24、信号处理中的量化与多速率处理技术

信号处理中的量化与多速率处理技术

1. 量化相关知识

1.1 量化的重要性与参考资料

量化在 A/D 和 D/A 转换以及信号压缩中是关键主题，但在标准教材中常被忽视。有相关资料对该主题进行了很好的讨论，如 A. Gersho 和 R. M. Gray 的著作，以及 R. M. Gray 和 D. L. Neuhof 在 IEEE Transactions on Information Theory 发表的文章 “Quantization”。

1.2 量化练习

1.2.1 量化误差 - I

考虑一个平稳独立同分布（i.i.d.）的随机过程 (x[n])，其样本在区间 ([-1,1]) 上均匀分布。有一个量化器 ({·})，其特性如下：
[
{x} =
\begin{cases}
-1, & \text{if } -1 \leq x < -0.5 \
0, & \text{if } -0.5 \leq x \leq 0.5 \
1, & \text{if } 0.5 < x \leq 1
\end{cases}
]
量化后的过程 (y[n] = {x[n]}) 仍然是 i.i.d. 的，需要计算其功率谱密度 (P_y(e^{j\omega}))。

1.2.2 量化误差 - II

考虑一个平稳 i.i.d. 的随机过程 (x[n])，其样本在区间 ([-1,2]) 上均匀分布。该过程使用一个 1 位量化器 ({·}) 进行量化，量化器特性为：
[
{x} =
\begin{cases}
-1, & \text{if } x < 0 \
+1, & \text{if } x \geq 0
\end{cases}
]
需要计算量化器输出的信噪比。

1.2.3 更多样本还是更多比特

有一个连续时间信号（如音乐源），要存储在数字介质（如存储卡）上。假设信号已以采样频率 (F_s = 32,000 Hz) 进行采样（未量化）且无混叠。采样后的信号可建模为具有功率谱密度 (P_x(e^{j\omega}) = \sigma_x^2) 的白过程，每个样本的概率密度函数在区间 ([-1,1]) 上均匀分布。存储信号有以下约束：
- 要存储恰好一秒的输入信号。
- 存储卡容量为 32,000 字节。
- 可以使用 8 位量化器（“量化器 A”）或 16 位量化器（“量化器 B”），两个量化器在区间 ([-1,1]) 上均匀。

有两种可能的方案：
- 方案 I：使用量化器 A 对样本进行量化并存储在卡上。
- 方案 II：先对信号进行 2 倍下采样（带低通滤波），然后使用量化器 B。

问题是哪种配置能使原始信号和数字化信号之间的总体均方误差最小，并说明原因。均方误差由量化器引入的误差和（对于方案 II）下采样器前低通滤波器引入的误差两部分组成。对于量化器误差，可假设下采样后的过程仍然是均匀的 i.i.d. 过程。

2. 多速率信号处理

2.1 多速率处理的背景与意义

采样定理为将连续时间信号映射到离散时间样本序列提供了工具。通过选择不同的采样率，同一个连续时间信号可以映射到任意数量的不同离散时间信号。多速率理论旨在回答这些不同离散时间序列之间的关系，以及它们是否可以在离散时间域内相互转换。

从一个采样率转换到另一个采样率可以通过连续时间进行，即通过插值和重采样，但这种方式存在设备需求和质量损失的缺点。例如，音频行业在 90 年代初的一个决策，数字磁带播放器（DAT）采用了与光盘（CD）不同且高度不兼容的采样率（48 kHz 与 44.1 kHz），以防止完美数字拷贝，但多速率信号处理使这种策略变得无效。

多速率信号处理不仅在不同标准转换时有用，还是一种成熟的信号处理工具，在高效滤波方案设计和电信系统中有许多应用，也是时频分析等先进处理技术的基石。

2.2 下采样

2.2.1 下采样的定义

下采样（也称为子采样或抽取）是通过保留原始信号中每 (N) 个样本中的一个来创建较低速率序列的操作。如果用 (\downarrow_N) 表示下采样算子，则有：
[
x_{N_D}[n] = \downarrow_N{x[n]} = x[nN]
]
下采样会丢弃每 (N) 个样本中的 (N - 1) 个，可能导致原始序列中的信息丢失，需要在频域中分析这种情况。

