[{"@context":"http:\/\/schema.org\/","@type":"BlogPosting","@id":"https:\/\/wiki.edu.vn\/wiki25\/2021\/10\/31\/datenkomprimierung-wikipedia\/#BlogPosting","mainEntityOfPage":"https:\/\/wiki.edu.vn\/wiki25\/2021\/10\/31\/datenkomprimierung-wikipedia\/","headline":"Datenkomprimierung \u2013 Wikipedia","name":"Datenkomprimierung \u2013 Wikipedia","description":"before-content-x4 Verfahren zum Kodieren von Informationen mit weniger Bits als die urspr\u00fcngliche Darstellung “Quellcodierung” leitet hierher weiter. F\u00fcr den Begriff","datePublished":"2021-10-31","dateModified":"2021-10-31","author":{"@type":"Person","@id":"https:\/\/wiki.edu.vn\/wiki25\/author\/lordneo\/#Person","name":"lordneo","url":"https:\/\/wiki.edu.vn\/wiki25\/author\/lordneo\/","image":{"@type":"ImageObject","@id":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","height":96,"width":96}},"publisher":{"@type":"Organization","name":"Enzyklop\u00e4die","logo":{"@type":"ImageObject","@id":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","url":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","width":600,"height":60}},"image":{"@type":"ImageObject","@id":"https:\/\/upload.wikimedia.org\/wikipedia\/commons\/thumb\/3\/3a\/AudiodatenkompressionManowarThePowerOfThySword.jpg\/220px-AudiodatenkompressionManowarThePowerOfThySword.jpg","url":"https:\/\/upload.wikimedia.org\/wikipedia\/commons\/thumb\/3\/3a\/AudiodatenkompressionManowarThePowerOfThySword.jpg\/220px-AudiodatenkompressionManowarThePowerOfThySword.jpg","height":"295","width":"220"},"url":"https:\/\/wiki.edu.vn\/wiki25\/2021\/10\/31\/datenkomprimierung-wikipedia\/","wordCount":18591,"articleBody":"     (adsbygoogle = window.adsbygoogle || []).push({});before-content-x4Verfahren zum Kodieren von Informationen mit weniger Bits als die urspr\u00fcngliche Darstellung“Quellcodierung” leitet hierher weiter.  F\u00fcr den Begriff in der Computerprogrammierung siehe Quellcode.  Bei der Signalverarbeitung, Datenkompression, Quellcodierung,[1]  oder Bitratenreduktion ist der Prozess des Kodierens von Informationen mit weniger Bits als die urspr\u00fcngliche Darstellung.[2]  Jede bestimmte Komprimierung ist entweder verlustbehaftet oder verlustfrei.  Die verlustfreie Komprimierung reduziert Bits, indem statistische Redundanz identifiziert und eliminiert wird.  Bei der verlustfreien Komprimierung gehen keine Informationen verloren.  Die verlustbehaftete Komprimierung reduziert Bits, indem unn\u00f6tige oder weniger wichtige Informationen entfernt werden.[3]  Typischerweise wird ein Ger\u00e4t, das Datenkomprimierung durchf\u00fchrt, als Encoder bezeichnet, und eines, das die Umkehrung des Prozesses (Dekomprimierung) durchf\u00fchrt, als Decoder.Das Verringern der Gr\u00f6\u00dfe einer Datendatei wird oft als Datenkomprimierung bezeichnet.  Im Zusammenhang mit der Daten\u00fcbertragung wird dies als Quellcodierung bezeichnet;  Verschl\u00fcsselung an der Quelle der Daten, bevor diese gespeichert oder \u00fcbertragen werden.[4]  Die Quellencodierung sollte nicht mit der Kanalcodierung zur Fehlererkennung und -korrektur oder der Zeilencodierung, dem Mittel zum Abbilden von Daten auf ein Signal, verwechselt werden.Die Komprimierung ist n\u00fctzlich, da sie die zum Speichern und \u00dcbertragen von Daten erforderlichen Ressourcen reduziert.  Bei den Komprimierungs- und Dekompressionsprozessen werden Rechenressourcen verbraucht.  Die Datenkomprimierung unterliegt einem Kompromiss zwischen Raum-Zeit-Komplexit\u00e4t.  Zum Beispiel kann ein Komprimierungsschema f\u00fcr Video teure Hardware erfordern, damit das Video schnell genug dekomprimiert wird, um w\u00e4hrend der Dekomprimierung angezeigt zu werden, und die Option, das Video vollst\u00e4ndig zu dekomprimieren, bevor es angesehen wird, kann unpraktisch sein oder zus\u00e4tzlichen Speicher erfordern.  Der Entwurf von Datenkomprimierungsschemata beinhaltet Kompromisse zwischen verschiedenen Faktoren, einschlie\u00dflich des Komprimierungsgrads, des Ausma\u00dfes der eingef\u00fchrten Verzerrung (bei Verwendung verlustbehafteter Datenkomprimierung) und der Rechenressourcen, die zum Komprimieren und Dekomprimieren der Daten erforderlich sind[5]  Table of ContentsVerlustfrei[edit]Maschinelles Lernen[edit]Datendifferenzierung[edit]Bild[edit]Audio[edit]Verlustbehaftete Audiokomprimierung[edit]Kodierungsmethoden[edit]Sprachcodierung[edit]Geschichte[edit]Video[edit]Codierungstheorie[edit]Inter-Frame-Codierung[edit]Hybride blockbasierte Transformationsformate[edit]Geschichte[edit]Genetik[edit]Ausblick und derzeit ungenutztes Potenzial[edit]Siehe auch[edit]Verweise[edit]Externe Links[edit]Verlustfrei[edit]Verlustfreie Datenkomprimierungsalgorithmen nutzen normalerweise statistische Redundanz, um Daten ohne Informationsverlust darzustellen, sodass der Prozess reversibel ist.  Eine verlustfreie Komprimierung ist m\u00f6glich, da die meisten realen Daten statistische Redundanz aufweisen.  Ein Bild kann beispielsweise Farbbereiche aufweisen, die sich \u00fcber mehrere Pixel nicht \u00e4ndern;  anstatt “rotes Pixel, rotes Pixel, …” zu codieren, k\u00f6nnen die Daten als “279 rote Pixel” codiert werden.  Dies ist ein grundlegendes Beispiel f\u00fcr die Laufl\u00e4ngencodierung;  Es gibt viele Schemata zur Reduzierung der Dateigr\u00f6\u00dfe durch Eliminierung von Redundanz.Die Komprimierungsmethoden Lempel-Ziv (LZ) geh\u00f6ren zu den beliebtesten Algorithmen f\u00fcr die verlustfreie Speicherung.[6]DEFLATE ist eine Variation von LZ, die f\u00fcr die Dekompressionsgeschwindigkeit und das Kompressionsverh\u00e4ltnis optimiert ist, aber die Kompression kann langsam sein.  Mitte der 1980er Jahre wurde der Lempel-Ziv-Welch (LZW)-Algorithmus nach der Arbeit von Terry Welch schnell zur Methode der Wahl f\u00fcr die meisten universellen Kompressionssysteme.  LZW wird in GIF-Bildern, Programmen wie PKZIP und Hardwareger\u00e4ten wie Modems verwendet.[7]  LZ-Methoden verwenden ein tabellenbasiertes Komprimierungsmodell, bei dem Tabelleneintr\u00e4ge durch wiederholte Datenstrings ersetzt werden.  