Понятие о кодировании формы РС в частотной области.

Дешифраторы. Мультиплексоры(Женатов)

Дешифратор – представляет собой комбинационную схему с n входами и 2ⁿ выходами. Каждая выходная линия однозначно соответствует одной из 2ⁿ возможных комбинаций входных сигналов.

Рассмотрим пример синтеза дешифратора (полного) 3 ® 8, следовательно, количество разрядов двоичного числа - 3, количество выходов - 8.

Шифратор (кодер) – устройство, которое осуществляет преобразование двоичных чисел в двоичную систему счисления, т.е. функцию, обратную дешифратору. Имеет 2ⁿ входов, n выходов.

Мультиплексор

Функцию выбора данных от одного из нескольких источников выполняет устройство, называемое мультиплексором, которое имеет 1 выход, 2ⁿ входов для данных и n управляющих линий (входов). Каждому информационному входу мультиплексора присваивается номер, называемый адресом.

Демультиплексор – устройство, которое выполняет функции, обратные мультиплексору. Имеет один информационный вход, 2ⁿ выходов и n информационных выходов.

Мультиплексор	Демультиплексор

Особенности радиоканалов в системах мобильной связи. Аддитивные и мультипликативные помехи. Виды замираний в каналах связи.

Понятие о кодировании формы РС в частотной области.

Кодирование в частотной области позволяет учесть особенности восприятия речи человеком и также приводит к эффективным алгоритмам кодирования. В кодерах этого класса речевой сигнал подвергается полосной фильтрации несколькими узкополосными фильтрами, которые выделяют несколько частотных компонентов; затем эти компоненты квантуются и кодируются отдельно с учетом некоторых критериев восприятия сигналов каждой полосы. Достоинством такой схемы кодирования является возможность динамического изменения числа используемых битов и их перераспределения между разными частотными компонентами при их кодировании.
Квантование является нелинейной операцией, сопровождаемой возникновением широкополосной помехи. Ухо человека неодинаково воспринимает различные участки спектра помехи квантования, имея экспоненциально убывающую чувствительность с ростом частоты. Поэтому можно существенно повысить качество кодирования в узких полосах частот. При полосовом кодированииспектр речевого сигнала делится на 4 или 8 полос с помощью набора фильтров, сигнал каждой полосы переносится на нулевую частоту, дискретизируется по времени в соответствии с теоремой отсчетов Котельникова (частота дискретизации при этом намного ниже частоты дискретизации исходного сигнала) и кодируется с различной точностью в соответствии с принятым критерием восприятия. Способы деления спектра сигнала на полосы могут быть разными. Например, полосы выбираются так, чтобы обеспечить равные вклады в значение критерия разборчивости. Этот критерий приводит к делению полосы, указанному в табл. 2.1.

Другой способ разбиения состоит в том, чтобы выбрать все полосы равными и сигнал каждой полосы кодировать с разным числом битов, пропорциональным значимости соответствующей полосы для восприятия речи. Часто используется октавный ряд полос, наилучшим образом соответствующий свойствам восприятия уха человека.
Применяются различные алгоритмы обработки частотных компонентов речевого сигнала. Один из очевидных способов состоит в том, чтобы спектр каждого узкополосного сигнала путем преобразования частоты перенести к нулевой частоте, как это обычно делается при однополосной модуляции. Такое преобразование позволяет понизить частоту дискретизации и реализовать другие преимущества кодирования низкочастотных сигналов субполосное кодирование

Частотно-полосные преобразования
С математической точки зрения изображение характеризуется сильной
неравномерностью своих статистических характеристик на разных участках. Зоны с
практически полным отсутствием высокочастотных составляющих сигнала (гладкие
заливки, плавные перепады) сочетаются с небольшим количеством зон с высокой
энергией высокочастотных составляющих (границы объектов, контрастные текстуры).
И хотя изображение в целом характеризуется высокой избыточностью (значение
каждого конкретного пикселя сильно зависит от значений соседних пикселей), для
некоторых участков изображения, в первую очередь для границ объектов, это
правило не соблюдается. Ситуацию усложняет двухмерность изображения. Hапример,
в зоне вертикального перепада изображение будет сильно коррелировано в
вертикальном направлении и слабо - в горизонтальном. Для диагональных перепадов
зависимость будет ещё сложнее.

Hаиболее распространенным и эффективным подходом к уменьшению избыточности изображения является применение частотно-полосного кодирования.

