Kodowanie rónicowe. Plan 1. Zasada 2. Podstawowy algorytm 3. Kodowanie adaptacyjne 4. Zastosowania

Podobne dokumenty
Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Kwantyzacja wektorowa. Kodowanie różnicowe.

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12.

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce.

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Przetwarzanie i transmisja danych multimedialnych. Wykład 6 Metody predykcyjne. Przemysław Sękalski.

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

ROZKŁADY ZMIENNYCH LOSOWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Statystyczne charakterystyki liczbowe szeregu

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Statystyka Matematyczna Anna Janicka

Kompresja danych DKDA (7)

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

Materiały do wykładu 7 ze Statystyki

. Wtedy E V U jest równa

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

ma rozkład normalny z nieznaną wartością oczekiwaną m

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

System finansowy gospodarki

Statystyka Inżynierska

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW

Miary statystyczne. Katowice 2014

Liniowe relacje między zmiennymi

Algorytmy kodowania predykcyjnego

Podstawy Informatyki. Jednostki informacji. Metalurgia, I rok. Systemy pozycyjne. Konwersja kodu dziesiętnego na dwójkowy. System dwójkowy (binarny)

Kwantowanie sygnałów analogowych na przykładzie sygnału mowy

MODULACJE IMPULSOWE. TSIM W10: Modulacje impulsowe 1/22

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

KOMPRESJA STRATNA SYGNAŁU MOWY. Metody kompresji stratnej sygnałów multimedialnych: Uproszczone modelowanie źródeł generacji sygnałów LPC, CELP

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

Prawdopodobieństwo i statystyka r.

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

JEDNOWYMIAROWA ZMIENNA LOSOWA

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Podstawy opracowania wyników pomiarowych, analiza błędów

Pomiary parametrów napięć i prądów przemiennych

Statystyka Matematyczna Anna Janicka

5. OPTYMALIZACJA NIELINIOWA

Matematyka II. x 3 jest funkcja

AKADEMIA MORSKA W SZCZECINIE

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

Statystyka Opisowa Wzory

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

Probabilistyka i statystyka. Korelacja

( ) ( ) ( ) ( ) ( ) ( )

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem

Wyrażanie niepewności pomiaru

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe

Analiza numeryczna Kurs INP002009W. Wykład 1 Narzędzia matematyczne. Karol Tarnowski A-1 p.223

WYKŁAD 4 PLAN WYKŁADU. Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania. Metody uczenia sieci: Zastosowania

Wnioskowanie statystyczne dla korelacji i regresji.

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

Prawdopodobieństwo i statystyka r.

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych

Metoda Monte-Carlo i inne zagadnienia 1

Kwantyzacja skalarna. Plan 1. Definicja 2. Kwantyzacja równomierna 3. Niedopasowanie, adaptacja 4. Kwantyzacja nierównomierna

Kodowanie podpasmowe. Plan 1. Zasada 2. Filtry cyfrowe 3. Podstawowy algorytm 4. Zastosowania

ESTYMATORY ODPORNE ZMIENNOŚCI W MODELU BLACKA - SCHOLESA WSTĘP

Kodowanie transformacyjne. Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG

KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

KWANTYZACJA. kwantyzacja

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci

Prawdopodobieństwo i statystyka

STATYSTYKA MATEMATYCZNA

Statystyka i eksploracja danych

2. Rozkład zawartości popiołu w węglu jako mieszanina rozkładów

Planowanie eksperymentu pomiarowego I

( ) ( ) ( ) ( ) ( ) ( )

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

Propagacja wielodrogowa. Paweł Kułakowski

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

3. OPTYMALIZACJA NIELINIOWA

będą niezależnymi zmiennymi losowymi o tym samym 2 x

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE

KRYTERIA STOSOWANIA MODELI STOCHASTYCZNYCH W PREDYKCJI RYNKOWEJ WARTOŚCI NIERUCHOMOŚCI

Plan wykładu. Sztuczne sieci neuronowe. Sie Hopfielda. Sieci Hopfielda w praktyce. Wykład 9: Sieci rekurencyjne. Sieci rekurencyjne:

