Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
8.4. Гауссовские источника с квадратично-разностной погрешностьюДо сих пор исходили из предположения, что заданы распределение вероятностей источника и мера погрешности. В действительности же статистические свойства реальных источников заранее не известны и их следует установить путем измерений. При этом доступными оказываются, как правило, лишь среднее значение и корреляционные свойства источника. Статистики первого и второго порядков оказываются достаточными для описания источника в том случае, если он — гауссовский, и на практике часто исходят именно из этого предположения. Во многих случаях в пользу предположения о гауссовости приводятся доводы типа центральной предельной теоремы. Выбор меры погрешности зависит от характера приложений, и здесь также ничего нельзя сказать заранее. Применительно, например, к задачам сжатия речи и изображений получены оценки, позволяющие сравнивать различные меры погрешности, основанные на субъективном восприятии качества сжатой речи или изображений. На практике наиболее употребительной оказывается квадратично-разностная мера погрешности, В большинстве прикладных работ по сжатию данных предполагается, что источники гауссовские, а в качестве меры погрешности берется квадратичная ошибка. Теорема 8.3.1 показывает, что в случае квадратично-разностной меры погрешности предположение о гауссовости приводит к максимальным значениям скорости как функции погрешности. Таким образом, если критерий 8.4.1. Квантование дискретных по времени источников без памятиНачнем с простейших источников, какими являются дискретные по времени гауссовские источники с квадратично-разностной мерой погрешности, для которых скорость как функция погрепности определена в (7.7.20) соотношением
На выход источника поступают независимые гауссовские случайные величины с нулевым средним и дисперсией Простейший и наиболее распространенный способ сжатия данных состоит в квантовании выходных величин источника. Например, квантователь на
Таким образом, квантователь на
где
Рис. 8.2. Способы квантования На рис. 8.2 представлен теоретический предел указаны точки с координатами Можно улучшить описанный способ квантования, если учесть, что уровню
а энтропия квантованных величин
Квантованные выходные величины источника можно закодировать без погрешности (см. гл. 1) со скоростью, сколь угодно близкой к Хотя рассмотренный пример и относится к гауссовскому источнику без памяти с квадратично-разностной мерой погрешности, тем не менее даже метод простого квантования обеспечивает для широкого класса источников без памяти эффективность, близкую к теоретическому пределу. Дальнейшее улучшение достигается путем квантования с последующим точным кодированием квантованных величин. Этот пример указывает на практическую эффективность метода квантования для большинства источников без памяти. Однако для источников с памятью, выходные величины которых принимают действительные значения, а тем более для общих типов источников, одного квантования уже недостаточно для проведения эффективного сжатия данных.
|
1 |
Оглавление
|