Bei den meisten LZ-Methoden wird diese Tabelle dynamisch aus fr\u00fcheren Daten in der Eingabe generiert.  Die Tabelle selbst ist oft Huffman-kodiert.  Grammatikbasierte Codes wie dieser k\u00f6nnen sich stark wiederholende Eingaben \u00e4u\u00dferst effektiv komprimieren, zum Beispiel eine biologische Datensammlung derselben oder nahe verwandter Arten, eine riesige versionierte Dokumentensammlung, Internetarchivierung usw eine kontextfreie Grammatik, die eine einzelne Zeichenfolge ableitet.  Andere praktische Grammatikkompressionsalgorithmen umfassen Sequitur und Re-Pair.Die st\u00e4rksten modernen verlustfreien Kompressoren verwenden probabilistische Modelle, wie z. B. Vorhersage durch partielles Matching.  Die Burrows-Wheeler-Transformation kann auch als indirekte Form der statistischen Modellierung angesehen werden.[8]  In einer weiteren Verfeinerung der direkten Verwendung probabilistischer Modellierung k\u00f6nnen statistische Sch\u00e4tzungen mit einem Algorithmus namens arithmetische Codierung gekoppelt werden.  Die arithmetische Codierung ist eine modernere Codiertechnik, die die mathematischen Berechnungen einer endlichen Maschine verwendet, um eine Folge codierter Bits aus einer Reihe von Eingabedatensymbolen zu erzeugen.  Es kann im Vergleich zu anderen Techniken wie dem bekannteren Huffman-Algorithmus eine \u00fcberlegene Komprimierung erreichen.  Es verwendet einen internen Speicherzustand, um die Notwendigkeit zu vermeiden, eine Eins-zu-Eins-Zuordnung einzelner Eingabesymbole auf unterschiedliche Darstellungen durchzuf\u00fchren, die eine ganze Zahl von Bits verwenden, und l\u00f6scht den internen Speicher erst, nachdem die gesamte Zeichenfolge von Datensymbolen kodiert wurde .  Die arithmetische Codierung eignet sich besonders gut f\u00fcr adaptive Datenkompressionsaufgaben, bei denen die Statistiken variieren und kontextabh\u00e4ngig sind, da sie leicht mit einem adaptiven Modell der Wahrscheinlichkeitsverteilung der Eingabedaten gekoppelt werden kann.  Ein fr\u00fches Beispiel f\u00fcr die Verwendung arithmetischer Codierung war ein optionales (aber nicht weit verbreitetes) Merkmal des JPEG-Bildcodierungsstandards.[9]  Es wurde seitdem in verschiedenen anderen Designs verwendet, darunter H.263, H.264\/MPEG-4 AVC und HEVC f\u00fcr die Videocodierung.[10]  In den sp\u00e4ten 1980er Jahren wurden digitale Bilder immer h\u00e4ufiger und Standards f\u00fcr die verlustfreie Bildkomprimierung entstanden.  In den fr\u00fchen 1990er Jahren wurden verlustbehaftete Komprimierungsverfahren weit verbreitet.[11]  Bei diesen Schemata wird ein gewisser Informationsverlust in Kauf genommen, da das Weglassen nicht wesentlicher Details Speicherplatz sparen kann.  Es gibt einen entsprechenden Kompromiss zwischen dem Erhalten von Informationen und der Reduzierung der Gr\u00f6\u00dfe.  Verlustbehaftete Datenkompressionsschemata werden durch Forschung dazu entwickelt, wie Menschen die fraglichen Daten wahrnehmen.  Beispielsweise reagiert das menschliche Auge empfindlicher auf subtile Helligkeitsschwankungen als auf Farbschwankungen.  Die JPEG-Bildkomprimierung funktioniert teilweise durch Abrunden nicht wesentlicher Informationsbits.[12]    Eine Reihe beliebter Komprimierungsformate nutzen diese Wahrnehmungsunterschiede, darunter Psychoakustik f\u00fcr Ton und Psychovisualisierung f\u00fcr Bilder und Videos.Die meisten Formen der verlustbehafteten Kompression basieren auf Transformationscodierung, insbesondere der diskreten Kosinustransformation (DCT).  Es wurde erstmals 1972 von Nasir Ahmed vorgeschlagen, der 1973 zusammen mit T. Natarajan und KR Rao einen funktionierenden Algorithmus entwickelte, bevor er ihn im Januar 1974 einf\u00fchrte.[13][14]  DCT ist die am weitesten verbreitete verlustbehaftete Komprimierungsmethode und wird in Multimediaformaten f\u00fcr Bilder (wie JPEG und HEIF) verwendet.[15]Video (wie MPEG, AVC und HEVC) und Audio (wie MP3, AAC und Vorbis).In Digitalkameras wird eine verlustbehaftete Bildkomprimierung verwendet, um die Speicherkapazit\u00e4ten zu erh\u00f6hen.  Ebenso verwenden DVDs, Blu-ray und Streaming-Video verlustbehaftete Videocodierungsformate.  Verlustbehaftete Komprimierung wird h\u00e4ufig in Video verwendet.Bei der verlustbehafteten Audiokompression werden Verfahren der Psychoakustik verwendet, um nicht h\u00f6rbare (oder weniger h\u00f6rbare) Komponenten des Audiosignals zu entfernen.  Die Kompression der menschlichen Sprache wird oft mit noch spezialisierteren Techniken durchgef\u00fchrt;  Sprachcodierung wird als separate Disziplin von der allgemeinen Audiokomprimierung unterschieden.  Sprachcodierung wird beispielsweise in der Internettelefonie verwendet, Audiokomprimierung wird zum Rippen von CDs verwendet und von den Audioplayern decodiert.[8]Eine verlustbehaftete Komprimierung kann zu Generationsverlusten f\u00fchren.Die theoretische Grundlage f\u00fcr die Komprimierung bilden die Informationstheorie und insbesondere die algorithmische Informationstheorie f\u00fcr die verlustfreie Komprimierung und die Rate-Distortion-Theorie f\u00fcr die verlustbehaftete Komprimierung.  Diese Studienrichtungen wurden im Wesentlichen von Claude Shannon geschaffen, der Ende der 1940er und Anfang der 1950er Jahre grundlegende Arbeiten zu diesem Thema ver\u00f6ffentlichte.  Andere mit Komprimierung verbundene Themen umfassen Codierungstheorie und statistische Inferenz.[16]Maschinelles Lernen[edit]Zwischen maschinellem Lernen und Komprimierung besteht ein enger Zusammenhang.  Ein System, das die Posterior-Wahrscheinlichkeiten einer Sequenz aufgrund ihrer gesamten Historie vorhersagt, kann f\u00fcr eine optimale Datenkompression verwendet werden (durch Verwendung einer arithmetischen Codierung der Ausgabeverteilung).  Ein optimaler Kompressor kann f\u00fcr die Vorhersage verwendet werden (indem das Symbol gefunden wird, das angesichts der Vorgeschichte am besten komprimiert wird).  