2.2.2 下采样算子的性质

• 非时不变性 ：以 2 倍下采样算子 (\downarrow_2) 为例，对于 (x[n] = \cdots, x[-2], x[-1], x[0], x[1], x[2], \cdots)，下采样后 (x_{2_D}[n] = \cdots, x[-4], x[-2], x[0], x[2], x[4], \cdots)。而 (\downarrow_2{x[n + 1]} = \cdots, x[-5], x[-3], x[1], x[3], x[5], \cdots)，说明下采样算子不是时不变的，而是周期性时变的，即如果 (x_{N_D}[n] = \downarrow_N{x[n]})，则 (\downarrow_N{x[n - kN]} = x_{N_D}[n - k])。
• 线性性质 ：下采样算子是线性算子。
• 特征序列变化 ：由于缺乏时不变性，LTI 系统的关键性质之一对下采样算子不再成立，复正弦序列不再是特征序列。例如，对于 (x[n] = (-1)^n = e^{j\pi n})，2 倍下采样后 (x_{2_D}[n] = x[2n] = (-1)^{2n} = 1)，这体现了下采样固有的信息损失。

2.2.3 频域表示

为了获得下采样 (N) 倍的频域表示，先考虑下采样信号的 (z) 变换：
[
X_{N_D}(z) = \sum_{n = -\infty}^{\infty} x[nN]z^{-n}
]
定义一个“辅助” (z) 变换 (X_a(z))：
[
X_a(z) = \sum_{n = -\infty}^{\infty} x[nN]z^{-nN}
]
如果能得到 (X_a(z)) 的闭式表达式，则 (X_{N_D}(z) = X_a(z^{1/N}))。通过引入“选择器”序列 (\xi_N[n])：
[
\xi_N[n] =
\begin{cases}
1, & \text{for } n \text{ multiple of } N \
0, & \text{otherwise}
\end{cases}
]
利用根的正交性结果，可得到：
[
\xi_N[n] = \frac{1}{N} \sum_{k = 0}^{N - 1} W_N^{kn}
]
其中 (W_N = e^{-j\frac{2\pi}{N}})。进而得到：
[
X_a(z) = \frac{1}{N} \sum_{k = 0}^{N - 1} X(W_N^k z)
]
最终：
[
X_{N_D}(z) = \frac{1}{N} \sum_{k = 0}^{N - 1} X(W_N^k z^{1/N})
]
下采样信号的傅里叶变换为：
[
X_{N_D}(e^{j\omega}) = \frac{1}{N} \sum_{k = 0}^{N - 1} X(e^{j(\frac{\omega}{N} - \frac{2\pi}{N}k)})
]
结果频谱是原始频谱 (X(e^{j\omega})) 的 (N) 个叠加副本的缩放和，每个副本在频率上移动了 (\frac{2\pi}{N}) 的倍数，结果在频率轴上拉伸了 (N) 倍。由于叠加，可能会发生混叠，为了使频谱副本不重叠，原始频谱的最大正频率 (\omega_M) 必须小于 (\frac{\pi}{N})，这是下采样算子的无混叠条件。

2.2.4 下采样示例

• 2 倍下采样 ：当 (N = 2) 时，两个单位根为 (\pm1)，则有：
  [
  X_{2_D}(z) = \frac{1}{2} [X(z) + X(-z)]
  ]
  [
  X_{2_D}(e^{j\omega}) = \frac{1}{2} [X(e^{j\frac{\omega}{2}}) + X(e^{j(\frac{\omega}{2} - \pi)})]
  ]
  对于最大频率为 (\omega_M = \frac{\pi}{2}) 的低通信号，无混叠发生，频率轴扩展 2 倍后，原始半带信号变为全带信号。当 (\omega_M = \frac{2\pi}{3} > \frac{\pi}{2}) 时，会发生混叠，下采样信号失去低通特性，信息不可恢复。
• 3 倍下采样 ：当 (N = 3) 时：
  [
  X_{3_D}(e^{j\omega}) = \frac{1}{3} [X(e^{j\frac{\omega}{3}}) + X(e^{j(\frac{\omega}{3} - \frac{2\pi}{3})}) + X(e^{j(\frac{\omega}{3} - \frac{4\pi}{3})})]
  ]
  当 (\omega_M = \frac{2\pi}{3} > \frac{\pi}{3}) 时，会发生混叠，叠加后的频谱可能是平坦的。
• 高通信号下采样 ：对于半带高通信号，2 倍下采样时，虽然技术上无混叠，但信号形状会改变，原始的高通信号会变成低通信号。对于复半带高通信号，频谱的高低部分会互换，虽然原始信号可以精确重建，但过程比简单的上采样更复杂。