Transkrypt:

Kodowae rócowe Pla 1. Zasada. Podstawowy algorytm 3. Kodowae adaptacyje 4. Zastosowaa

Kodowae rócowe zasada Jako kwatyzacj szeroko przedzału waracja, rozpto daych Obrazy, dwk korelacja w daych Wykorzystae korelacj kwatyzacja wektorowa. Problem złooa mplemetacja Bezstrata kompresja predykcyja poprawa stopa kompresj Kompresja strata zamast wartoc cgu próbek berzemy cg róc. To daje zmejszee rozptoc daych, zmejszee waracj pozwala a zmejszee szerokoc kwatyzacj, czyl popraw jej jakoc.

Kodowae rócowe zasada c.d. Przesyłae formacj poprzez przesyłae róc kodowae rócowe. Przykład 1 Sygał harmoczy, próbkoway z czstoc 30 próbek/cykl y s(π ) 30 Kwatyzacja 4-pozomowa: Cg róc: d y y 1 π cos( π ) 30 30 Kwatyzacja róc: y y 4 max m 0.5 d max d 4 m π 30 4 0.1

Kodowae rócowe zasada c.d. Przykład

Podstawowy algorytm Warat 1 oblczamy cg róc, kwatyzujemy. To bdze podstawa do wyzaczea rekostrukcj. Przykład: cg daych: x 6. 9.7 13. 5.9 8 7.4 4. 1.8.5 3.7 5.3 6.4 cg róc: d 6. 3.5 3.5-7.3.1-0.6-3. -.4 0.7 1. 1.6 1.1 kwatyzacja cgu róc (kwatyzator 7-pozomowy): D 6.0 4.0 4.0-6.0.0 0.0-4.0 -.0 0.0.0.0.0

X Podstawowy algorytm c.d. Rekostrukcja, błdy rekostrukcj: 6.0 10.0 14.0 8.0 10.0 10.0 6.0 4.0 4.0 6.0 8.0 10.0 e 0. -0.3-0.8 -.1 -.0 -.6-1.8 -. -1.5 -.3-3.7-3.4 Problem błdy rekostrukcj zacze wksze od oczekwaych Aalza waratu 1: d 1 x 1 -x 0, D 1 d 1 +q 1, X 1 X 0 +D 1 x 0 +x 1 -x 0 +q 1 x 1 +q 1 d x -x 1, D d +q, X X 1 +D x 1 +q 1 +x -x 1 +q x +q 1 +q d 3 x 3 -x, D 3 d 3 +q 3, X 3 X +D 3 x +q 1 +q +x 3 -x +q 3 x 3 +q 1 +q +q 3 Wosek warat 1 powoduje kumulacj błdów X x + k 1 q k Koder dekoder korzystaj z ych formacj Warat : d x X -1

Podstawowy algorytm c.d. Aalza waratu : d 1 x 1 -X 0, D 1 d 1 +q 1, X 1 X 0 +D 1 X 0 +x 1 -X 0 +q 1 x 1 +q 1 d x -X 1, D d +q, X X 1 +D X 1 +x -X 1 +q x +q d 3 x 3 -X, D 3 d 3 +q 3, X 3 X +D 3 X +x 3 -X +q 3 x 3 +q 3 ogóle: X x + q Przykład umeryczy x 6. 9.7 13. 5.9 8.0 7.4 4. 1.8.5 3.7 5.3 6.4 d 6. 3.7 3. -8.1 0-0.6-3.8 -. 0.5 1.7 1.3 0.4 D 6 4 4-6 0 0-4 - 0 0 X 6 10 14 8 8 8 4 4 6 6 e 0. -0.3-0.8 -.1 0.0-0.6 0. -0. 0.5-0.3-0.7 0.4 Warat 1: sgma 51.5; warat : sgma 6.61

