Quantification scalaire et vectorielle

Intervenant:
Agata Manolova

Année 2019
 Plan du cours

I.Quantification scalaire uniforme

II.Quantification scalaire non uniforme
III.Quantification vectorielle
IV.Examples et comparaison

2
 Définition

• La quantification est le processus de représentation d’un grand

ensemble de valeurs (voire infini) avec des valeur d’un ensemble
plus petit.
• Exemple
– Source: nombre réels de [-10.0, 10.0]
– Quantification: Q(x)=floor(x+0.5)=round(x)
[-10.0, 10.0]{-10, -9, …,-1, 0, 1, …, 9, 10}

• Scalaire vs vectorielle
• Scalaire: quantification appliquée aux scalaires.
• Vectorielle: quantification appliquée aux vecteurs.

3
 A savoir

• Attention !
• La quantification est une opération non-linéaire !
(x+y)q ≠ xq + yq
• La quantification est une opération irréversible ! → codage avec
pertes/bruit !
• C’est là que l’essentiel du gain est souvent réalisé mais c’est aussi le
prix à payer !

4
 Quantification scalaire UNIFORME

• Appelée aussi Conversion Analogique/Numérique consiste à choisir

les niveaux de quantification avec un pas de quantification q
constant.

• Pas de quantification CONSTANT ( = Dynamique MAX de

l’échantillon x(n)/ Nb de niveaux de quantification )
• Seuils et Niveaux de quantification (codés par des mots binaires)
EQUIDISTANTS

5
 Quantification scalaire UNIFORME

• Réalisation de la quantification

• Il y a perte d’information lors de la quantification

– Perte maximale égale à q/2 (par échantillon)

6
 Quantification scalaire UNIFORME

• Processus de codage (d’un signal à temps discret ) et son décodage

7
 Quantification scalaire UNIFORME

• Objectif :
– Pour un taux de compression Q donné :

Minimiser le Bruit de quantification ε ( = différence entre la « vrai

valeur» d’un échantillon et le niveau de quantification le plus proche)

• Minimiser l’Erreur Quadratique Moyenne EQM (ou le RSBC pour le

signal) :
– Augmenter le Nb. de niveaux de quantification => Diminution du Taux
de compression
– Répartition non−uniforme des niveaux de quantification

8
 Quantification scalaire UNIFORME

• Sensibilité au bruit :
• Erreur moyenne εmoy = q / 2
• Erreur quadratique εquad = q / 3.464
• La sensibilité au bruit (bruit de quantification) augmente avec le pas
de quantification q
• Rapport signal à bruit RSB
– rapport entre la valeur efficace du signal Seff et la valeur efficace du
bruit εquad
– Si l’amplitude du signal analogique est faible, pour un pas de
quantification donné
• RSB très faible
• Bruit de quantification très important

9
 Quantification scalaire UNIFORME - avantages

• QS la plus simple et très largement employée notamment dans les

CAN, en amont de tout traitement numérique (y compris
compression)
• Uniforme : les valeurs quantifiées possibles sont équi-réparties sur
une échelle linéaire
• Partition de l’intervalle de variation de s en N = 2b cellules
• Pas de quantification ∆= 2A/N
• Prototypes = centres des cellules indexés de 1 à N

10
 Example

Encodeur à 3 bits Décodeur à 3 bits

11
 Quantification scalaire UNIFORME – rapport signal bruit

• Définition : rapport des puissances du signal et du bruit de

quantification

• Quantification scalaire uniforme: calcul du RSB

rapport entre puissance de

crête
et puissance moyenne
(facteur de charge)

12
 Quantification uniforme à zone morte

• Variante de la quantification uniforme simple

• Utilisation: Élimination des sons inaudibles de très faibles amplitudes
ou cachés par des sons beaucoup plus forts

13
14
 Quantification scalaire non uniforme

• Principe : tenir compte de la répartition statistique des valeurs du

signal :
– pour les signaux utiles réels (parole/musique/images), certaines
amplitudes sont plus fréquentes (probables) que d’autres
– pour diminuer la distorsion moyenne, on alloue plus de précision sur
ces amplitudes : le quantificateur doit être bien adapté à la puissance
du signal
• Objectif : Pour une erreur de reconstitution (i.e.EQM) donnée,
minimiser le Nb. de niveaux de quantification;
– Pas de quantification (intervalle de quantification) VARIABLE
– Niveaux de quantification ≠ milieux des l’intervalles de quantification

15
 Quantification scalaire non uniforme

• Cellules de longueur variable (d’autant plus petites que puissance

est grande)
• Prototypes pas forcément au centre des cellules

16
 Quantification vectorielle (QV)

• La quantification est normalement utilisée sur séquences

d’échantillons
• Idée : quantifier conjointement plusieurs échantillons (un vecteur)
• L’espace RN est donc partitionné en régions de décision
• À chaque région on fait correspondre un représentant (un vecteur)
• La QS est un cas particulier de la QV
• Les régions de décisions sont délimité par des hyperplans
orthogonaux aux axes
• Les représentants sont alignés parallèlement aux axes
• Gains potentiels de la QV
– Gain géométrique : forme arbitraire des régions de décision position
arbitraire des représentants
– Gain de corrélation : on exploite directement la corrélation du signal

17
 Quantification vectorielle (QV)

• Propriétés de la VQ
• La VQ permet des amélioration par rapport à la SQ :
– on peut exploiter la corrélation entre échantillons
– on supprime la contrainte de cellules hypercubiques
– on supprime la contrainte de débits entiers

18
Formalisme

19
Formalisme

20
FIN