2.2.5 下采样与滤波

由于混叠，通常在进行下采样之前对信号进行滤波。对于 (N) 倍下采样，使用截止频率为 (\omega_c = \frac{\pi}{N}) 的低通滤波器来消除混叠。例如，2 倍下采样时，使用截止频率为 (\frac{\pi}{2}) 的理想低通滤波器进行预滤波，可以避免混叠，但会丢失一些信息，不过失真可控。

2.3 上采样

2.3.1 上采样的定义

上采样 (N) 倍是通过将原始信号的每个样本扩展为 (N) 个样本来创建更高速率序列的操作。上采样操作是在每两个输入样本之间插入 (N - 1) 个零。如果用 (\uparrow_N) 表示上采样算子，则有：
[
x_{N_U}[n] = \uparrow_N{x[n]} =
\begin{cases}
x[k], & \text{for } n = kN, k \in \mathbb{Z} \
0, & \text{otherwise}
\end{cases}
]

2.3.2 上采样的性质

• 信息无损 ：上采样不会丢失信息，原始信号可以通过下采样精确恢复，即 (\downarrow_N{\uparrow_N{x[n]}} = x[n])。
• 频谱描述简单 ：在 (z) 变换域中，上采样信号的 (z) 变换为：
  [
  X_{N_U}(z) = \sum_{n = -\infty}^{\infty} x_{N_U}[n]z^{-n} = \sum_{k = -\infty}^{\infty} x[k]z^{-kN} = X(z^N)
  ]
  其傅里叶变换为：
  [
  X_{N_U}(e^{j\omega}) = X(e^{j\omega N})
  ]
  上采样只是将频率轴收缩 (N) 倍，需要考虑频谱的 (2\pi) 周期性。

2.4 下采样和上采样流程总结

操作	定义	特点	频谱变化
下采样	保留原始信号每 (N) 个样本中的一个	可能导致信息丢失，非时不变	频谱是 (N) 个叠加副本的缩放和，可能混叠
上采样	在每两个输入样本间插入 (N - 1) 个零	信息无损	频率轴收缩 (N) 倍

2.5 下采样和上采样的 mermaid 流程图

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px;
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A([输入信号]):::startend --> B(下采样):::process
    B --> C(输出低速率信号):::process
    D([输入信号]):::startend --> E(上采样):::process
    E --> F(输出高速率信号):::process

以上内容涵盖了量化和多速率信号处理的相关知识，包括量化的练习、下采样和上采样的定义、性质、频域表示以及相关示例和处理流程。

3. 量化与多速率处理的实际应用分析

3.1 量化方案选择的实际考量

在前面提到的存储连续时间信号的例子中，我们需要进一步分析两种量化方案。为了更清晰地比较，我们可以列出以下表格：
|方案|量化器|下采样情况|存储样本数|量化位数|
| ---- | ---- | ---- | ---- | ---- |
|方案 I|量化器 A（8 位）|无|32000|8|
|方案 II|量化器 B（16 位）|2 倍下采样|16000|16|

对于方案 I，由于直接使用 8 位量化器对 32000 个样本进行量化，每个样本占用 1 字节（8 位），刚好可以存储 1 秒的信号。量化误差主要取决于量化器的特性，在均匀量化的情况下，量化误差可以通过公式计算。

对于方案 II，先进行 2 倍下采样，信号的样本数变为 16000 个。然后使用 16 位量化器，每个样本占用 2 字节，同样可以在 32000 字节的存储卡上存储 1 秒的信号。但这里除了量化误差，还需要考虑下采样前低通滤波器引入的误差。

为了计算总体均方误差，我们可以分别计算量化误差和滤波误差。假设量化误差 (e_q) 与量化位数 (b) 有关，一般来说，量化位数越多，量化误差越小。而滤波误差 (e_f) 取决于低通滤波器的设计，理想情况下，低通滤波器可以完全消除混叠，但实际中会有一定的误差。

总体均方误差 (MSE = e_q + e_f)。对于方案 I，(e_{qI}) 由 8 位量化器决定；对于方案 II，(e_{qII}) 由 16 位量化器决定，(e_{fII}) 由低通滤波器决定。通过比较 (MSE_I) 和 (MSE_{II}) 的大小，就可以确定哪种方案能使总体均方误差最小。

3.2 多速率处理在音频行业的应用启示

多速率信号处理在音频行业有着重要的应用。回顾前面提到的音频行业在 90 年代初的决策，数字磁带播放器（DAT）采用与光盘（CD）不同的采样率（48 kHz 与 44.1 kHz），导致难以实现完美数字拷贝。但多速率理论为解决这个问题提供了方法。

