1

我正在尝试使用 128 级均匀量化器量化一组双类型样本，并且我希望我的输出也是双类型。当我尝试使用“量化”时，matlab 出现错误：不支持“双”类的输入。我也试过“uencode”，但它的答案是胡说八道。我对matlab很陌生，我已经为此工作了几个小时。任何帮助appriciated。谢谢

4

1 回答 1

0

uencode应该给出整数结果。这就是它的重点。但关键是它假设一个对称范围。从 -x 到 +x，其中 x 是数据集中的最大值或最小值。因此，如果您的数据是从 0 到 10，那么您的结果看起来像是无稽之谈，因为它量化了 -10 到 10 范围内的值。

无论如何，您实际上需要编码值和量化值。我写了一个简单的函数来做到这一点。它甚至几乎没有帮助说明（实际上只需键入“帮助 ValueQuantizer”）。我还让它非常灵活，所以它可以处理任何数据大小（假设你有足够的内存）它可以是向量、2d 数组、3d、4d ......等

这是一个例子，看看它是如何工作的。我们的数字是从 -0.5 到 3.5 的均匀分布，这表明与 uencode 不同，我的函数适用于非对称数据，并且适用于负值

a = 4*rand(2,4,2) - .5
[encoded_vals, quant_values] = ValueQuantizer(a, 3)

生产

a(:,:,1) =
    0.6041    2.1204   -0.0240    3.3390
    2.2188    0.1504    1.4935    0.8615
a(:,:,2) =
    1.8411    2.5051    1.5238    3.0636
    0.3952    0.5204    2.2963    3.3372

encoded_vals(:,:,1) =
     1     4     0     7
     5     0     3     2
encoded_vals(:,:,2) =
     4     5     3     6
     1     1     5     7

quant_values(:,:,1) =
    0.4564    1.8977   -0.0240    3.3390
    2.3781   -0.0240    1.4173    0.9368
quant_values(:,:,2) =
    1.8977    2.3781    1.4173    2.8585
    0.4564    0.4564    2.3781    3.3390

所以你可以看到它以整数形式返回编码值（就像 uencode 但没有奇怪的对称假设）。与 uencode 不同，这只是将所有内容作为双精度返回，而不是转换为 uint8/16/32。重要的部分是它还返回量化值，这是你想要的

这是功能

function [encoded_vals, quant_values] = ValueQuantizer(U, N)
% ValueQuantizer uniformly quantizes and encodes the input into N-bits
% it then returns the unsigned integer encoded values and the actual
% quantized values
%
% encoded_vals = ValueQuantizer(U,N) uniformly quantizes and encodes data
% in U. The output range is integer values in the range [0 2^N-1]
%
% [encoded_vals, quant_values] = ValueQuantizer(U, N) uniformly quantizes
% and encodes data in U. encoded_vals range is integer values [0 2^N-1]
% quant_values shows the original data U converted to the quantized level
% representing the number

    if (N<2)
        disp('N is out of range. N must be > 2')
        return;
    end

    quant_values = double(U(:));

    max_val = max(quant_values);
    min_val = min(quant_values);

    %quantizes the data
    quanta_size = (max_val-min_val) / (2^N -1);
    quant_values = (quant_values-min_val) ./ quanta_size;

    %reshapes the data
    quant_values = reshape(quant_values, size(U));
    encoded_vals = round(quant_values);

    %returns the original numbers in their new quantized form
    quant_values = (encoded_vals .* quanta_size) + min_val;
end

据我所知，这应该总是有效，但我还没有进行广泛的测试，祝你好运

于 2015-03-27T22:04:59.110 回答