Diese \u00c4quivalenz wurde als Rechtfertigung f\u00fcr die Verwendung der Datenkomprimierung als Ma\u00dfstab f\u00fcr “allgemeine Intelligenz” verwendet.[17][18][19]Eine alternative Ansicht kann zeigen, dass Kompressionsalgorithmen Zeichenfolgen implizit in implizite Merkmalsraumvektoren abbilden, und auf Kompression basierende \u00c4hnlichkeitsma\u00dfe berechnen \u00c4hnlichkeiten innerhalb dieser Merkmalsr\u00e4ume.  F\u00fcr jeden Kompressor C(.) definieren wir einen zugeh\u00f6rigen Vektorraum \u2135, so dass C(.) einen Eingabestring x abbildet, der der Vektornorm ||~x|| entspricht.  Eine ersch\u00f6pfende Untersuchung der allen Kompressionsalgorithmen zugrunde liegenden Merkmalsr\u00e4ume wird durch den Raum ausgeschlossen;  stattdessen entscheidet sich Merkmalsvektoren, drei repr\u00e4sentative verlustfreie Kompressionsverfahren zu untersuchen, LZW, LZ77 und PPM.[20]Nach der AIXI-Theorie, einer Verbindung, die im Hutter-Preis direkter erkl\u00e4rt wird, ist die bestm\u00f6gliche Komprimierung von x die kleinstm\u00f6gliche Software, die x erzeugt.  In diesem Modell umfasst die komprimierte Gr\u00f6\u00dfe einer ZIP-Datei beispielsweise sowohl die ZIP-Datei als auch die Entpacksoftware, da Sie sie ohne beide nicht entpacken k\u00f6nnen, es kann jedoch eine noch kleinere kombinierte Form geben.Datendifferenzierung[edit]Die Datenkomprimierung kann als Sonderfall der Datendifferenzierung angesehen werden.[21][22]  Die Datendifferenzierung besteht darin, a Unterschied angenommen Quelle und ein Ziel, mit Patching zur Wiedergabe der Ziel angenommen Quelle und ein Unterschied. Da es bei der Datenkompression keine getrennte Quelle und Ziel gibt, kann man die Datenkompression als Datendifferenzierung mit leeren Quelldaten betrachten, wobei die komprimierte Datei einem Unterschied von nichts entspricht.  Dies entspricht der Betrachtung der absoluten Entropie (entsprechend der Datenkompression) als Spezialfall der relativen Entropie (entsprechend der Datendifferenzierung) ohne Anfangsdaten.Der Begriff Differenzialkompression wird verwendet, um die datendifferenzierende Verbindung hervorzuheben.Bild[edit]Entropiekodierung entstand in den 1940er Jahren mit der Einf\u00fchrung der Shannon-Fano-Kodierung.[23]  die Grundlage f\u00fcr die 1950 entwickelte Huffman-Codierung.[24]Die Transformationscodierung geht auf die sp\u00e4ten 1960er Jahre zur\u00fcck, mit der Einf\u00fchrung der Fast-Fourier-Transformation (FFT)-Codierung im Jahr 1968 und der Hadamard-Transformation im Jahr 1969.[25]Eine wichtige Bildkompressionstechnik ist die diskrete Kosinustransformation (DCT), eine Technik, die in den fr\u00fchen 1970er Jahren entwickelt wurde.[13]  DCT ist die Grundlage f\u00fcr JPEG, ein verlustbehaftetes Kompressionsformat, das 1992 von der Joint Photographic Experts Group (JPEG) eingef\u00fchrt wurde.[26]  JPEG reduziert die zur Darstellung eines Bildes erforderliche Datenmenge erheblich auf Kosten einer relativ geringen Verringerung der Bildqualit\u00e4t und ist das am weitesten verbreitete Bilddateiformat geworden.[27][28]  Sein hocheffizienter DCT-basierter Komprimierungsalgorithmus war ma\u00dfgeblich f\u00fcr die weite Verbreitung digitaler Bilder und digitaler Fotos verantwortlich.[29]Lempel-Ziv-Welch (LZW) ist ein 1984 entwickelter verlustfreier Komprimierungsalgorithmus. Er wird im 1987 eingef\u00fchrten GIF-Format verwendet.[30]DEFLATE, ein 1996 spezifizierter verlustfreier Komprimierungsalgorithmus, wird im Portable Network Graphics (PNG)-Format verwendet.[31]Wavelet-Kompression, die Verwendung von Wavelets bei der Bildkompression, begann nach der Entwicklung der DCT-Codierung.[32]  Der JPEG 2000-Standard wurde im Jahr 2000 eingef\u00fchrt.[33]  Im Gegensatz zum DCT-Algorithmus, der vom urspr\u00fcnglichen JPEG-Format verwendet wird, verwendet JPEG 2000 stattdessen Algorithmen zur diskreten Wavelet-Transformation (DWT).[34][35][36]  Die JPEG 2000-Technologie, die die Motion JPEG 2000-Erweiterung enth\u00e4lt, wurde 2004 als Videocodierungsstandard f\u00fcr das digitale Kino ausgew\u00e4hlt.[37]Audio[edit]Die Audiodatenkompression, nicht zu verwechseln mit der Dynamikbereichskompression, hat das Potenzial, die \u00dcbertragungsbandbreite und den Speicherbedarf von Audiodaten zu reduzieren.  Audiokompressionsalgorithmen werden in Software als Audiocodecs implementiert.  Sowohl bei der verlustbehafteten als auch bei der verlustfreien Komprimierung wird die Informationsredundanz reduziert, indem Verfahren wie Codierung, Quantisierung, diskrete Kosinustransformation und lineare Vorhersage verwendet werden, um die Informationsmenge zu reduzieren, die zur Darstellung der unkomprimierten Daten verwendet wird.Verlustbehaftete Audiokompressionsalgorithmen bieten eine h\u00f6here Kompression und werden in zahlreichen Audioanwendungen einschlie\u00dflich Vorbis und MP3 verwendet.  Diese Algorithmen beruhen fast alle auf Psychoakustik, um weniger h\u00f6rbare Ger\u00e4usche zu eliminieren oder die Wiedergabetreue zu reduzieren, wodurch der Platz verringert wird, der f\u00fcr deren Speicherung oder \u00dcbertragung erforderlich ist.[2][38]Der akzeptable Kompromiss zwischen Audioqualit\u00e4tsverlust und \u00dcbertragungs- oder Speichergr\u00f6\u00dfe h\u00e4ngt von der Anwendung ab.  Eine 640 MB Compact Disc (CD) enth\u00e4lt beispielsweise ungef\u00e4hr eine Stunde unkomprimierte HiFi-Musik, weniger als 2 Stunden verlustfrei komprimierte Musik oder 7 Stunden Musik, die im MP3-Format mit einer mittleren Bitrate komprimiert wurde.  Ein digitaler Tonrekorder kann in der Regel etwa 200 Stunden klar verst\u00e4ndliche Sprache in 640 MB speichern.[39]Die verlustfreie Audiokompression erzeugt eine Darstellung digitaler Daten, die in ein exaktes digitales Duplikat des Originals dekodiert werden k\u00f6nnen.  Die Kompressionsverh\u00e4ltnisse liegen bei etwa 50\u201360 % der Originalgr\u00f6\u00dfe,[40]  die denen f\u00fcr die generische verlustfreie Datenkomprimierung \u00e4hnlich ist.  Verlustfreie Codecs verwenden eine Kurvenanpassung oder eine lineare Vorhersage als Grundlage f\u00fcr die Sch\u00e4tzung des Signals.  