.796410 -25.70510 
    546.3450 540.6590 446.8970 285.5080 167.9120 84.15390 -49.27870 
    420.7420 421.7230 512.0150 364.040 141.5350 62.4750 30.08680 
    414.7770 504.6180 438.160 285.0320 156.2720 26.40 -52.63150 
    379.3210 428.5560 432.8320 293.4650 171.1090 79.43330 112.1490 
    413.9690 487.0030 426.9150 360.350 122.1690 -18.4850 -162.6860 
    495.4220 486.9050 421.130 296.5430 106.0390 16.8550 -8.763990 
    473.6840 511.9080 435.5130 342.0480 220.0540 109.540 -76.9040 
    453.6420 487.450 492.460 338.9830 166.2340 38.32750 -89.16650 
    471.1590 484.1330 463.7650 216.130 220.1490 -18.5450 -47.42650 
    445.7560 450.6190 445.3250 403.4270 258.3720 100.1380 12.69350 
    350.5090 553.7130 409.8950 246.970 118.8090 4.854980 -63.62650 
    450.8240 433.7730 402.7550 274.9750 152.0540 57.9550 -21.04150 
    378.5710 446.1740 444.8220 331.6150 123.7540 23.77330 -35.86150 
    418.6260 457.5390 441.9880 289.250 177.4290 5.424980 -18.85980 
    351.3140 403.4480 405.4720 383.5990 277.5820 189.4580 3.096840 
    423.0540 370.8880 450.2150 300.320 193.8840 116.3350 -62.14150 
    422.6890 412.4830 462.60 339.260 187.5940 44.5550 -63.23650 
    387.8190 419.4730 451.9550 209.450 208.4490 8.314980 -12.77650 
    355.8110 365.3770 342.1560 214.5570 164.10 103.2690 23.58350 
    414.4650 425.3850 434.5850 269.1740 96.06650 12.3910 21.47150 
    553.3860 467.4330 350.0720 230.280 71.12520 -5.728350 83.64020 
    414.1190 521.5030 357.2550 369.0650 213.0290 142.140 -127.1310 
    485.3490 372.8330 385.3550 325.160 124.8690 40.8550 66.76350 
    491.8860 415.5530 390.7150 269.690 71.57520 51.1950 -124.7760 
    575.3740 462.8530 454.60 336.870 140.7740 8.164980 -10.19150 
    440.8170 503.1470 456.0420 300.5160 166.6670 23.3350 -16.18070 
    493.8990 450.3830 455.9780 254.9730 125.3560 -8.520020 -24.98650 
    513.0140 544.880 417.9650 353.2350 143.4760 40.90750 -2.231490 
    428.7930 450.4170 429.0720 303.1690 147.5970 -37.1550 9.324930 
    571.0990 455.8630 272.9750 64.86020 -18.58150 -103.6450 91.83350 
    428.2620 491.930 447.3360 286.820 106.8550 21.46370 -30.81020 
    448.2860 432.8390 377.3720 348.0150 181.640 104.030 2.993510 
    482.2690 489.1730 359.6350 343.450 201.6390 -11.1850 -69.96650 
    421.8290 510.3130 413.9920 246.230 120.3920 41.56160 -74.32320 
    419.8810 549.2790 417.8510 245.0940 159.3410 -9.841020 5.517510 
    325.7480 365.9870 316.9390 304.3840 217.0760 123.2810 67.66640 
    337.1320 471.4040 456.9680 302.5650 177.1940 10.01660 -74.07320 
    389.6870 405.3680 435.3850 308.8130 122.6390 18.97250 29.67850 
    305.9380 312.8030 318.4490 256.8170 167.8610 108.2640 -1.740870 
    355.0450 400.0350 396.2390 304.0640 213.0210 199.3390 -14.72650 
    290.8330 276.8390 279.8540 193.1850 143.0550 68.01370 88.3570 
    294.4750 302.7430 281.2970 228.6240 161.2760 94.98680 -26.77960 
    357.3210 256.6360 228.6740 131.0380 76.08950 14.6250 29.51750 
    274.9850 235.3030 230.5020 180.6490 170.1490 109.4260 -47.50360 
    336.9920 179.2860 144.7750 79.47390 43.48730 79.660 37.6310 
    189.2730 155.8610 168.4380 167.970 122.2730 97.11070 -47.78790 
    212.4690 275.9710 286.0140 161.9140 67.20770 0.4808140 -11.22480 
    398.6290 382.1790 285.5220 261.0170 104.5320 -39.00840 99.25350 
    279.1350 282.5130 275.3810 258.1630 192.0130 90.46120 0.2997560 
    302.0020 289.2110 323.6130 180.8580 132.990 91.15120 -18.5390 
    421.3870 435.3040 302.8750 59.89380 75.23940 61.18410 -29.98470 
    323.9360 263.0210 130.3930 48.76020 -54.44820 -53.90670 -32.52480 
