3.1 用自己的語言說出下面3種話音編譯碼器的基本想法。① 波形編譯碼器，②音源編譯碼器，③混合編譯碼器
解答：① 波形編譯碼器的基本想法是，儘可能生成一種與原來話音波形一致的重構信號。
②音源編譯碼器的想法可歸納爲兩部分，第一部分是在話音波形的信號中提取生成話音的參數；第二部分是使用提取的參數通過話音生成模型重構出話音。
③混合編譯碼器的基本想法很簡單，就是填補以上兩種譯碼器的質檢的間隔，解決數據率和音質之間的問題。
3.4 什麼叫做均勻量化？什麼叫做非均勻量化？
解答：均勻量化是採用相等的量化間隔對採樣得到的信號進行的量化，均勻量化也稱爲線性量化。非均勻量化是在對輸入信號進行量化時，大的輸入信號採用大的量化間隔，小的輸入信號採用小的量化間隔，這樣就可以在滿足精度要求的情況下用較少的位數來表示整個信號。
3.10 自適應差分脈衝編碼調製(ADPCM)的兩個基本思想是什麼？
解答：第一，利用自適應的思想改變量化階的大小，即使用小的量化階去編碼小的差值，使用大的量化階去編碼大的差值。
第二，使用過去的樣本值估算下一個輸入樣本的預測值，使實際樣本值和預測值之間的差值總是最小。
5.5 JPEG壓縮編碼算法的主要計算步驟是：①DCT變換，②量化，③Z字形編碼，④使用DPCM對直流係數(DC)進行編碼，⑤使用RLE對交流係數(AC)進行編碼，⑥熵編碼。假設計算機的精度足夠高，問在上述計算方法中，哪些計算對圖像的質量是有損的？哪些計算對圖像的質量是無損的？
解答：②量化和④使用DPCM對直流係數(DC)進行編碼對圖像的質量是有損；其它計算對圖像的質量是無損的。
8.1寫出矢量空間W3 的哈爾小波並畫出它的波形。
答：
8.2 寫出4×4 哈爾小波變換矩陣。
9.1 什麼叫做零樹？
用來表示小波變換的係數的一種樹形數據結構叫做“零樹”。因爲離散小波變換是一種多分辨率的分解方法，每一級分解都會產生表示圖像比較粗糙和比較精細的小波係數，在同一方向和相同空間位置上的所有小波係數之間的關係可用一棵樹的形式表示，如果樹根和它的子孫的小波係數的絕對值小於某個給定的閾值，那麼這棵樹就叫做零樹。
9.2 解釋EZW的含義。
嵌入零樹小波編碼(embedded zerotree wavelet, EZW)是Shapiro, J. M在1993年開發的一種編碼算法。"小波"表示該算法以離散小波變換爲基礎，以變換後的大系數比小系數更重要以及高頻子帶中的小系數可以忽略爲背景；"零樹"表示小波變換系數之間的一種數據結構，用同一方向和相同空間位置上的所有小波係數構成一棵樹，如果樹根及其子孫的小波係數的絕對值小於某個給定域值，則這棵樹就稱爲零樹；"嵌入"表示一幅圖像可以分解成一幅低分辨率圖像和分辨率由低到高(表示圖像細節)的許多子圖像，圖像合成過程是通過子圖像生成許多分辨率不同的圖像。EZW編碼就是按照用戶對圖像分辨率的不同要求，編碼器進行多次編碼，每進行一次編碼，域值降低1/2，水平和垂直方向上的圖像分辨率各提高1倍。編碼從最低分辨率圖像開始掃描，每當遇到幅度大於域值的正係數就用符號P表示，幅度小於域值的負係數用符號N表示，樹根節點上的係數幅度小於域值而樹枝中有大於域值的非零樹用符號Z表示，零樹用符號T表示，編碼的輸出是符號集{P, N, T, Z, 0, 1}中的一系列符號。
9.4 解釋SPIHT的含義。
層樹分集算法(set partitioning in hierarchical trees, SPIHT)的根據是，圖像經過小波變換之後，大部分能量都集中在低頻子帶。從這個事實出發，最先傳送幅度大的係數，這樣解碼器即使在低速率應用環境下也可得到圖像的大部分信息。編碼樹的結構與EZW算法的結構類似，每一個節點要麼沒有子節點，要麼有4個子節點。在編碼過程中，使用三個列表變量存儲重要係數和不重要係數。該算法適用於圖像的漸進傳輸，具有比較高的PSNR，複雜度比較低，計算量比較少，位速率容易控制等優點。
第十章 練習與思考題
10.1 世界上主要的彩色電視制式是哪幾種？
目前世界上使用的彩色電視制式主要有PAL，NTSC，SECAM三種，都是模擬彩色電視制式。
10.2 隔行掃描是什麼意思？非隔行掃描是什麼意思？
(1) 在隔行掃描中，一幀畫面分兩場，第一場掃描總行數的一半，第二場掃描總行數的另一半。電子束掃完第1行後回到第3行開始的位置接着掃，如圖10-01(b)所示，然後在第5、7、……，行上掃，直到最後一行。奇數行掃完後接着掃偶數行，這樣就完成了一幀(frame)的掃描。隔行掃描要求第一場結束於最後一行的一半，不管電子束如何折回，它必須回到顯示屏頂部的中央，這樣就可以保證相鄰的第二場掃描恰好嵌在第一場各掃描線的中間。正是這個原因，纔要求總的行數必須是奇數。