Parameter, die die Sch\u00e4tzung und die Differenz zwischen der Sch\u00e4tzung und dem tats\u00e4chlichen Signal beschreiben, werden separat codiert.[41]Es gibt eine Reihe von verlustfreien Audiokompressionsformaten.  Eine Auflistung finden Sie in der Liste der verlustfreien Codecs.  Einige Formate sind mit einem bestimmten System verbunden, wie z. B. Direct Stream Transfer, das in Super Audio CDs und Meridian Lossless Packing verwendet wird, das in DVD-Audio, Dolby TrueHD, Blu-ray und HD DVD verwendet wird.Einige Audiodateiformate bieten eine Kombination aus einem verlustbehafteten Format und einer verlustfreien Korrektur;  Dies erm\u00f6glicht das Entfernen der Korrektur, um leicht eine verlustbehaftete Datei zu erhalten.  Zu diesen Formaten geh\u00f6ren MPEG-4 SLS (Scalable to Lossless), WavPack und OptimFROG DualStream.Wenn Audiodateien bearbeitet werden sollen, sei es durch weitere Komprimierung oder zum Editieren, ist es w\u00fcnschenswert, von einem unver\u00e4nderten Original (unkomprimiert oder verlustfrei komprimiert) zu arbeiten.  Die Verarbeitung einer verlustreich komprimierten Datei f\u00fcr einen bestimmten Zweck f\u00fchrt normalerweise zu einem Endergebnis, das der Erstellung derselben komprimierten Datei aus einem unkomprimierten Original unterlegen ist.  Neben der Tonbearbeitung oder -mischung wird die verlustfreie Audiokomprimierung h\u00e4ufig zur Archivierung oder als Kopiervorlage verwendet.Verlustbehaftete Audiokomprimierung[edit]  Vergleich von Spektrogrammen von Audio in einem unkomprimierten Format und mehreren verlustbehafteten Formaten.  Die verlustbehafteten Spektrogramme zeigen die Bandbegrenzung h\u00f6herer Frequenzen, eine g\u00e4ngige Technik, die mit verlustbehafteter Audiokompression verbunden ist.Verlustbehaftete Audiokomprimierung wird in einer Vielzahl von Anwendungen verwendet.  Neben eigenst\u00e4ndigen reinen Audioanwendungen zur Dateiwiedergabe in MP3-Playern oder Computern werden digital komprimierte Audiostreams in den meisten Video-DVDs, digitalem Fernsehen, Streaming-Medien im Internet, Satelliten- und Kabelradio und zunehmend auch in terrestrischen Radiosendungen verwendet.  Die verlustbehaftete Komprimierung erreicht in der Regel eine weitaus h\u00f6here Komprimierung als die verlustfreie Komprimierung, indem weniger kritische Daten basierend auf psychoakustischen Optimierungen verworfen werden.[42]Die Psychoakustik erkennt, dass nicht alle Daten in einem Audiostream vom menschlichen H\u00f6rsystem wahrgenommen werden k\u00f6nnen.  Die meisten verlustbehafteten Kompressionen reduzieren die Redundanz, indem zuerst wahrnehmungsrelevante Ger\u00e4usche identifiziert werden, dh Ger\u00e4usche, die sehr schwer zu h\u00f6ren sind.  Typische Beispiele sind hohe Frequenzen oder Ger\u00e4usche, die gleichzeitig mit lauteren Ger\u00e4uschen auftreten.  Diese irrelevanten Ger\u00e4usche werden mit geringerer Genauigkeit oder gar nicht codiert.Aufgrund der Natur verlustbehafteter Algorithmen erleidet die Audioqualit\u00e4t einen Verlust der digitalen Generation, wenn eine Datei dekomprimiert und erneut komprimiert wird.  Dies macht eine verlustbehaftete Komprimierung ungeeignet, um die Zwischenergebnisse in professionellen Audiotechnik-Anwendungen wie Tonbearbeitung und Mehrspuraufnahmen zu speichern.  Verlustbehaftete Formate wie MP3 sind jedoch bei Endbenutzern sehr beliebt, da die Dateigr\u00f6\u00dfe auf 5-20% der urspr\u00fcnglichen Gr\u00f6\u00dfe reduziert wird und ein Megabyte Musik im Wert von etwa einer Minute in angemessener Qualit\u00e4t speichern kann.Kodierungsmethoden[edit]Um zu bestimmen, welche Informationen in einem Audiosignal wahrnehmungstechnisch irrelevant sind, verwenden die meisten verlustbehafteten Kompressionsalgorithmen Transformationen wie die modifizierte diskrete Kosinustransformation (MDCT), um im Zeitbereich abgetastete Wellenformen in einen Transformationsbereich, typischerweise den Frequenzbereich, umzuwandeln.  Nach der Transformation k\u00f6nnen Komponentenfrequenzen entsprechend ihrer H\u00f6rbarkeit priorisiert werden.  Die H\u00f6rbarkeit spektraler Komponenten wird anhand der absoluten H\u00f6rschwelle und der Prinzipien der simultanen Maskierung bewertet \u2013 das Ph\u00e4nomen, bei dem ein Signal durch ein anderes frequenzgetrenntes Signal maskiert wird \u2013 und in einigen F\u00e4llen die zeitliche Maskierung \u2013 bei der ein Signal durch ein anderes Signal maskiert wird zeitlich getrennt.  Konturen gleicher Lautst\u00e4rke k\u00f6nnen auch verwendet werden, um die wahrnehmungsbezogene Bedeutung von Komponenten zu gewichten.  Modelle der menschlichen Ohr-Hirn-Kombination, die solche Effekte beinhalten, werden oft als psychoakustische Modelle bezeichnet.[43]Andere Arten von verlustbehafteten Komprimierern, wie beispielsweise die bei Sprache verwendete lineare pr\u00e4diktive Codierung (LPC), sind quellenbasierte Codierer.  LPC verwendet ein Modell des menschlichen Stimmtrakts, um Sprachlaute zu analysieren und die Parameter abzuleiten, die vom Modell verwendet werden, um sie von Moment zu Moment zu erzeugen.  Diese sich \u00e4ndernden Parameter werden \u00fcbertragen oder gespeichert und verwendet, um ein anderes Modell im Decoder anzusteuern, das den Ton reproduziert.Verlustbehaftete Formate werden h\u00e4ufig f\u00fcr die Verbreitung von Audiostreams oder interaktiver Kommunikation verwendet (z. B. in Mobilfunknetzen).  Bei solchen Anwendungen m\u00fcssen die Daten w\u00e4hrend des Datenflusses dekomprimiert werden, anstatt nachdem der gesamte Datenstrom \u00fcbertragen wurde.  Nicht alle Audio-Codecs k\u00f6nnen f\u00fcr Streaming-Anwendungen verwendet werden.[42]Latenz wird durch die Methoden eingef\u00fchrt, die zum Kodieren und Dekodieren der Daten verwendet werden.  Einige Codecs analysieren ein l\u00e4ngeres Segment, genannt a Rahmen, der Daten, um die Effizienz zu optimieren, und dann so zu codieren, dass ein gr\u00f6\u00dferes Datensegment gleichzeitig zum Decodieren erforderlich ist.  