    383.0780 294.1440 308.9490 220.7190 144.7790 68.21870 28.21230 
    445.8740 406.3730 292.6380 169.020 283.1560 82.7950 11.3210 
    443.0590 573.4930 475.140 142.2850 -133.5640 47.94250 138.1940 
    453.5540 318.3880 339.3050 228.510 37.92350 -80.1150 96.59350 
    451.5090 290.5030 281.9750 251.360 138.4890 -95.8150 -72.26650 
    102.7920 -18.31460 -199.9940 -378.5940 -272.360 -1550 -112.5030 
    136.7090 21.06650 -86.20340 -213.3080 -449.6560 -300.580 40.40040 
    419.5490 245.9260 231.2350 126.720 40.25180 62.05160 27.75680 
    314.4640 322.4530 335.4430 216.1530 107.4190 15.060 94.19850 
    253.8190 200.8110 252.4530 148.80 90.34180 26.1050 -44.11320 
    184.7890 190.3880 112.2150 156.970 182.9140 51.270 -5.416490 
    252.3290 197.2930 216.8650 252.860 67.61850 -76.9250 -21.29650 
    253.0640 236.0480 271.810 166.1150 99.51850 -31.6250 -86.41150 
    303.1790 206.8230 230.4650 71.56020 99.49850 -31.8550 -60.21650 
    355.1990 132.4430 294.0550 96.29020 142.4990 -75.3150 -62.35650 
    349.0590 218.3530 415.4950 155.840 109.7890 -106.0450 -49.61650 
    334.2320 291.2010 267.6360 238.4790 71.38280 4.873550 -40.05510 
    202.3880 237.9380 306.9040 194.2930 71.08940 53.5680 -23.68870 
    93.06910 138.8050 125.6630 101.6680 38.20110 33.1450 -20.65970 
    367.2990 350.0610 330.2580 147.2150 -31.49450 43.1380 -22.09150 
    349.8230 364.5590 306.630 236.4550 148.7120 26.91130 -51.82190 
    230.9520 306.8890 270.7050 206.1940 54.27180 115.6880 -107.9830 
    227.1720 209.7490 106.4870 -31.32820 -98.70820 -57.10670 -30.68480 
    282.0720 327.9580 288.480 286.0910 206.3550 112.0940 -9.198990 
    110.0130 157.5150 205.0560 174.9220 178.2630 104.5760 -26.49520 
    307.0540 294.5430 304.6350 277.40 138.8390 98.020 -80.75150 
    223.6140 255.8560 237.2990 160.0820 117.3450 85.79660 58.10180 
    282.1960 266.1470 260.3560 210.4590 145.8870 102.030 16.99910 
    326.6910 426.2780 315.2120 79.65220 211.5540 102.2040 113.4730 
    309.2230 315.6110 310.6250 225.6040 152.5560 102.270 16.65970 
    332.6410 311.7980 277.380 211.2950 128.270 80.36540 10.16650 
    481.6960 391.0080 299.1380 326.6990 199.7470 85.79660 60.19180 
    324.6640 398.7280 392.8630 292.5450 135.4560 33.56230 -21.73470 
    487.1060 545.7790 397.1580 255.910 138.1590 -20.07170 -67.49320 
    539.1660 457.3420 423.8710 250.7960 109.1250 93.2070 10.53350 
    467.4220 454.2670 443.1670 382.740 300.6190 204.4080 40.2370 
    384.2280 381.6360 346.0570 281.4630 228.3050 154.0640 -66.3490 
    464.7990 468.6470 433.4350 284.940 84.67450 38.4910 -6.024490 
    361.5310 225.4710 256.8850 198.9020 118.1710 33.5430 -78.74050 
    91.03910 34.57430 216.80 179.5840 90.04180 61.60 94.29520 
    355.7590 314.7230 381.7950 289.90 111.4690 -24.2250 -89.50650 
    261.1090 269.3230 286.0050 295.080 143.2790 -39.0350 5.003510 
    176.890 116.6150 178.3360 171.0920 66.23210 -16.96720 -39.25150 
    163.7350 118.0190 112.0530 90.99020 -15.93150 -104.5170 -6.232490 
    78.18910 23.23550 137.6590 79.16590 93.77570 34.98210 21.49780 
    121.6920 182.8430 193.0230 126.930 -31.35220 42.06430 13.92350 
    265.410 219.7660 234.2470 127.390 -53.97150 -15.75850 19.09410 
    -152.2530 83.50510 101.880 155.9230 143.3340 151.4470 -60.44650 
    65.27020 233.9580 316.4970 221.620 97.37850 36.79390 -57.54540 
    53.22130 117.0690 250.7530 141.7430 91.51850 -15.610 1.033510 
    77.37710 178.0470 280.4310 90.77220 -18.63550 11.7630 42.80550 
    41.14090 105.3160 233.7540 192.7260 62.39030 -23.11590 -7.380130 
    -28.40930 42.66370 66.40820 15.21860 -10.35250 -1.049760 -57.77120 
    