从技术角度来看，我们可以通过下采样和上采样操作在不同采样率的信号之间进行转换。例如，将 CD 信号转换为 DAT 信号，可以先对 CD 信号进行上采样，使其采样率接近 DAT 的采样率，然后进行适当的滤波和调整。具体的流程可以用以下 mermaid 流程图表示：

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px;
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A([CD 信号 44.1kHz]):::startend --> B(上采样):::process
    B --> C(低通滤波):::process
    C --> D(调整参数):::process
    D --> E([DAT 信号 48kHz]):::startend

在这个过程中，上采样操作会增加信号的采样率，低通滤波用于消除可能引入的混叠，调整参数则是为了使信号的质量和特性更符合 DAT 的要求。

3.3 量化与多速率处理的综合应用场景

在实际的信号处理系统中，量化和多速率处理往往是结合使用的。例如，在一个音频处理系统中，可能会遇到以下情况：
1. 输入信号采样 ：首先将连续时间的音频信号以一定的采样率进行采样，得到离散时间信号。
2. 下采样操作 ：如果信号的带宽较窄，为了减少数据量和处理复杂度，可以进行下采样操作。在进行下采样之前，需要使用低通滤波器进行抗混叠处理。
3. 量化处理 ：对下采样后的信号进行量化，选择合适的量化位数以平衡存储需求和信号质量。
4. 上采样操作 ：在需要恢复信号的原始采样率或进行后续处理时，进行上采样操作。上采样后可能还需要进行滤波和调整。

以下是这个综合应用场景的 mermaid 流程图：

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px;
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A([连续时间音频信号]):::startend --> B(采样):::process
    B --> C(低通滤波):::process
    C --> D(下采样):::process
    D --> E(量化):::process
    E --> F(上采样):::process
    F --> G(滤波调整):::process
    G --> H([输出信号]):::startend

3.4 量化与多速率处理的性能评估指标

为了评估量化和多速率处理的性能，我们可以使用以下几个重要的指标：
- 信噪比（SNR） ：用于衡量量化后信号中有用信号与噪声的比例。在量化过程中，量化噪声会降低信噪比，因此提高量化位数可以提高信噪比。
- 均方误差（MSE） ：反映了原始信号和处理后信号之间的差异。在多速率处理中，下采样和上采样操作可能会引入误差，导致均方误差增大。
- 频谱纯度 ：在多速率处理中，频谱的纯度非常重要。混叠会导致频谱失真，影响信号的质量。通过合理设计滤波器和选择合适的采样率，可以提高频谱纯度。

我们可以用以下表格总结这些指标：
|指标|含义|影响因素|
| ---- | ---- | ---- |
|信噪比（SNR）|有用信号与噪声的比例|量化位数、量化方式|
|均方误差（MSE）|原始信号与处理后信号的差异|下采样、上采样、滤波|
|频谱纯度|频谱的纯净程度|采样率、滤波器设计|

4. 总结与展望

4.1 知识总结

本文围绕量化和多速率信号处理展开，涵盖了多个重要方面：
- 量化 ：介绍了量化在信号处理中的重要性，并通过具体的练习展示了量化误差的计算和不同量化方案的选择。量化在 A/D 和 D/A 转换以及信号压缩中起着关键作用。
- 多速率信号处理 ：详细阐述了下采样和上采样的定义、性质、频域表示以及相关示例。下采样可能导致信息丢失和混叠，需要进行抗混叠滤波；上采样则是信息无损的操作，只是对频率轴进行收缩。
- 实际应用 ：分析了量化和多速率处理在存储信号和音频行业中的实际应用，以及综合应用场景和性能评估指标。

4.2 未来展望

随着科技的不断发展，量化和多速率信号处理将在更多领域得到应用。例如，在物联网、人工智能等领域，大量的传感器数据需要进行高效的处理和存储，量化和多速率处理可以帮助减少数据量和提高处理效率。

未来的研究方向可能包括：
- 更高效的量化算法 ：开发能够在低量化位数下保持高信号质量的量化算法，以满足对存储和传输带宽的严格要求。
- 自适应多速率处理 ：根据信号的特性和处理需求，自动调整采样率和滤波器参数，实现更灵活和高效的多速率处理。
- 与其他技术的融合 ：将量化和多速率处理与深度学习、压缩感知等技术相结合，探索新的信号处理方法和应用场景。

总之，量化和多速率信号处理作为信号处理领域的重要技术，将在未来发挥更加重要的作用。