Die inh\u00e4rente Latenz des Codierungsalgorithmus kann kritisch sein;  beispielsweise bei einer Zweiwege\u00fcbertragung von Daten, wie beispielsweise bei einem Telefongespr\u00e4ch, k\u00f6nnen erhebliche Verz\u00f6gerungen die wahrgenommene Qualit\u00e4t ernsthaft verschlechtern.Im Gegensatz zur Kompressionsgeschwindigkeit, die proportional zur Anzahl der vom Algorithmus ben\u00f6tigten Operationen ist, bezieht sich die Latenz hier auf die Anzahl der Samples, die analysiert werden m\u00fcssen, bevor ein Audioblock verarbeitet wird.  Im minimalen Fall betr\u00e4gt die Latenz null Abtastwerte (z. B. wenn der Codierer\/Decodierer einfach die Anzahl der zum Quantisieren des Signals verwendeten Bits reduziert).  Zeitbereichsalgorithmen wie LPC haben auch oft niedrige Latenzen, daher ihre Popularit\u00e4t bei der Sprachcodierung f\u00fcr die Telefonie.  Bei Algorithmen wie MP3 muss jedoch eine gro\u00dfe Anzahl von Samples analysiert werden, um ein psychoakustisches Modell im Frequenzbereich zu implementieren, und die Latenz liegt in der Gr\u00f6\u00dfenordnung von 23 ms.Sprachcodierung[edit]Die Sprachcodierung ist eine wichtige Kategorie der Audiodatenkomprimierung.  Die Wahrnehmungsmodelle, die verwendet werden, um zu sch\u00e4tzen, welche Aspekte der Sprache ein menschliches Ohr h\u00f6ren kann, unterscheiden sich im Allgemeinen etwas von denen, die f\u00fcr Musik verwendet werden.  Der Frequenzbereich, der ben\u00f6tigt wird, um die Kl\u00e4nge einer menschlichen Stimme zu \u00fcbertragen, ist normalerweise viel enger als der f\u00fcr Musik ben\u00f6tigte, und der Klang ist normalerweise weniger komplex.  Als Ergebnis kann Sprache unter Verwendung einer relativ niedrigen Bitrate mit hoher Qualit\u00e4t codiert werden.Dies wird im Allgemeinen durch eine Kombination von zwei Ans\u00e4tzen erreicht:Es werden nur Ger\u00e4usche kodiert, die von einer einzigen menschlichen Stimme erzeugt werden k\u00f6nnten.Es werden mehr Daten im Signal weggeworfen \u2013 gerade genug, um eine “verst\u00e4ndliche” Stimme zu rekonstruieren, anstatt den vollen Frequenzbereich des menschlichen Geh\u00f6rs.Die fr\u00fchesten Algorithmen, die bei der Sprachcodierung (und der Audiodatenkompression im Allgemeinen) verwendet wurden, waren der A-Law-Algorithmus und der \u03bc-Law-Algorithmus.Geschichte[edit]  Solidyne 922: Die weltweit erste kommerzielle Audio-Bit-Kompressions-Soundkarte f\u00fcr PC, 1990Fr\u00fche Audioforschung wurde in Bell Labs durchgef\u00fchrt.  Dort meldete C. Chapin Cutler 1950 das Patent zur Differenzial-Puls-Code-Modulation (DPCM) an.[44]  1973 wurde Adaptive DPCM (ADPCM) von P. Cummiskey, Nikil S. Jayant und James L. Flanagan eingef\u00fchrt.[45][46]Die perzeptuelle Codierung wurde zuerst f\u00fcr die Sprachcodierungskompression mit linearer pr\u00e4diktiver Codierung (LPC) verwendet.[47]  Erste Konzepte f\u00fcr LPC gehen auf die Arbeit von Fumitada Itakura (Nagoya University) und Shuzo Saito (Nippon Telegraph and Telephone) im Jahr 1966 zur\u00fcck.[48]  In den 1970er Jahren entwickelten Bishnu S. Atal und Manfred R. Schroeder von den Bell Labs eine Form der LPC namens adaptive pr\u00e4diktive Codierung (APC), einen wahrnehmungsbezogenen Codierungsalgorithmus, der die Maskierungseigenschaften des menschlichen Ohrs ausnutzte, gefolgt in den fr\u00fchen 1980er Jahren mit dem Code-angeregter linearer Pr\u00e4diktionsalgorithmus (CELP), der f\u00fcr seine Zeit ein signifikantes Kompressionsverh\u00e4ltnis erreichte.[47]  Perceptual Coding wird von modernen Audiokompressionsformaten wie MP3 verwendet[47]  und AAC.Diskrete Kosinustransformation (DCT), 1974 von Nasir Ahmed, T. Natarajan und KR Rao entwickelt,[14]  lieferte die Grundlage f\u00fcr die modifizierte diskrete Kosinustransformation (MDCT), die von modernen Audiokompressionsformaten wie MP3 verwendet wird,[49]Dolby Digital,[50][51]  und AAC.[52]  MDCT wurde 1987 von JP Princen, AW Johnson und AB Bradley vorgeschlagen.[53]  nach fr\u00fcheren Arbeiten von Princen und Bradley im Jahr 1986.[54]Das weltweit erste kommerzielle Audiokompressionssystem zur Automatisierung von Rundfunksendungen wurde von Oscar Bonello, einem Ingenieursprofessor an der Universit\u00e4t von Buenos Aires, entwickelt.[55][failed verification]  1983 unter Verwendung des psychoakustischen Prinzips der Maskierung kritischer B\u00e4nder, das erstmals 1967 ver\u00f6ffentlicht wurde,[56]  er begann mit der Entwicklung einer praktischen Anwendung auf Basis des neu entwickelten IBM PC-Rechners und 1987 wurde das Broadcast-Automatisierungssystem unter dem Namen Audicom auf den Markt gebracht.  Zwanzig Jahre sp\u00e4ter nutzten fast alle Radiosender der Welt \u00e4hnliche Technologien, die von einer Reihe von Unternehmen hergestellt wurden.Ein Literaturkompendium f\u00fcr eine Vielzahl von Audiocodiersystemen wurde in der IEEE ver\u00f6ffentlicht Zeitschrift zu ausgew\u00e4hlten Bereichen der Kommunikation (JSAC).[57]Video[edit]Die Videokomprimierung ist eine praktische Implementierung der Quellcodierung in der Informationstheorie.  In der Praxis werden die meisten Video-Codecs zusammen mit Audiokompressionstechniken verwendet, um die separaten, aber komplement\u00e4ren Datenstr\u00f6me als ein kombiniertes Paket unter Verwendung sogenannter . zu speichern Containerformate.[58]Unkomprimiertes Video erfordert eine sehr hohe Datenrate.  Obwohl verlustfreie Videokomprimierungscodecs mit einem Komprimierungsfaktor von 5 bis 12 arbeiten, hat ein typisches verlustbehaftetes H.264-Komprimierungsvideo einen Komprimierungsfaktor zwischen 20 und 200.[59]Die zwei wichtigsten Videokompressionstechniken, die in Videocodierungsstandards verwendet werden, sind die diskrete Kosinustransformation (DCT) und die Bewegungskompensation (MC).  Die meisten Videocodierungsstandards, wie beispielsweise die Formate H.26x und MPEG, verwenden typischerweise eine bewegungskompensierte DCT-Videocodierung (Blockbewegungskompensation).