เทคนิคการมอดูเลต

มีเทคนิคการมอดูเลตเล็กน้อยที่ใช้ในการสร้างสัญญาณ PCM เทคนิคเหล่านี้เช่นsampling, quantization, และ companding ช่วยในการสร้างสัญญาณ PCM ที่มีประสิทธิภาพซึ่งสามารถสร้างสัญญาณต้นฉบับได้อย่างแน่นอน

Quantization

การแปลงสัญญาณอนาล็อกเป็นดิจิทัลเกี่ยวข้องกับการปัดเศษของค่าที่มีค่าเท่ากับค่าอนาล็อกโดยประมาณ วิธีการสุ่มตัวอย่างจะเลือกจุดสองสามจุดบนสัญญาณแอนะล็อกจากนั้นจุดเหล่านี้จะถูกรวมเข้าด้วยกันเพื่อปัดเศษค่าออกเป็นค่าที่ใกล้เสถียร กระบวนการดังกล่าวเรียกว่าQuantization.

การหาปริมาณของสัญญาณแอนะล็อกทำได้โดยการแยกแยะสัญญาณด้วยระดับการหาปริมาณ Quantization คือการแสดงค่าตัวอย่างของแอมพลิจูดด้วยชุดระดับที่ จำกัด ซึ่งหมายถึงการแปลง acontinuous-amplitude sample เป็น discrete-time signal.

รูปต่อไปนี้แสดงให้เห็นว่าสัญญาณอนาล็อกได้รับการวัดปริมาณอย่างไร เส้นสีน้ำเงินแสดงถึงสัญญาณแอนะล็อกในขณะที่เส้นสีแดงแสดงถึงสัญญาณเชิงปริมาณ

ทั้งการสุ่มตัวอย่างและการหาปริมาณทำให้ข้อมูลสูญหาย คุณภาพของเอาต์พุต Quantizer ขึ้นอยู่กับจำนวนระดับการหาปริมาณที่ใช้ แอมพลิจูดที่ไม่ต่อเนื่องของเอาต์พุตเชิงปริมาณเรียกว่าเป็นrepresentation levels หรือ reconstruction levels. ระยะห่างระหว่างระดับการแสดงที่อยู่ติดกันสองระดับเรียกว่า aquantum หรือ step-size.

การทำงานร่วมกันใน PCM

คำ Companding เป็นการรวมกันของ Comกดและ Expandingซึ่งหมายความว่ามันทำได้ทั้งสองอย่าง นี่เป็นเทคนิคที่ไม่เป็นเชิงเส้นที่ใช้ใน PCM ซึ่งบีบอัดข้อมูลที่เครื่องส่งและขยายข้อมูลเดียวกันที่เครื่องรับ ผลกระทบของเสียงรบกวนและ crosstalk จะลดลงโดยใช้เทคนิคนี้

เทคนิค Companding มีสองประเภท

เทคนิคการปฏิบัติตามกฎหมาย

• การหาปริมาณสม่ำเสมอทำได้ที่ A = 1โดยที่เส้นโค้งลักษณะเป็นเส้นตรงและไม่มีการบีบอัด

• A-law มีขึ้นกลางที่จุดกำเนิด ดังนั้นจึงมีค่าที่ไม่ใช่ศูนย์

• A-law companding ใช้สำหรับระบบโทรศัพท์ PCM

• กฎหมายถูกใช้ในหลายส่วนของโลก

เทคนิคการปฏิบัติตามกฎหมาย

• การหาปริมาณสม่ำเสมอทำได้ที่ µ = 0โดยที่เส้นโค้งลักษณะเป็นเส้นตรงและไม่มีการบีบอัด

• µ-law มีดอกยางกลางที่จุดกำเนิด ดังนั้นจึงมีค่าเป็นศูนย์

• comp-law companding ใช้สำหรับสัญญาณเสียงพูดและเพลง

• -law ใช้ในอเมริกาเหนือและญี่ปุ่น

PCM ที่แตกต่างกัน

ตัวอย่างที่มีความสัมพันธ์กันอย่างมากเมื่อเข้ารหัสโดยเทคนิค PCM จะทิ้งข้อมูลที่ซ้ำซ้อนไว้เบื้องหลัง ในการประมวลผลข้อมูลที่ซ้ำซ้อนนี้และเพื่อให้ได้ผลลัพธ์ที่ดีขึ้นจึงเป็นการตัดสินใจที่ชาญฉลาดที่จะใช้ค่าตัวอย่างที่คาดการณ์โดยสันนิษฐานจากผลลัพธ์ก่อนหน้านี้และสรุปด้วยค่าเชิงปริมาณ

กระบวนการดังกล่าวมีชื่อว่า Differential PCM เทคนิค.