MATLAB中双类型输入到双类型输出的量化

我试图用128级均匀量化器对一组双类型样本进行量化，我希望我的输出也是双类型的。当我尝试使用“量化”时，matlab给出了一个错误：不支持类“double”的输入。我也试过“上界代码”，但它的答案是胡说八道。我对matlab很陌生，我已经为此工作了几个小时。谢谢你的帮助。谢谢

应该给出整数结果。这就是重点。但关键的一点是，它假设了一个对称范围。从-x到+x，其中x是数据集中的最大值或最小值。因此，如果你的数据是从0到10，你的结果看起来像是胡说八道，因为它量化了范围为-10到10的值

在任何情况下，您实际上都需要编码值和量化值。为此，我编写了一个简单的函数。它甚至没有什么帮助说明（实际上只是键入“help ValueQuantizer”）。我还使它非常灵活，所以它应该适用于任何数据大小（假设您有足够的内存），它可以是向量、2d数组、3d、4d…等等

下面是一个例子，看看它是如何工作的。我们的数字是从-0.5到3.5的均匀分布。这表明，与上界代码不同，我的函数适用于非对称数据，并且适用于负值

a = 4*rand(2,4,2) - .5
[encoded_vals, quant_values] = ValueQuantizer(a, 3)

产生

a(:,:,1) =
    0.6041    2.1204   -0.0240    3.3390
    2.2188    0.1504    1.4935    0.8615
a(:,:,2) =
    1.8411    2.5051    1.5238    3.0636
    0.3952    0.5204    2.2963    3.3372

encoded_vals(:,:,1) =
     1     4     0     7
     5     0     3     2
encoded_vals(:,:,2) =
     4     5     3     6
     1     1     5     7

quant_values(:,:,1) =
    0.4564    1.8977   -0.0240    3.3390
    2.3781   -0.0240    1.4173    0.9368
quant_values(:,:,2) =
    1.8977    2.3781    1.4173    2.8585
    0.4564    0.4564    2.3781    3.3390

因此，您可以看到它以整数形式返回编码值（与uencode类似，但没有奇怪的对称假设）。与uencode不同，它只是将所有内容作为双精度返回，而不是转换为uint8/16/32。重要的是它还返回量化值，这是您想要的

下面是函数

function [encoded_vals, quant_values] = ValueQuantizer(U, N)
% ValueQuantizer uniformly quantizes and encodes the input into N-bits
% it then returns the unsigned integer encoded values and the actual
% quantized values
%
% encoded_vals = ValueQuantizer(U,N) uniformly quantizes and encodes data
% in U. The output range is integer values in the range [0 2^N-1]
%
% [encoded_vals, quant_values] = ValueQuantizer(U, N) uniformly quantizes
% and encodes data in U. encoded_vals range is integer values [0 2^N-1]
% quant_values shows the original data U converted to the quantized level
% representing the number

    if (N<2)
        disp('N is out of range. N must be > 2')
        return;
    end

    quant_values = double(U(:));

    max_val = max(quant_values);
    min_val = min(quant_values);

    %quantizes the data
    quanta_size = (max_val-min_val) / (2^N -1);
    quant_values = (quant_values-min_val) ./ quanta_size;

    %reshapes the data
    quant_values = reshape(quant_values, size(U));
    encoded_vals = round(quant_values);

    %returns the original numbers in their new quantized form
    quant_values = (encoded_vals .* quanta_size) + min_val;
end

函数[encoded\U vals，quant\U values]=值量化器（U，N）
%值量化器将输入均匀量化并编码为N位
%然后返回无符号整数编码值和实际值
%量化值
%
%encoded_vals=值量化器（U，N）对数据进行统一量化和编码
%在U中，输出范围为[0 2^N-1]范围内的整数值
%
%[encoded_vals，quant_values]=值量化器（U，N）均匀量化
%并对U中的数据进行编码。编码的数值范围为整数值[0 2^N-1]
%quant_值显示转换为量化级别的原始数据U
%代表数字
if（来自MATLAB quantize文档：“输入X必须是……内置整数类型。”因此不能将double作为输入传递。必须先转换为整数。X=uint32（y）；我不能将数据转换为整数，因为我会丢失有价值的部分。我最初的问题听起来像是我的问题是“quantize”但事实并非如此。问题是我无法从“uencode”中获得可靠的结果。结果的直方图有很多尖峰，应该是平滑的。我正在寻找另一种方法来量化，如果有的话。谢谢你的回答。