[60][61]Codierungstheorie[edit]Videodaten k\u00f6nnen als eine Reihe von Standbildrahmen dargestellt werden.  Solche Daten enthalten normalerweise reichliche Mengen an r\u00e4umlicher und zeitlicher Redundanz.  Videokompressionsalgorithmen versuchen, Redundanz zu reduzieren und Informationen kompakter zu speichern.Die meisten Videokompressionsformate und Codecs nutzen sowohl r\u00e4umliche als auch zeitliche Redundanz (zB durch Differenzcodierung mit Bewegungskompensation).  \u00c4hnlichkeiten k\u00f6nnen codiert werden, indem nur Unterschiede zwischen zB zeitlich benachbarten Frames (Inter-Frame-Codierung) oder r\u00e4umlich benachbarten Pixeln (Intra-Frame-Codierung) gespeichert werden.  Inter-Frame-Kompression (eine zeitliche Delta-Codierung) verwendet (wieder) Daten von einem oder mehreren fr\u00fcheren oder sp\u00e4teren Frames in einer Sequenz, um den aktuellen Frame zu beschreiben.  Andererseits verwendet die Intra-Frame-Codierung nur Daten aus dem aktuellen Frame, was effektiv eine Standbildkompression ist.[43]Die in Camcordern und der Videobearbeitung verwendeten Intra-Frame-Videocodierungsformate verwenden eine einfachere Komprimierung, die nur die Intra-Frame-Vorhersage verwendet.  Dies vereinfacht die Videobearbeitungssoftware, da es verhindert, dass ein P- oder B-Frame auf Daten verweist, die der Editor gel\u00f6scht hat.\u00dcblicherweise werden bei der Videokompression zus\u00e4tzlich verlustbehaftete Kompressionstechniken wie Quantisierung verwendet, die Aspekte der Quelldaten reduzieren, die (mehr oder weniger) f\u00fcr die menschliche visuelle Wahrnehmung irrelevant sind, indem Wahrnehmungsmerkmale des menschlichen Sehens ausgenutzt werden.  Kleine Farbunterschiede sind beispielsweise schwieriger wahrzunehmen als Helligkeits\u00e4nderungen.  Komprimierungsalgorithmen k\u00f6nnen eine Farbe \u00fcber diese \u00e4hnlichen Bereiche mitteln, um den Raum zu reduzieren, \u00e4hnlich wie bei der JPEG-Bildkomprimierung.[9]  Wie bei jeder verlustbehafteten Komprimierung gibt es einen Kompromiss zwischen Videoqualit\u00e4t und Bitrate, Kosten f\u00fcr die Verarbeitung der Komprimierung und Dekomprimierung und Systemanforderungen.  Stark komprimiertes Video kann sichtbare oder ablenkende Artefakte aufweisen.Andere Methoden als die vorherrschenden DCT-basierten Transformationsformate, wie z Verwendung von Wavelet-Codierung als Standbildcodierer ohne Bewegungskompensation).  Das Interesse an fraktaler Kompression scheint zu schwinden, da neuere theoretische Analysen einen vergleichsweise geringen Wirkungsgrad solcher Methoden zeigen.[43]Inter-Frame-Codierung[edit]Die Inter-Frame-Codierung funktioniert durch den Vergleich jedes Frames im Video mit dem vorherigen.  Einzelne Frames einer Videosequenz werden von einem Frame zum n\u00e4chsten verglichen und der Videokompressionscodec sendet nur die Unterschiede an den Referenzframe.  Wenn der Rahmen Bereiche enth\u00e4lt, in denen sich nichts bewegt hat, kann das System einfach einen kurzen Befehl ausgeben, der diesen Teil des vorherigen Rahmens in den n\u00e4chsten kopiert.  Wenn sich Teile des Bildes auf einfache Weise bewegen, kann der Kompressor einen (etwas l\u00e4ngeren) Befehl ausgeben, der den Dekompressor anweist, die Kopie zu verschieben, zu drehen, aufzuhellen oder abzudunkeln.  Dieser l\u00e4ngere Befehl bleibt immer noch viel k\u00fcrzer als die Intraframe-Komprimierung.  Normalerweise \u00fcbertr\u00e4gt der Codierer auch ein Restsignal, das die verbleibenden feineren Unterschiede zu den Referenzbildern beschreibt.  Unter Verwendung der Entropiecodierung haben diese Restsignale eine kompaktere Darstellung als das vollst\u00e4ndige Signal.  In Videobereichen mit mehr Bewegung muss die Komprimierung mehr Daten codieren, um mit der gr\u00f6\u00dferen Anzahl von Pixeln Schritt zu halten, die sich \u00e4ndern.  H\u00e4ufig f\u00fchren die hochfrequenten Details bei Explosionen, Flammen, Tierschw\u00e4rmen und bei einigen Kameraschwenks zu Qualit\u00e4tseinbu\u00dfen oder zu einer Erh\u00f6hung der variablen Bitrate.Hybride blockbasierte Transformationsformate[edit]  Verarbeitungsstufen eines typischen Video-EncodersHeutzutage teilen fast alle gebr\u00e4uchlichen Videokompressionsverfahren (zB diejenigen in Standards, die von der ITU-T oder ISO genehmigt wurden) dieselbe grundlegende Architektur, die auf H.261 zur\u00fcckgeht und 1988 von der ITU-T standardisiert wurde.  Sie beruhen haupts\u00e4chlich auf der DCT, die auf rechteckige Bl\u00f6cke benachbarter Pixel angewendet wird, und der zeitlichen Vorhersage unter Verwendung von Bewegungsvektoren sowie heutzutage auch auf einem In-Loop-Filterschritt.In der Vorhersagephase werden verschiedene Deduplizierungs- und Differenzcodierungstechniken angewendet, die helfen, Daten zu dekorrelieren und neue Daten basierend auf bereits \u00fcbertragenen Daten zu beschreiben.Dann werden rechteckige Bl\u00f6cke von (Rest-)Pixeldaten in den Frequenzbereich transformiert, um das Zielen auf irrelevante Informationen bei der Quantisierung und f\u00fcr eine gewisse Reduzierung der r\u00e4umlichen Redundanz zu erleichtern.  Die in diesem Zusammenhang weit verbreitete diskrete Kosinustransformation (DCT) wurde 1974 von N. Ahmed, T. Natarajan und KR Rao eingef\u00fchrt.[14]In der verlustbehafteten Hauptverarbeitungsphase werden diese Daten quantisiert, um Informationen zu reduzieren, die f\u00fcr die menschliche visuelle Wahrnehmung irrelevant sind.In der letzten Stufe wird die statistische Redundanz weitgehend durch einen Entropiecodierer eliminiert, der oft irgendeine Form der arithmetischen Codierung anwendet.In einer zus\u00e4tzlichen In-Loop-Filterstufe k\u00f6nnen verschiedene Filter auf das rekonstruierte Bildsignal angewendet werden.  Durch die Berechnung dieser Filter auch innerhalb der Codierschleife k\u00f6nnen sie die Komprimierung unterst\u00fctzen, da sie auf Referenzmaterial angewendet werden k\u00f6nnen, bevor es im Vorhersageprozess verwendet wird, und sie k\u00f6nnen unter Verwendung des Originalsignals gef\u00fchrt werden.  