دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Allen Gersho. Robert M. Gray (auth.)
سری: The Springer International Series in Engineering and Computer Science 159
ISBN (شابک) : 9781461366126, 9781461536260
ناشر: Springer US
سال نشر: 1992
تعداد صفحات: 736
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 24 مگابایت
کلمات کلیدی مربوط به کتاب کمیت بردار و فشرده سازی سیگنال: مهندسی برق، پردازش سیگنال، تصویر و گفتار
در صورت تبدیل فایل کتاب Vector Quantization and Signal Compression به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کمیت بردار و فشرده سازی سیگنال نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
هرب کان، ستون نویس محبوب سانفرانسیسکو کرونیکل، اخیراً به نقل از یک بیانیه مطبوعاتی صدای آمریکا گفت که در حال سازماندهی مجدد به منظور "حذف تکراری و افزونگی" است. این نقل قول هر دو هدف از فشرده سازی داده ها را بیان می کند. و نیاز رایج آن را نشان می دهد: حذف تکرار (یا افزونگی) می تواند نمایش کارآمدتری از داده ها را ارائه دهد و عبارت نقل شده خود کاندیدای چنین جراحی است. نه تنها می توان تعداد کلمات موجود در نقل قول را بدون از دست دادن اطلاعات کاهش داد، بلکه بیانیه در واقع با چنین فشرده سازی تقویت می شود زیرا دیگر نشان دهنده اشتباهی نیست که خط مشی قرار است اصلاح کند. در اینجا فشردهسازی میتواند عبارت را سادهتر کند و در عین حال سبک انگلیسی را بهبود بخشد و مزاحمت را به حداقل برساند. فشرده سازی به طور کلی برای ارائه نمایش کارآمد از داده ها در حالی که اطلاعات ضروری موجود در داده ها را حفظ می کند، در نظر گرفته شده است. این کتاب به تئوری و عمل فشرده سازی سیگنال اختصاص داده شده است. ه. فشرده سازی داده ها برای سیگنال هایی مانند گفتار، صدا، تصاویر و سیگنال های ویدیویی اعمال می شود (به استثنای انواع داده های دیگر مانند داده های مالی یا داده های رایانه ای با هدف عمومی). تاکید بر تبدیل شکل موج های آنالوگ به نمایش های دیجیتال کارآمد و فشرده سازی اطلاعات دیجیتال به کمترین بیت های ممکن است. هر دو عملیات باید با توجه به محدودیتهای مربوط به نرخ بیت و پیچیدگی پیادهسازی، بالاترین قابلیت بازسازی ممکن را داشته باشند.
Herb Caen, a popular columnist for the San Francisco Chronicle, recently quoted a Voice of America press release as saying that it was reorganizing in order to "eliminate duplication and redundancy. " This quote both states a goal of data compression and illustrates its common need: the removal of duplication (or redundancy) can provide a more efficient representation of data and the quoted phrase is itself a candidate for such surgery. Not only can the number of words in the quote be reduced without losing informa tion, but the statement would actually be enhanced by such compression since it will no longer exemplify the wrong that the policy is supposed to correct. Here compression can streamline the phrase and minimize the em barassment while improving the English style. Compression in general is intended to provide efficient representations of data while preserving the essential information contained in the data. This book is devoted to the theory and practice of signal compression, i. e. , data compression applied to signals such as speech, audio, images, and video signals (excluding other data types such as financial data or general purpose computer data). The emphasis is on the conversion of analog waveforms into efficient digital representations and on the compression of digital information into the fewest possible bits. Both operations should yield the highest possible reconstruction fidelity subject to constraints on the bit rate and implementation complexity.
Front Matter....Pages i-xxii
Front Matter....Pages 1-1
Introduction....Pages 1-13
Front Matter....Pages 15-15
Random Processes and Linear Systems....Pages 17-47
Sampling....Pages 49-81
Linear Prediction....Pages 83-129
Front Matter....Pages 131-131
Scalar Quantization I: Structure and Performance....Pages 133-172
Scalar Quantization II:Optimality and Design....Pages 173-202
Predictive Quantization....Pages 203-223
Bit Allocation and Transform Coding....Pages 225-257
Entropy Coding....Pages 259-305
Front Matter....Pages 307-307
Vector Quantization I:Structure and Performance....Pages 309-343
Vector Quantization II:Optimality and Design....Pages 345-405
Constrained Vector Quantization....Pages 407-485
Predictive Vector Quantization....Pages 487-517
Finite—State Vector Quantization....Pages 519-553
Tree and Trellis Encoding....Pages 555-586
Adaptive Vector Quantization....Pages 587-629
Variable Rate Vector Quantization....Pages 631-689
Back Matter....Pages 691-732