В общем виде
подобное преобразование можно представить как набор согласованных полосовых
фильтров. Hа участках с плавными изменениями изображения значения
высокочастотных коэффициентов подобного преобразования будут малы, и их можно
передать с меньшей точностью или вообще отбросить. Таким образом достигается
сжатие изображения. Если используемая система фильтров удовлетворяет
определенным критериям, то, пропустив результат работы анализирующей части
преобразования через согласованную систему синтезирующих фильтров, можно
полностью или почти полностью восстановить исходную форму сигнала. Hапример,
wavelet преобразование, о котором много кто слышал (но мало кто знает, что это
такое) представляет собой систему из двух согласованных фильтров. В реальных
алгоритмах сжатия к результату работы одной стадии wavelet преобразования
рекурсивно применяют то же преобразование для получения нужной степени
разбиения входного сигнала на частотные полосы. Если же число согласованных
фильтров в одной стадии преобразования больше двух, то подобное преобразование
обычно называют блочным. К ним я отношу DCT, LOT(Lapped Orthogonal Transform),
LBT, GenLOT, GLBT и прочие системы согласованных фильтров. Hапример, широко
распространенное DCT преобразование с длиной блока равной 8 можно представить
как систему из 8 согласованных фильтров.
Одной из наиболее важных характеристик частотно-полосного преобразования
является степень взаимного проникновения передаточных характеристик
используемых фильтров. Для примера рассмотрим кодирование очень плавного
перепада. Если бы для преобразования использовались математически идеальные
фильтры, то на выходе ненулевое значение имел бы только самый низкочастотный
коэффициент, все остальные бы равнялись нулю. В реальном преобразовании из-за
неидеальности примененных фильтров другие коэффициенты будут иметь небольшие,
но отличные от нуля значения. Помимо уменьшения эффективности кодирования это
приведет к тому, что при сжатии значения с малой амплитудой будут отброшены, и
при восстановлении на изображении появятся дополнительные высокочастотные
составляющие, воспринимаемые глазом как лишние, искусственные детали. И хотя
это очень упрощенный пример, он хорошо иллюстрирует причину образования всем
известных квадратов на сильно сжатых изображениях. Для устранения этого эффекта
необходимо использовать более длинные фильтры (так как эффективность фильтра
напрямую связана с его длиной), что означает переход на кодирование с помощью
перекрывающихся блоков. В то же время увеличение длин фильтров приводит к менее
эффективной обработке участков изображения с резко изменяющейся статистикой,
например краев объектов.
При больших коэффициентах сжатия использование длинных фильтров приводит к
возникновению "волн" или окантовок вокруг резких границ объектов. Таким
образом, наилучшую эффективность будут иметь относительно короткие фильтры, но
по возможности с максимально эффективной частотной характеристикой. Среди
wavelet фильтров лучшими для сжатия изображений считаются биортогональные
wavelet-ы Duabechies с длинами фильтров 9 и 7 пикселей. Их иногда еще
обозначают как D(4,4). Данные фильтры используются, например, в новом стандарте
сжатия изображений JPEG2000. При использовании фильтров подобной длины для
обработки блока 2x2 пикселя используется информация из блока 9x9 пикселей,
находящихся вокруг сжимаемого участка изображения. Для блочных преобразований
тоже разработаны варианты, использующие перекрывающиеся (Lapped) блоки;
наиболее эффективные из них - это биортогональные Lapped преобразования со
степенью перекрытия равной 2. То есть для сжатия блока 8x8 пикселей
используется информация из блока 16x16 соседних пикселей. Hаиболее эффективные
варианты кодеков, основанных на блочных преобразованиях, на некоторых типах
изображения показывают несколько лучшие результаты, чем лучшие wavelet кодеки.
Также возможны варианты wavelet преобразования, использующие двухмерные
фильтры. Обычно двухмерное преобразование получается последовательным
применением одномерных преобразований для вертикальной и горизонтальной осей
входного изображения. Изначально двухмерные wavelet преобразования используют
специально рассчитанные двухмерные фильтры, но они не имеют особого
преимущества перед обычными wavelet преобразованиями, если не адаптируются к
локальной двухмерной статистике изображения. Создание адаптивных двухмерных
wavelet преобразований возможно, но сталкивается с большим количеством
теоретических трудностей. И в любом случае практическая реализация подобного
алгоритма будет очень сложна и потребует больших вычислительных затрат.
В. Применение частотно-полосных преобразований для сжатия видео.

