Recursive Source Coding: A Theory for the Practice of Waveform Coding

گسترش فناوری دیجیتال منجر به افزایش چشمگیر تقاضا برای روش های فشرده سازی داده ها (DC) شده است. در عین حال، ظهور عناصر بسیار یکپارچه، الگوریتم‌های پیچیده‌تری را امکان‌پذیر کرده است. در زمینه‌های انتقال گفتار و تصویر و انتقال و ذخیره سیگنال‌های بیولوژیکی (مانند ECG، نقشه‌برداری سطح بدن) است که تقاضا برای الگوریتم‌های DC بیشتر است. با این حال، یک شکاف اساسی بین تئوری و عمل DC وجود دارد: یک نگرش نظری اطلاعاتی اساساً غیر سازنده و ریاضیات جذاب نظریه کدگذاری منبع با مخلوطی از روش‌های مهندسی موقت در تضاد است. نظریه کلاسیک اطلاعات شانونی اساساً با دنیای رویه های عملی متفاوت است. تئوری تاکید زیادی بر کدگذاری بلوک دارد در حالی که عمل به طور عمده تحت سلطه الگوریتم‌های کدگذاری پیش‌بینی افتراقی (DPC) از لحاظ نظری غیرقابل حل است. گفتگوی بین تئوری و عمل توسط دو مفهوم کاملاً متفاوت از یک منبع داده مانع شده است: تمرین، بیشتر به دلیل ملاحظات فشرده سازی گفتار، به نفع مدل های غیر ثابت است، در حالی که این نظریه بیشتر با مدل های ثابت سروکار دارد.

The spreading of digital technology has resulted in a dramatic increase in the demand for data compression (DC) methods. At the same time, the appearance of highly integrated elements has made more and more com­ plicated algorithms feasible. It is in the fields of speech and image trans­ mission and the transmission and storage of biological signals (e.g., ECG, Body Surface Mapping) where the demand for DC algorithms is greatest. There is, however, a substantial gap between the theory and the practice of DC: an essentially nonconstructive information theoretical attitude and the attractive mathematics of source coding theory are contrasted with a mixture of ad hoc engineering methods. The classical Shannonian infor­ mation theory is fundamentally different from the world of practical pro­ cedures. Theory places great emphasis on block-coding while practice is overwhelmingly dominated by theoretically intractable, mostly differential­ predictive coding (DPC), algorithms. A dialogue between theory and practice has been hindered by two pro­ foundly different conceptions of a data source: practice, mostly because of speech compression considerations, favors non stationary models, while the theory deals mostly with stationary ones.