    
    % 程序7.1:train_codebook.m
    clear all
    codebook_size=6;%码书大小
    codebook_dimen=7;%M:码书维数
    signal_num=100;%参加训练样本的个数
    circle_num=20;%码书训练循环次数,可选项,如果根据相对失真作为结束条件,就不使用该变量
    fid=fopen('lbg_7.txt','rt');          %读入数据文件lbg_7.txt
    input=fscanf(fid,'%f');%把输入数据文件中的数据赋给input
    fclose(fid);
    num=size(input/codebook_dimen);%读输入数据大小
    
    x=input(1000:1000+signal_num*codebook_dimen);
      %取出输入样本文件中1000到1500共(500/codebook_dimen=100=signal_num)组数据,作为训练样本
    
    s=zeros(codebook_size,codebook_dimen);%初始化初始码书
    train_signal=zeros(signal_num,codebook_dimen);
    final_codebook=zeros(codebook_size,codebook_dimen);%初始化最终码书
    y_center=zeros(codebook_size,codebook_dimen);  %初始化新码书质心
    r=1;
    for i=1:signal_num
        for j=1:codebook_dimen
         train_signal(i,j)=x(r);
         r=r+1;
        end
    end  
    %选择初始码书
    for i=1:codebook_size
        for j=1:codebook_dimen
        s(i,j)=train_signal(i*5,j); %每隔5个样本取一个样本,存入s数组作为初始码书 
        end
    end
    number=zeros(signal_num,1);
    
    D=50000;%起始平均失真
    j2=0;
    xiangdui__distort_value=50000;
     for j1=1:circle_num;%让程序循环运行circle_num次结束
      while(xiangdui__distort_value>0.0000001)%当相对失真小于0.000001时结束程序 
       j2=j2+1;%如果以相对失真为循环结束条件,j2可记录下循环次数
       
       %-----求与训练样本距离最近的码书,则距离最近的码书索引就是训练样本所属的码书号------
       for j=1:signal_num    % signal_num:训练样本的个数
           for k=1:codebook_size     
                A=0;
                for m=1:codebook_dimen
                    A=A+(train_signal(j,m)-s(k,m))^2;%计算训练样本与当前码书质心的距离
                end
               d(k)=A;
          end
            dm=min(d);%找出训练样本与所有当前码书距离最小值
            %-----找出与训练样本j距离最小的码书的索引
            for  n=1:codebook_size
              if d(n)==dm
                 p=n;
              end
            end 
         number(j)=p;
          %-----找出与训练样本j距离最小的码书的索引结束
       end
       %-----求与训练样本距离最近的码书,则距离最近的码书索引就是训练样本所属的码书号结束------
       N1=zeros(codebook_size,1);%N1:每个码书包含的样本个数
       %-----求码书质心过程------
       for t=1:codebook_size
            y=zeros(codebook_dimen,1);  %codebook_dimen:码书维数
            N=0;
            for j=1:signal_num  % signal_num:训练样本的个数
                if t==number(j);
                   for m=1:codebook_dimen
                     y(m)=y(m)+train_signal(j,m);
                   end
                    N=N+1;%计算属于每个码书的样本个数
                end
            end 
            N1(t,1)=N;%属于每个码书的样本个数
            if N1(t,1)>0
                 for m=1:codebook_dimen
                 y_center(t,m)=y(m)/N1(t,1);%求每个码书的质心
                 s(t,m)=y_center(t,m);%把训练出来的质心赋给 s
                 final_codebook(t,m)=y_center(t,m);
                 end
            end
       end
       %-----求码书质心结束------
       