Das beliebteste Beispiel sind Deblocking-Filter, die Blocking-Artefakte aus Quantisierungsdiskontinuit\u00e4ten an Transformationsblockgrenzen verwischen.Geschichte[edit]1967 schlugen AH Robinson und C. Cherry ein Bandbreitenkompressionsschema zur Laufl\u00e4ngencodierung f\u00fcr die \u00dcbertragung analoger Fernsehsignale vor.[62]Diskrete Kosinustransformation (DCT), die f\u00fcr die moderne Videokompression grundlegend ist,[63]  wurde 1974 von Nasir Ahmed, T. Natarajan und KR Rao eingef\u00fchrt.[14][64]H.261, das 1988 deb\u00fctierte, f\u00fchrte die vorherrschende grundlegende Architektur der Videokompressionstechnologie kommerziell ein.[65]  Es war das erste auf DCT-Komprimierung basierende Videocodierungsformat, das sp\u00e4ter zum Standard f\u00fcr alle folgenden wichtigen Videocodierungsformate wurde.[63]  H.261 wurde von einer Reihe von Unternehmen entwickelt, darunter Hitachi, PictureTel, NTT, BT und Toshiba.[66]Die beliebtesten Videocodierungsstandards f\u00fcr Codecs waren die MPEG-Standards.  MPEG-1 wurde 1991 von der Motion Picture Experts Group (MPEG) entwickelt und wurde entwickelt, um Videos in VHS-Qualit\u00e4t zu komprimieren.  Es wurde 1994 von MPEG-2\/H.262 abgel\u00f6st,[65]  die von einer Reihe von Unternehmen entwickelt wurde, haupts\u00e4chlich Sony, Thomson und Mitsubishi Electric.[67]  MPEG-2 wurde zum Standard-Videoformat f\u00fcr das digitale DVD- und SD-Fernsehen.[65]  1999 folgte MPEG-4\/H.263, was einen gro\u00dfen Sprung nach vorn f\u00fcr die Videokompressionstechnologie darstellte.[65]  Es wurde von einer Reihe von Unternehmen entwickelt, haupts\u00e4chlich Mitsubishi Electric, Hitachi und Panasonic.[68]Das am weitesten verbreitete Videocodierungsformat ist H.264\/MPEG-4 AVC.  Es wurde 2003 von einer Reihe von Organisationen entwickelt, haupts\u00e4chlich Panasonic, Godo Kaisha IP Bridge und LG Electronics.[69]  AVC f\u00fchrte die moderne kontextadaptive bin\u00e4re arithmetische Codierung (CABAC) und die kontextadaptive Variable-Length-Codierung (CAVLC) kommerziell ein.  AVC ist der wichtigste Videocodierungsstandard f\u00fcr Blu-ray-Discs und wird h\u00e4ufig von Video-Sharing-Websites und Streaming-Internetdiensten wie YouTube, Netflix, Vimeo und iTunes Store, Websoftware wie Adobe Flash Player und Microsoft Silverlight und verschiedenen verwendet HDTV-Sendungen \u00fcber terrestrisches und Satellitenfernsehen.Genetik[edit]Genetische Kompressionsalgorithmen sind die neueste Generation von verlustfreien Algorithmen, die Daten (typischerweise Sequenzen von Nukleotiden) komprimieren, wobei sowohl konventionelle Kompressionsalgorithmen als auch genetische Algorithmen verwendet werden, die an den spezifischen Datentyp angepasst sind.  Im Jahr 2012 ver\u00f6ffentlichte ein Team von Wissenschaftlern der Johns Hopkins University einen genetischen Kompressionsalgorithmus, der kein Referenzgenom f\u00fcr die Kompression verwendet.  HAPZIPPER wurde auf HapMap-Daten zugeschnitten und erreicht eine \u00fcber 20-fache Komprimierung (95% Reduzierung der Dateigr\u00f6\u00dfe) und bietet eine 2- bis 4-fach bessere Komprimierung und in viel schnellerer Zeit als die f\u00fchrenden universellen Komprimierungsprogramme.  Dazu f\u00fchrten Chanda, Elhaik und Bader MAF-basierte Kodierung (MAFE) ein, die die Heterogenit\u00e4t des Datensatzes reduziert, indem sie SNPs nach ihrer Nebenallelfrequenz sortiert und so den Datensatz homogenisiert.[70]  Andere Algorithmen in den Jahren 2009 und 2013 (DNAZip und GenomeZip) haben Komprimierungsraten von bis zu 1200-fach, was die Speicherung von 6 Milliarden Basenpaaren diploiden menschlichen Genomen in 2,5 Megabyte (relativ zu einem Referenzgenom oder gemittelt \u00fcber viele Genome) erm\u00f6glicht.[71][72]  Einen Benchmark f\u00fcr Genetik-\/Genomik-Datenkompressoren finden Sie unter [73]Ausblick und derzeit ungenutztes Potenzial[edit]Es wird gesch\u00e4tzt, dass die Gesamtdatenmenge, die auf den Speicherger\u00e4ten der Welt gespeichert ist, mit bestehenden Komprimierungsalgorithmen um einen verbleibenden durchschnittlichen Faktor von 4,5:1 weiter komprimiert werden k\u00f6nnte.[74]  Es wird gesch\u00e4tzt, dass die kombinierte technologische Kapazit\u00e4t der Welt zum Speichern von Informationen im Jahr 2007 1.300 Exabyte an Hardware-Ziffern bereitstellt, aber wenn der entsprechende Inhalt optimal komprimiert ist, entspricht dies nur 295 Exabyte an Shannon-Informationen.[75]Siehe auch[edit]Verweise[edit]^ Wade, Graham (1994). Signalcodierung und -verarbeitung  (2 Hrsg.).  Cambridge University Press.  P.  34. ISBN 978-0-521-42336-6.  Abgerufen 2011-12-22. Das allgemeine Ziel der Quellcodierung besteht darin, \u201eineffiziente\u201c Redundanz in der PCM-Quelle auszunutzen oder zu beseitigen und dadurch eine Reduzierung der Gesamtquellrate R zu erreichen.^ ein B Mahdi, OA;  Mohammed, MA;  Mohamed, AJ (November 2012). “Implementieren eines neuartigen Ansatzes und Konvertieren von Audiokomprimierung in Textcodierung mittels Hybridtechnik” (PDF). Internationale Zeitschrift f\u00fcr Informatikfragen. 9 (6, Nr. 3): 53\u201359.  Abgerufen 6. M\u00e4rz 2013.^ Pujar, JH;  Kadlaskar, LM (Mai 2010). “Eine neue verlustfreie Methode der Bildkompression und -dekomprimierung unter Verwendung von Huffman-Codierungstechniken” (PDF). Zeitschrift f\u00fcr Theoretische und Angewandte Informationstechnologie. f\u00fcnfzehn (1): 18\u201323.^ Salomon, David (2008). Eine kurze Einf\u00fchrung in die Datenkomprimierung.  Berlin: Springer.  ISBN 9781848000728.^ Panzer, MK (2011).  \u201eImplementierung des Lempel-ZIV-Algorithmus zur verlustfreien Komprimierung mit VHDL\u201c. Implementierung des Limpel-Ziv-Algorithmus zur verlustfreien Komprimierung mit VHDL. Thinkquest 2010: Proceedings of the First International Conference on Contours of Computing Technology.  Berlin: Springer.  S. 275\u2013283.  mach:10.1007\/978-81-8489-989-4_51.  ISBN 978-81-8489-988-7.^ Navqi, Saud;  Naqvi, R.;  Riaz, RA;  Siddiqui, F. (April 2011). “Optimiertes RTL-Design und Implementierung des LZW-Algorithmus f\u00fcr Anwendungen mit hoher Bandbreite” (PDF). Elektrische \u00dcberpr\u00fcfung. 