(2) 在非隔行掃描中，電子束從顯示屏的左上角一行接一行地掃到右下角，在顯示屏上掃一遍就顯示一幅完整的圖像。
10.8 一幅YUV彩色圖像的分辨率爲720×576。分別計算採用4:2:2、4:1:1和4:2:0子採樣格式採樣時的樣本數。
(1) 4:4:4 這種採樣格式不是子採樣格式，它是指在每條掃描線上每4個連續的採樣點取4個亮度Y樣本、4個紅色差Cr樣本和4個藍色差Cb樣本，這就相當於每個像素用3個樣本表示。 720×576×3 ＝ 1 244 160
(2) 4:2:2 這種子採樣格式是指在每條掃描線上每4個連續的採樣點取4個亮度Y樣本、2個紅色差Cr樣本和2個藍色差Cb樣本，平均每個像素用2個樣本表示。 720×576×2 ＝ 829 440
(3) 4:1:1 這種子採樣格式是指在每條掃描線上每4個連續的採樣點取4個亮度Y樣本、1個紅色差Cr樣本和1個藍色差Cb樣本，平均每個像素用1.5個樣本表示。 720×576×1.5 ＝ 622 080
(4) 4:2:0 這種子採樣格式是指在水平和垂直方向上每2個連續的採樣點上取2個亮度Y樣本、1個紅色差Cr樣本和1個藍色差Cb樣本，平均每個像素用1.5個樣本表示。 720×576×1.5 ＝ 622080
11.2 MPEG-1, -2, -4和-7的目標是什麼？
MPEG-1處理的是標準圖像交換格式的電視，即NTSC製爲352像素×240行/幀×30幀/秒，PAL製爲352像素×288行/幀×25幀/秒，壓縮的輸出速率定義在1.5 Mb/s以下。這個標準主要是針對當時具有這種數據傳輸率的CD-ROM和網絡而開發的，用於在CD-ROM上存儲數字影視和在網絡上傳輸數字影視。
MPEG-2標準是一個直接與數字電視廣播有關的高質量圖像和聲音編碼標準，是MPEG-1的擴充。MPEG-2提供位速率的可變性能功能，其最基本目標是：位速率爲4～9 Mb/s，最高達15 Mb/s。
MPEG-4是爲視聽數據的編碼和交互播放開發算法和工具，是一個數據速率很低的多媒體通信標準。MPEG-4的目標是要在異構網絡環境下能夠高度可靠地工作，並且具有很強的交互功能。
MPEG-7的名稱叫做多媒體內容描述接口，目的是制定一套描述符標準，用來描述各種類型的多媒體信息及它們之間的關係，以便更快更有效地檢索信息。這些媒體材料可包括靜態圖像、圖形、3D模型、聲音、話音、電視以及在多媒體演示中它們之間的組合關係。在某些情況下，數據類型還可包括面部特性和個人特性的表達。
13.1 電視圖像數據壓縮的依據是什麼？
根據人的視覺特性和電視圖像數據自身的冗餘特性。人的視覺系統具有的兩種特性可以用來壓縮電視圖像數據。一是人眼對色度信號的敏感程度比對亮度信號的敏感程度低，利用這個特性可以把圖像中表達顏色的信號去掉一些而使人不察覺；二是人眼對圖像細節的分辨能力有一定的限度，利用這個特性可以把圖像中的高頻信號去掉而使人不易察覺。
12.2 什麼叫做聽閾？什麼叫做痛閾？
(1) 當聲音弱到人的耳朵剛剛可以聽見時，稱此時的聲音強度爲“聽閾”
(2) 當聲音強到人的耳朵剛剛感到疼痛時，稱此時的聲音強度爲“聽閾”。實驗表明，如果頻率爲1 kHz的純音的聲強級達到120 dB左右時，人的耳朵就感到疼痛，這個閾值稱爲“痛閾”。
12.3 什麼叫做頻域掩蔽？什麼叫做時域掩蔽？
(1) 強純音掩蔽在其附近同時發聲的弱純音，這種特性稱爲頻域掩蔽。 (2) 在時間方向上相鄰聲音之間的掩蔽，這種特性稱爲時域掩蔽。
14.1 只讀光盤是如何記錄“0”和“1”的？
只讀光盤通常是指CD/DVD系列只讀光盤。在盤上壓制凹坑的機械辦法來記錄“0”和“1”。凹坑的邊緣代表“1”，凹坑和非凹坑的平坦部分代表“0”，凹坑的長度和非凹坑的長度都代表有多少個“0”。
14.2 CD-DA的音樂信號的採樣頻率爲什麼選擇44.1 kHz？
人耳朵能聽到的聲音信號頻率範圍是20～20 000 Hz，爲了避免高於20 000 Hz的高頻信號干擾採樣，在進行採樣之前，需要對輸入的聲音信號進行濾波。考慮到濾波器在20000 Hz的地方大約有10%的衰減，所以可以用22 000 Hz的2倍頻率作爲聲音信號的採樣頻率。但是，爲了能夠與電視信號同步，PAL電視的場掃描爲50 Hz，NTSC電視的場掃描爲60 Hz，所以取50和60的整數倍，選用了44 100 Hz作爲激光唱盤聲音的採樣標準。
16.1 CRC用於檢測錯誤還是校正錯誤？
用於檢測錯誤。
16.5 要糾正1個符號的錯誤，至少需要附加多少個校驗符？
2個，用於表示錯誤的位置和錯誤的值