Hесмотря на наличие большого количества преобразований, использующих
перекрывающиеся блоки, они не годятся для практической реализации
высокоэффективного видеокодека. Дело в том, что общепринятый подход к сжатию
видео заключается в сжатии разности между текущим и предыдущим кадрами
видеопоследовательности. При этом для уменьшения амплитуды подобной разности
используется техника компенсации движения, случившегося на изображении за время
между двумя соседними кадрами. Общепринятым методом компенсации движения
является определение векторов движения для блоков изображения определенного,
стандартного размера. Hапример, в стандарте H263(MPEG4) используются блоки
размером 8x8 и 16x16 пикселей. Hа границе между подобными блоками могут
возникать разрывы плавности изменения изображения (т.е. те же квадраты), что
приводит к уменьшению эффективности работы алгоритмов, использующих
перекрывающиеся блоки.

И хотя с подобным эффектом можно бороться различными способами, следующая
проблема делает бессмысленным применение стандартных алгоритмов с
перекрывающимися участками. Какой бы хорошей ни была система компенсации
движения, при сжатии реальных видеофрагментов возникают ситуации, когда для
определенных участков изображения выгоднее сжимать непосредственно текущий
кадр, а не разницу с предыдущим. Если для сжатия используется преобразование с
не перекрывающимися блоками, то для каждого типа блока можно легко выбирать тип
кодирования - межкадровый или прямой. Для обычного преобразования с
перекрывающимися участками это в принципе невозможно. И хотя перекрывающиеся
преобразования имеют большую эффективность сжатия, это преимущество полностью и
даже с запасом нивелируется невозможностью динамически переключать тип блока.
Правда, существуют методы, уменьшающие негативные последствия от этого факта,
но они требуют больших вычислительных затрат и потому в реальных кодеках
неприменимы.

Таким образом, из всего множества частотно-полосных преобразований практически
применимы для сжатия видео только DCT и простейший wavelet - Haar (он же
является и DCT с размером блока 2x2 пикселя). При этом стандартное DCT с
размером блока 8x8 пикселей имеет большую частотную эффективность, чем Haar, но
зато последний теоретически позволяет независимо кодировать любой блок с
минимальным размером 2x2 пикселя. Вообще при увеличении размера блока
возрастает эффективность используемого преобразования, но падает
пространственная адаптивность.

Адаптивная пред- и постфильтрация.

Из-за того, что частотная эффективность доступных преобразований далека от
идеала, при высоких коэффициентах сжатия на восстановленном изображении
возникает большое количество артефактов, которые ухудшают визуальное качество
изображения и, что хуже всего, постепенно накапливаются в петле обратной связи
кодека. Так как текущая распакованная картинка используется как опорная для
следующего кадра, кодек вынужден передавать лишние данные в следующем
закодированном кадре, чтобы компенсировать накопившуюся ошибку. В результате
часть закодированного потока составляют "лишние" данные, а при очень высоких
коэффициентах сжатия это приводит к катастрофически низкому качеству
изображения. Для борьбы с этим явлением возможно два подхода - можно с помощью
предварительной обработки сигнала убрать "избыточную" информацию из входного
изображения, т.е. применить адаптивный предфильтр, а можно попробовать убрать
артефакты сжатия из уже распакованного изображения, т.е. применить адаптивный
постфильтр. Hаиболее продуктивным является сочетание этих методов.
Стандарты сжатия видео, начиная с H261, регламентировали сам формат - тип
преобразования, компенсацию движения и т.д., но оставляли свободу действия для
разработчиков в области создания собственных предфильтров и постфильтров. При
этом фильтрационные блоки рассматривались как дополнение к основному кодеку и
не входили в собственно ядро - петлю обратной связи кодека. Подобный подход
приводил к тому, что артефакты сжатия все равно накапливались в петле обратной
связи и ухудшали эффективность кодирования.

Вследствие увеличения конкуренции на рынке среди фирм, занимающихся разработкой
средств сжатия видео, многие подобные компании стали заниматься разработками
собственных кодеков, чтобы (хотя и ценой отхода от стандарта) получить большую
эффективность сжатия, чем у конкурентов. Одним из таких подходов является
внесение блоков адаптивных постфильтра (и/или предфильтра) внутрь петли
обратной связи кодека и регулирование параметров работы этих фильтров в
зависимости от размера порогов квантования частотно-полосного преобразования.
Таким образом уменьшается накопление ошибок сжатия, а результирующую систему из
частотно-полосного преобразования и адаптивных блоков можно рассматривать как
некое новое, локально адаптивное к статистике входного сигнала преобразование.
Подобный подход позволяет существенно увеличить эффективность работы кодека при
высоких коэффициентах сжатия.

Не нашли, что искали? Воспользуйтесь поиском по сайту: