量化编辑历史

## 1 定义与核心原理

量化（Quantification）是将连续、模糊或定性的现象映射为离散数值或可计算数据的数学过程。其核心目标是在保留关键信息的前提下，实现可比较、可分析、可复现的数字化表达。

### 1.1 量化的数学基础

量化依赖集合论、测度论与数值分析，通过将无限可能的连续状态压缩为有限可数集合，完成从模拟世界到数字领域的桥梁搭建。

#### 1.1.1 离散化与连续化

- **离散化**：将连续区间（如一个电压范围）划分为若干子区间，每个子区间用一个代表值（如某个整数或码字）表示。常见方法包括均匀划分与非均匀划分（如对数量化）。  
- **连续化**（反量化）：将离散值还原为近似连续值的过程，通常通过查表或线性插值实现。两者构成量化编码—解码的基础闭环。

#### 1.1.2 量化误差与精度

量化误差指原始连续值与量化后代表值之间的差异，通常以**量化噪声**的形式呈现。精度由量化级数（比特数）决定：每增加1 bit，信噪比理论上提升约6 dB。误差的统计特性（如均匀分布、零均值）直接影响到后续信号恢复的质量。

### 1.2 量化在信息论中的角色

信息论将量化视为一种**有损压缩**手段，旨在以最少比特数保留目标信息源的最大熵。

#### 1.2.1 信号量化理论

以话音信号为例，模拟波形经采样后需进行幅度量化。**标量量化**（如均匀量化、μ律/A律压缩量化）是最基础的形式，而**矢量量化**通过联合考虑多个样本实现更高的压缩效率。香农的率失真理论给出了在给定失真下所需最小比特率的理论下界。

#### 1.2.2 概率分布量化

将连续概率密度函数（PDF）映射为有限个概率质量点，常用于生成对抗网络（GAN）的隐空间压缩或贝叶斯推断中的近似计算。本质上是将连续随机变