數據壓縮算法電訊技術論文
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了數據壓縮算法電訊技術論文范文，希望能給你帶來靈感和參考，敬請閱讀。
1．1Huffman編碼
哈夫曼編碼是無損壓縮當中最好的方法。它使用預先二進制描述來替換每個符號，長度由特殊符號出現的頻率決定。基本的原理是為每個符號找到新的二進制表示，從而通常符號使用很少的位，不常見的符號使用較多的位。
1．2LZW壓縮算法
LZW是Lempel—Ziv—Welch的縮寫，主要用于圖像數據壓縮．對于簡單平滑圖像且噪聲小的信號源具有較高的壓縮比，并且其壓縮和解壓縮速度也比較快。
1．3算數編碼
Huffman編碼解決的是整數位編碼問題，而這一點有時可能成為一個問題。例如，如果一個字符的概率是1/3，則編碼該字符的最優位數是1.6位左右但Huffman編碼卻必須給代碼指定1位或2位，而無論哪一種選擇都將導致比理論上可能的長度更長的壓縮信息。
1．4PPM數據解壓縮算法
PPM(PredictionbyPartialMatching)是一種上下文統計模型技術。它根據輸入字符串中一定長度的上下文后面字符出現的次數，得出每個上下文的預測概率，然后利用多個上下文模型來得出輸入字符出現的概率，最后根據該概率用算術編碼對該字符進行編碼。根據最近輸入的字符，來預測即將輸入的下一個字符，可以達到數據壓縮的目的。PPM就是利用了這種方法。利用最近輸入的幾個字符(叫做上下文模型)，來預測下一個字符。其中，上下文模型的長度k可以從0到已輸入字符的最大長度k不等。對于k長度的上下文模型來說，首先要計算在已輸入字符串中，每個k長度的子串后面不同的字符出現的次數，然后可以得到該上下文模型的預測概率。預測概率主要用于計算在該上下文模型后面輸入字符出現的概率，以便于用算術編碼對該字字符進行編碼。這樣每個不同長度的上下文模型可以得到相應的預測概率。因為每個模型具有不同的k值。在計算輸入字符出現的概率時，一般都是從最長的模型開始的。對于某個k長度的模型來說，當輸入的字符已經被該上下文模型預測出時，該輸入字符出現的概率就是預測概率。而當一個新字符，也就是說該上下文模型不能預測出的字符出現時，輸入字符出現的概率就無法得到，也就不能對該字符進行編碼。這時，就需要用到”跳轉”(Esc)概率將不同長度上下文模型各自的預測概率聯系起來。”跳轉”概率就可以將模型從k跳f,lk一1，看k一1長度的模型能不能預測出該字符。如果可以，該字符的概率就是”跳轉”概率k一1模型的預測概率；如果不能，”跳轉”過程將一直進行直到某個模型可以預測出該字符。有了”跳轉”機制以后，某個字符的預測概率就由可以預測出該字符模型和它以前的所有模型中的”跳轉”概率來決定。為了保證無論出現什么字符，最后”跳轉”過程都能結束，最低長度的模型中必須包括字母表中所有的字符。根據計算”跳轉”概率的方法不同，PPM算法有很多類型，有A，B，C，D，P等形式。
2．詞庫壓縮程序的設計和實現
2．1選擇PPMD算法為詞庫解壓縮算法的依據
根據計算”逃避”或“跳轉”概率的方法不同，PPM算法有很多類型，有A，B，C，D，P等形式。PPMD算法在運行時，對內存的要求不是特別高，運行速度比較快。PPMD算法的階數可以取1-16的階數。當階數落在2-3范圍時的壓縮率跟ZIP，BZIP2可比較，階數在4-6范圍之內時，壓縮率比ZIP,BZIP2快，而且運行速度比ZIP,BZIP2快。在高階數范圍8-16之內時，PPMD算法各方面的表現極為突出。因此，在此系統的詞庫壓縮程序中使用了PPMD算法，并且把階數選為16。2．2詞庫壓縮程序的設計設計詞庫壓縮程序思路：使用Dao技術操作數據庫。當用戶選擇某數據庫時，首先檢查次數據庫是否包含名稱為DictTag和Tags的兩個數據表。當用戶選擇某個數據表時檢查該表是否符合壓縮程序的要求。若不符合，則提示給用戶。選擇好壓縮的數據表之后，首先對數據進行分析。在分析過程中主要完成單詞和解釋字符串的長度，寫入壓縮文件時使用的數據包編號的計算等。壓縮后的詞庫的名稱填寫，源語言和目標語言的選擇，排序規則的選擇等。其中，排序表必須為Excel文件，而且表的結構也要符合規定。生成詞庫文件時，首先讀取單詞和單詞的長度和解釋的長度，先把這些寫入文件，然后再把單詞解釋部分壓縮后寫入詞庫文件。
3．小結
對數據壓縮技術進行了論述，還有提出了基于PPMD算法的詞庫壓縮程序的設計和實現過程。