所谓量化，就是把经过抽样得到的瞬时值将其幅度离散，即用一组规定的电平，把瞬时抽样值用最接近的电平值来表示；或指把输入信号幅度连续变化的范围分为有限个不重叠的子区间（量化级），每个子区间用该区间内一个确定数值表示，落入其内的输入信号将以该值输出，从而将连续输入信号变为具有有限个离散值电平的近似信号 。相邻量化电平差值称为量化阶距，任何落在大于或小于某量化电平分别不超过上一或下一量化阶距一半范围内的模拟样值，均以该量化电平表示，样值与该量化电平之差称为量化误差或量化噪声。当模拟样值超过可量化的范围时，将出现过载。过载误差常会大大超过正常量化噪声。量化可分为均匀量化和非均匀量化两类。前者的量化阶距相等，又称为线性量化，适用于信号幅度均匀分布的情况；后者量化阶距不等，又称为非线性量化，适用于幅度非均匀分布信号(如语音)的量化，即对小幅度信号采用小的量化阶距，以保证有较大的量化信噪比。对于非平稳随机信号，为适应其动态范围随时的变化，有效提高量化信噪比，可采用量化阶距自适应调整的自适应量化。在语音信号的自适应差分脉码调制(ADPCM)中就采用这种方法。通过量化进而实现编码，是数字通信的基础。广泛用于计算机、测量、自动控制等各个领域。
例如，经过抽样的图像，只是在空间上被离散成为像素(样本)的阵列。而每个样本灰度值还是一个由无穷多个取值的连续变化量，必须将其转化为有限个离散值，赋予不同码字才能真正成为数字图像。这种转化称为量化。
量化分类
无论是将样本连续灰度值等间隔分层的均匀量化，还是不等间隔分层的非均匀量化，在两个量化级(即称之为两个判决电平)之间的所有灰度值用一个量化值(称为量化器输出的量化电平)来表示。
均匀量化和非均匀量化
按照量化级的划分方式分，有均匀量化和非均匀量化。
均匀量化：ADC输入动态范围被均匀地划分为2^n份。
非均匀量化：ADC输入动态范围的划分不均匀，一般用类似指数的曲线进行量化。
非均匀量化是针对均匀量化提出的，因为一般的语音信号中，绝大部分是小幅度的信号，且人耳听觉遵循指数规律。为了保证关心的信号能够被更精确的还原，我们应该将更多的bit用于表示小信号。
常见的非均匀量化有A律和μ率等，它们的区别在于量化曲线不同。
标量量化和矢量量化
按照量化的维数分，量化分为标量量化和矢量量化。标量量化是一维的量化，一个幅度对应一个量化结果。而矢量量化是二维甚至多维的量化，两个或两个以上的幅度决定一个量化结果。
以二维情况为例，两个幅度决定了平面上的一点。而这个平面事先按照概率已经划分为N个小区域，每个区域对应着一个输出结果（码书，codebook）。由输入确定的那一点落在了哪个区域内，矢量量化器就会输出那个区域对应的码字（codeword）。矢量量化的好处是引入了多个决定输出的因素，并且使用了概率的方法，一般会比标量量化效率更高。
量化级与量化误差
量化器设计时将标称幅度划分为若干份，称为量化级，一般为2的整数次幂。把落入同一级的样本值归为一类，并给定一个量化值。量化级数越多，量化误差就越小，质量就越好。例如8位的ADC可以将标称输入电压范围内的模拟电压信号转换为8位的数字信号。
量化精度是指可以将模拟信号分成多少个等级，量化精度越高，所采集到的信号与原始信号越近似。在雷达、图像处理等技术里取得采样值后，要对数据进行量化。量化后的数值与原来的采样值是有误差的，这个数值就是量化精度。量化精度越高，量化值与采样值之间的误差就越小，所采集的数据更能真实的反应实际情况 。
量化过程存在量化误差，在还原信号的D/A转换后，这种误差作为噪声再生，称为量化噪声。增加量化位数能够把噪声降低到无法察觉的程度，但随着信号幅度的降低，量化噪声与信号之间的相关性变得更加明显。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至87172970@qq.com举报，一经查实，本站将立刻删除。