Podstawowy algorytm c.d. Przykład: fukcja harmocza Warat 1: krok kwat. 0.1 Warat : krok kwat. 0. Schemat podstawowego algorytmu

Modyfkacje. Ogóly algorytm DPCM Kompresja maksymala, gdy róce jak ajmejsze Lepsze oszacowae x X -1 moe da pewa a fukcja zmeych zrekostruowaych Uogólee algorytmu podstawowego zamast bloku opóajcego predyktor Na wyjcu predyktora: p f(x -1, X -,..., X 0 )

Okrelee predyktora Algorytm DPCM wypracoway pod koec lat 40-tych w Bell Labs. Powszeche stosoway w systemach telefoczych Podstawowe podsystemy: predyktor kwatyzator Projektowae predyktora Dobór fukcj predyktora, by zmmalzowa róce: σ E[( x p d W ogólym przypadku bardzo trudo rozwzywale Zwykle stosuje s załoea upraszczajce: ) 1. Delkate załoee kwatyzacyje długo kroku kwatyzacj tak mała, e moemy zastp X k przez x k. Predyktor jest fukcj low: p N 1 a X ] N rzd predyktora

Okrelee predyktora przypadek lowy Problem: zale {a }, 1,..N by zmmalzowa Waruk: Wykorzystujc delkate załoee kwatyzacyje stacjoaro mamy: 1 N N d X a x E σ 0 d a σ ) ( ) (... ( ) ) ( (1) 1) ( 1 1 1 N R N R a R R a R R a xx xx N xx xx N xx xx N gdze: ] [ ) ( k xx x x E k R + fukcja autokorelacj zmeej x

Predyktor lowy - przykład N a Stos. Var. 1 0.66.04/1.63 0.569 0.096 3.37 3 0.577-0.05 0.04 6.8 Peły układ DPCM specyfkacja kwatyzatora. Zakładamy: rozkład reszt Laplace kwatyzator rówomery szeroko kwatyzacj zalea od dyspersj

Predyktor lowy przykład c.d. Kwatyz. N SNR SPER 4-pozom. Bez.43 0 1 3.37.65 8.35 5.90 3 8.75 6.10 8-pozom. Bez 3.65 0 1 3.87.74 9.81 6.37 3 10.16 6.71 SPER 1. Wyraa poprawa przy zmae z N1 a N M 1 M 1 ( x x p ). Wysycee dla N> 3. Zekształcee w obszarach małego sygału

Adaptacyje DPCM Czsto dae ró s w róych obszarach cho s lokale stacjoare, to e s globale stacjoare. Molwe rozwzae adaptacja układu Typy adaptacj: Tylko adaptacja kwatyzatora (z ustaloym predyktorem) Adaptacja predyktora łcze z adaptacj kwatyzatora Kwatyzacja adaptacyja w DPCM Adaptacja w przód (podzał a blok, estymacja parametrów kwatyzatora, przekazae parametrów dodatkowych). Problem kwatyzator w ptl sprzea zwrotego, kłopot z wejcem, które mogłoby by uyte do wyzaczea parametrów adaptacj Adaptacja wstecz bardzej populara, zwykle odmaa kwatyzatora Jayata

Predykcja adaptacyja w DPCM DPCM APF (adaptve predcto-forward) Podzał daych a blok (dla mowy próbkowaej z f8 khz 18 próbek/blok, 16 ms; dla obrazów 8 x 8 pksel) Wylczee współczyków autokorelacj a astpe parametrów predyktora dla bloku Kwatyzacja parametrów przedyktora z wysok red btow, przesłae ch odborcy Wada: koeczo buforowaa daych, opóee w trasmsj. Gdy koeczo welu połcze arastae opóea. DPCM APB (adaptve predcto-backward) Rówaa Weera-Hopfa wyprowadzoe przy załoeu stacjoaroc daych