       %-----求平均失真------
       ave_distort(j2)=0;
       for n=1:signal_num
            for m=1:codebook_dimen
              ave_distort(j2)=ave_distort(j2)+(train_signal(n,m)-s(number(n),m))^2; %求所有训练样本和其所属码书质心的距离
            end
       end
       ave_distort(j2)=ave_distort(j2)/signal_num;%计算第j1次循环的平均失真
       %-----求平均失真结束------
        
       xiangdui__distort(j2)=abs((D-ave_distort(j2))/D); %求相对失真
       D=ave_distort(j2);
       xiangdui__distort_value=xiangdui__distort(j2);
      end
     j1=circle_num;
     end
    %把训练好的码书写到文本文件
     fid= fopen('训练好的码书.txt','w');
           for t=1:codebook_size
               for m=1:codebook_dimen
                  fprintf(fid,'%6.2f,', s(t,m)); 
               end
               fprintf(fid,'\n');
           end
           fclose(fid);
      
     
    
    
    -359.92,-29.84,-120.23,-114.25, 51.10, 40.14,-57.23,
     92.04,-10.45,409.76,438.37,421.47,307.98,170.21,
      8.56,-36.48,472.41,492.45,428.13,298.22,160.41,
     45.39,-28.18,218.60,200.26,216.90,147.01, 87.67,
     30.59, 14.20,335.55,315.14,302.07,221.59,154.01,
     -3.68, 31.03,465.15,407.75,336.57,158.68, 14.06,
    
    展开全文
  • 针对麦克风阵列使用GCC-PHAT算法估计信号到达时差对加性噪声敏感,以及基于信噪比估计的连续值加权GCC-PHAT算法无法消除环境中类似风噪声的变化噪声干扰的情况,提出了一种抑制风噪声的频点加权GCC-PHAT算法。...
  • 针对汽车噪声品质主观评价所需周期长、可重复性差且仅能比较出具有较明显差别的噪声样本等问题,在研究声品质客观量化的基础上,提出了一种以心理声学客观参数来描述噪声主观评价结果的计算方法.以6辆同类轿车匀速行驶...
  • 揭示了与输入信号相伴的噪声可在一定程度上掩蔽量化误差对于信号测量精度影响,通过计算机模拟,给出了这种掩蔽效应与模数转换器位数选择或数据压缩量化精度定量关系.
  • 本文针对实验数据体特征和各去噪方法适用条件,有针对性选取一维小波变换方法去除地震数据噪声,通过对四种阈值量化方法和六种小波函数进行实验计算和效果分析,得到了合适小波函数和阈值量化方法。研究结果...
  • 针对准确获取IC图像噪声特征要求,对噪声图像进行能量熵推导和计算,并在此基础上形成能量熵分布特征平面,引入二雏Zernike矩以对常见噪声类型进行特征值的量化及提取。建立BP网络对噪声样本特征值进行反复训练...
  • 另外,传感器在有限的计算,带宽和能量资源下运行。 为了克服这些限制,我们提出了一种新颖的算法,可以根据在本地传感器上偶尔产生的噪声样本,可靠地估计与线性测量函数关联的未知参数。 每个本地传感器处理其...
  • 针对变形序列消噪,将时序分析建模定价信息准则与高斯白噪声在小波变换下特性相结合,提出了用Akaike信息准则作为量化指标,确定小波消噪最佳分解尺度方法。模拟数据和工程数据验证结果表明,在Akaike信息...
  • 该算法以离散小波变换特征值量化为基础,利用离散小波变换将每帧数字语音转化到小波域,再利用SVD奇异值分解计算近似系数特征值,而不是细节系数部分;最后,使用量化特征值嵌入水印比特位信息。实验结果表明...

空空如也

空空如也

1 2 3 4 5 ... 11
收藏数 204
精华内容 81
关键字:

量化噪声的计算