: + Bảng các mã sẽ là 1 24 52 46 1 Thay vì phải gửi đi xâu “ABABBABCABABBA” (14 ký tự) ta chỉ
a,Bình phương trung bình sai số (Sai số quân phương) – Mean Square Error-MSE
Mean Square Error-MSE
Trong đó: + xn là dãy dữ liệu vào
+ yn là dãy dữ liệu được xây dựng từ xn + N số lượng dữ liệu
b, Tỷ lệ giữa tín hiệu và tạp nhiễu – Signal to Noise Ratio – NRS (dB):
Trong đó: là trung bình bình phương cửa dãy dữ liệu ban đầu và là MSE
C, Đỉnh của tỷ lệ giữa tín hiệu và tạp nhiễu –Peak Signal to Noise Ratio – PNRS (dB):
3. Lượng hóa – Quantization
Giảm bớt các giá trị đầu ra sai khác Có 3 phương pháp để lượng hóa:
+ Uniform: Bao gồm midrise quantizer và midtreat quantizer
+ Nonuniform: companded quantizer + Vector Quantization
Lượng tử hóa vơ hướng giống nhau – Uniform Scalar Quantization:
+ Phân chia vùng dữ liệu vào (input) thành các khoảng đều nhau, ngoại trừ hai khoảng or hai biên.
+ Giá trị của dữ liệu ra (output) được lấy tại điểm giữa của mỗi khoảng
+ Độ dài của mỗi khoảng được gọi là step size và được ký hiệu là
+ Midrise quantizer có một số lẻ các mức ra (output levels)
+ Midtreat quantizer có một số chẵn các mức ra bao gồm cả số 0 như là một mức ra
Trong trường hợp =1 ta có thể tính được các
Lượng tử hóa vơ hướng khác nhau – Nonuniform Quantization
Phân chia vùng dữ liệu vào (input) thành các khoảng khơng đều nhau. Các khoảng cách có thể được lựa chọn để tối ưu hóa SNR cho một kiểu cụ thể của tín hiệu
Một trong số các phương pháp lượng tử hóa của Nonuniform Quantization là Companded Quantization
Companded Quantization là kết hợp của hai bước: Compressed (bên phía gửi) và Expanded (bên phía nhận)
+ Compressed sẽ làm cho tín hiệu đầu vào có phân phối đều (uniform distribution) do đó có thể sử dụng uniform quantization
+ Bên nhận khi nhận được tín hiệu (compressed) sẽ tiến hành giải nén dữ liệu (expanded)
Lượng tử hóa vector – Vector Quantization
Các hệ thống nén dữ liệu sẽ làm việc tốt hơn nếu nó hoạt động trên các vector hoặc các nhóm của các mẫu hơn là làm việc với các ký hiệu hay các mẫu riêng lẻ
Các vector được thành lập bằng cách đặt các mẫu đầu vào liên tiếp vào trong một vector.
Trong Vector Quantization các vector mã (code vector) với n thành phần được sử dụng, các các vector mã này sẽ tạo thành một codebook