Predykcja adaptacyja w DPCM Rezygujemy z załoea o stacjoaroc, próba zalezea algebraczej reguły adaptacj Prosty przypadek predyktor rzdu 1. Kwadratowa zaleo kwadratu reszty od a 1 : d ( x p ) ( x a1 X 1 ) Pochoda kwadratu reszty po a 1 ujema a lewo, dodata a prawo od wartoc optymalej; roe z odchyleem od optymaloc. Postulat korekta proporcjoala do pochodej: a d ( + 1) ( ) ( ) 1 a1 α a1 + α D X 1 a1 Uogólee a przypadek wyszego rzdu: a + 1) j a + α D ( ) j X ( Algorytm LMS j

Modulacja delta Prosta odmaa schematu DPCM z jedobtowym kwatyzatorem (róca kodowaa jak lub +) Gdy róca odbega od wzrost zekształcea. Aby temu zapobec: Dua czstotlwo próbkowaa (f p >> f max ) Adaptacja kroku kwatyzatora Rodzaje zekształce Słabo zmee wejce obszar zarsty (artefakt duej czstoc próbkowaa sposobu kwatyzacj) koeczo fltrowaa Szybko zmee wejce obszar przecoych zboczy (obszar admaru)

Modulacja delta c.d. DM kwatyzator ustaloy DM kwatyzator adaptacyjy

Modulacja delta adaptacja CFDM (Costat Factor Delta Modulato) Zasada: w obszarze zarstym zmejszamy szeroko, w obszarze admaru zwkszamy Jak ustal w jakm obszarze s zajdujemy? W obszarze zarstym zak wyjca kwatyzatora aprzemey, w obszarze admaru stały Realzacja adaptacj: s 1 gdy D > 0, s -1 gdy D < 0 M1 M 1 1,, s s s 1 1 M1 1/M M > 1 (a ogół M<) s Gdy zwkszamy pam (berzemy pod uwag wcej próbek) moemy popraw dopasowae

Modulacja delta adaptacja c.d. System z pamc : rozwaamy s, s -1, s - Molwe przypadk: 1. System włae przeósł s do obszaru zarstego: s s 1 s, M 0.4. System cały czas w obszarze zarstym s s s, M 0.9 1 3. System włae wszedł w obszar admaru s s 1 s, M 1.5 4. System cały czas w obszarze admaru s s 1 s, M.0 Zastosowae: prom kosmczy, DM z pamc 7.

Zastosowaa Bardzo populare w kodowau mowy Uywae powszeche w Systemach telefoczych Systemach poczty głosowej Aplkacjach multmedalych Stadardy przemysłowe opsae w zaleceach ITU-T: G.71 G.73 G.76 G.7 Kodowae obrazów rzadzej stosowae

Zastosowaa kodowae obrazów Lewy: kodowae rócowe 1bpp, SNR.33 db Kwatyzator 4 pozomowy, predyktor: p[ j, k ] X [ j, k 1] dla k > 0 X [ j 1, k ] dla k 0, j > 18 dla k 0, j 0 0 Prawy: JPEG 1bpp, SNR 3.5 JPEG wyrae lepszy

Zastosowaa kodowae obrazów Zmaa predyktora dla kadego pksela oblczamy: },, { ], [ / ]) 1, [ 1] 1, [ ( / 1]), [ 1] 1, [ ( / 1]), [ ] 1, [ ( 3 1 3 1 p p p medaa k j p k j X k j X p k j X k j X p k j X k j X p + + + To poprawa SNR do 9.0 db.

Podsumowae DPCM daje gorsze wyk kompresj kwatyzacja wektorowa, ale jest prostsze w mplemetacj Wyjtkowo dobrze adaje s do kodowaa mowy; stadardy przemysłowe Budowa: predyktor + kwatyzator Molwo adaptacj kwatyzatora lub predyktora kwatyzatora