噪声整形

噪声整形是一种通常用于数字音频、图像和视频处理的技术，通常与抖动相结合，作为数字信号的量化或比特深度减少过程的一部分。其目的是增加结果信号的表观信噪比。它通过改变由抖动和量化引入的误差的频谱形状来实现；这样，噪声功率在被认为不理想的频段处于较低水平，在被认为更理想的频段处于相应的较高水平。图像处理中常用的噪声整形算法被称为"FloydSteinberg抖动"；音频处理中使用的许多噪声整形算法是基于"xxx听阈"模型。

噪声整形的工作原理是将量化误差放在一个反馈环路中。任何反馈环路的功能都是一个过滤器，所以通过为误差本身创建一个反馈环路，误差可以按要求进行过滤。例如，考虑反馈系统。y[n]=x[n]+e[n-1]。{displaystyle}y[n]=x[n]+e[n-1],}其中y[n]是输出。其中y[n]是要被量化的输出样本值，x[n]是输入样本值，n是样本数，e[n]是在样本n引入的量化误差。在这个模型中，当任何样本的比特深度减少时，量化值和原始值之间的量化误差被测量和存储。这个误差值会在下一个样本的量化之前被重新加入。其效果是，量化误差被一个2个样本的盒式滤波器（也称为简单移动平均滤波器）低通过滤。因此，与之前相比，量化误差在高频率时功率较低，在低频率时功率较大。请注意，我们可以通过修改被反馈的前一个样本的误差比例b来调整滤波器的截止频率。更一般地说，任何FIR滤波器或IIR滤波器都可以用来创建一个更复杂的频率响应曲线。这种滤波器可以用加权最小二乘法来设计。在数字音频的情况下，通常使用的加权函数是一除以听力曲线的xxx阈值，即噪声整形也应该总是涉及到过程本身的适当数量的抖动，以防止对信号本身的可确定和相关的错误。如果不使用抖动，那么噪声整形的有效功能只是失真整形--将失真能量推向不同的频段，但它仍然是失真。如果抖动被添加到这个过程中，如那么量化误差就真的变成了噪声，而这个过程确实产生了噪声整形。在数字音频中，750赫兹的正弦音以48千赫采样，量化为4比特，没有抖动，没有噪声整形。这个过程引入了周期为64个样本的周期性舍入误差，在频域中被视为谐波，相对于参考音来说，达到了-40dB。同样的纯音，有三角抖动但没有噪声整形。请注意，整体的噪声功率增加了，但没有频率达到高于-60dB。同样的纯音，有三角形抖动和噪声整形。请注意，在耳朵最敏感的4kHz附近，噪音最低（-80dB）。

音频中的噪声整形最常见的是作为一个比特减少方案。最基本的抖动形式是平坦的白噪声。然而，耳朵在低电平时对某些频率的敏感度低于其他频率（见等响度轮廓）。通过使用噪声整形，可以有效地分散量化误差，使其更多地集中在听不到的频率上，而更少地集中在能听到的频率上。其结果是，在耳朵最关键的地方，量化误差可以xxx减少，而在耳朵不那么敏感的地方，噪音则更大。与直接抖动相比，这可以让人感觉到噪音减少4比特。虽然16位音频通常被认为有96dB的动态范围（见量化失真计算），但实际上使用噪声整形的抖动可以增加到120dB。

自1989年左右，1位delta-sigma调制器被用于模数转换器。这涉及到以非常高的速率对音频进行采样（例如每秒282.24万次采样），但只使用一个比特。由于只使用了1位，这个转换器只有6.02dB的动态范围。