2011 (4): 279\u2013285.^ Stephen, Wolfram (2002). Neue Art der Wissenschaft.  Champaign, IL.  P.  1069. ISBN 1-57955-008-8.^ ein B Mahmud, Salauddin (M\u00e4rz 2012). “Eine verbesserte Datenkomprimierungsmethode f\u00fcr allgemeine Daten” (PDF). Internationale Zeitschrift f\u00fcr wissenschaftliche und technische Forschung. 3 (3): 2.  Abgerufen 6. M\u00e4rz 2013.^ ein B Lane, Tom. “FAQ zur JPEG-Bildkomprimierung, Teil 1”. Internet-FAQ-Archive.  Unabh\u00e4ngige JPEG-Gruppe.  Abgerufen 6. M\u00e4rz 2013.^ GJ Sullivan;  J.-R.  Ohm;  W J.  Han;  T. Wiegand (Dezember 2012). “\u00dcbersicht \u00fcber den High Efficiency Video Coding (HEVC) Standard”. IEEE Transactions on Circuits and Systems for Video Technology.  IEEE. 22 (12): 1649\u20131668.  mach:10.1109\/TCSVT.2012.2221191.^ Wolfram, Stephen (2002). Eine neue Art der Wissenschaft.  Wolfram Media, Inc. p. 1069.  ISBN 978-1-57955-008-0.^ Erzengel, Cory. “Auf Komprimierung” (PDF).  Abgerufen 6. M\u00e4rz 2013.^ ein B Ahmed, Nasir (Januar 1991). \u201eWie ich auf die diskrete Kosinustransformation kam\u201c. Digitale Signalverarbeitung. 1 (1): 4\u20135.  mach:10.1016\/1051-2004(91)90086-Z.^ ein B C D Nasir Ahmed;  T. Natarajan;  Kamisetty Ramamohan Rao (Januar 1974). “Diskrete Kosinustransformation” (PDF). IEEE-Transaktionen auf Computern. C-23 (1): 90\u201393.  mach:10.1109\/TC.1974.223784.^ CCITT Study Group VIII und die Joint Photographic Experts Group (JPEG) von ISO\/IEC Joint Technical Committee 1\/Subcommittee 29\/Working Group 10 (1993), \u201eAnnex D \u2013 Arithmetic Coding\u201c, Empfehlung T.81: Digitale Komprimierung und Codierung von Halbton-Standbildern \u2013 Anforderungen und Richtlinien (PDF), S. 54 ff, abgerufen 2009-11-07^ Marak, Laszlo. “\u00dcber die Bildkomprimierung” (PDF).  Universit\u00e4t Marne la Vall\u00e9e.  Archiviert von das Original (PDF) am 28. Mai 2015.  Abgerufen 6. M\u00e4rz 2013.^ Mahoney, Matt. “Grundlage f\u00fcr einen gro\u00dfen Textkomprimierungs-Benchmark”.  Florida Institute of Technology.  Abgerufen 5. M\u00e4rz 2013.^ Schmilovici A.;  Kahiri Y.;  Ben-Gal. I.;  Hauser S. (2009). “Messung der Effizienz des Intraday-Forex-Marktes mit einem universellen Datenkomprimierungsalgorithmus” (PDF). Computational Economics. 33 (2): 131\u2013154.  CiteSeerX 10.1.1.627.3751.  mach:10.1007\/s10614-008-9153-3.  S2CID 17234503.^ I. Ben-Gal (2008). “\u00dcber die Verwendung von Datenkomprimierungsma\u00dfnahmen zur Analyse robuster Designs” (PDF). IEEE-Transaktionen zur Zuverl\u00e4ssigkeit. 54 (3): 381\u2013388.  mach:10.1109\/TR.2005.853280.  S2CID 9376086.^ D. Scully;  Carla E. Brodley (2006).  \u201eKompression und maschinelles Lernen: Eine neue Perspektive auf Merkmalsraumvektoren\u201c. Datenkomprimierungskonferenz, 2006: 332. doi:10.1109\/DCC.2006.13.  ISBN 0-7695-2545-8.  S2CID 12311412.^ Korn, D.;  et al. “RFC 3284: Das generische VCDIFF-Differenzierungs- und Komprimierungsdatenformat”.  Internettechnik-Arbeitsgruppe.  Abgerufen 5. M\u00e4rz 2013.^ Korn, GD;  Vo, KP (1995).  B. Krishnamurthy (Hrsg.). Vdelta: Differenzierung und Kompression.  Praktische wiederverwendbare Unix-Software.  New York: John Wiley & Sons, Inc.^ Claude Elwood Shannon (1948).  Alcatel-Lucent (Hrsg.). “Eine mathematische Theorie der Kommunikation” (PDF). Bell System Fachzeitschrift. 27 (3\u20134): 379\u2013423, 623\u2013656.  mach:10.1002\/j.1538-7305.1948.tb01338.x.  hdl:11858\/00-001M-0000-002C-4314-2.  Abgerufen 2019-04-21.^ David Albert Huffman (September 1952), “Eine Methode zur Konstruktion von Codes mit minimaler Redundanz” (PDF), Verfahren des IRE, 40 (9), S. 1098\u20131101, doi:10.1109\/JRPROC.1952.273898^ Pratt, WK;  Kane, J.;  Andrews, HC (1969).  “Hadamard-Transformationsbildcodierung”. Verfahren des IEEE. 57: 58\u201368.  mach:10.1109\/PROC.1969.6869.^ “T.81 \u2013 DIGITALE KOMPRESSION UND KODIERUNG VON STANDBILDBILDERN \u2013 ANFORDERUNGEN UND RICHTLINIEN” (PDF).  CCITT.  September 1992.  Abgerufen 12. Juli 2019.^ “Das JPEG-Bildformat erkl\u00e4rt”. BT.com.  BT-Gruppe.  31. Mai 2018.  Abgerufen 5. August 2019.^ Baraniuk, Chris (15. Oktober 2015). “Kopierschutz k\u00f6nnte auf JPEGs kommen”. BBC News.  BBC.  Abgerufen 13. September 2019.^ “Was ist ein JPEG? Das unsichtbare Objekt, das Sie jeden Tag sehen”. Der Atlantik.  24. September 2013.  Abgerufen 13. September 2019.^ “Die GIF-Kontroverse: Die Perspektive eines Softwareentwicklers”.  Abgerufen 26. Mai 2015.^ L. Peter Deutsch (Mai 1996). DEFLATE Komprimierte Datenformatspezifikation Version 1.3.  IETF.  P.  1 Sek.  Abstrakt.  mach:10.17487\/RFC1951.  RFC 1951.  Abgerufen 2014-04-23.^ Hoffmann, Roy (2012). Datenkomprimierung in digitalen Systemen.  Springer Wissenschaft & Wirtschaftsmedien.  P.  124. ISBN 9781461560319. Grunds\u00e4tzlich ist die Wavelet-Codierung eine Variante der DCT-basierten Transformationscodierung, die einige ihrer Einschr\u00e4nkungen reduziert oder beseitigt.  (…) Ein weiterer Vorteil besteht darin, dass die Wavelet-Codierung, anstatt mit 8 \u00d7 8 Pixelbl\u00f6cken zu arbeiten, wie JPEG und andere blockbasierte DCT-Techniken, das gesamte Bild gleichzeitig komprimieren kann.^ Taubman, David;  Marzellin, Michael (2012). Grundlagen, Standards und Praxis der JPEG2000-Bildkomprimierung: Grundlagen, Standards und Praxis der Bildkomprimierung.  Springer Wissenschaft & Wirtschaftsmedien.  ISBN 9781461507994.^ Unser, M.;  Blu, T. (2003). “Mathematische Eigenschaften der JPEG2000-Wavelet-Filter”. IEEE-Transaktionen zur Bildverarbeitung. 12 (9): 1080\u20131090.  Bibcode:2003ITIP…12.1080U.  mach:10.1109\/TIP.2003.812329.  PMID 18237979.  S2CID 2765169.^ Sullivan, Gary (8.\u201312. Dezember 2003). “Allgemeine Eigenschaften und Design\u00fcberlegungen f\u00fcr die zeitliche Subband-Videocodierung”. ITU-T.  Expertengruppe f\u00fcr Videocodierung.  Abgerufen 13. September 2019.^ Bovik, Alan C. (2009). Der grundlegende Leitfaden zur Videoverarbeitung.  Akademische Presse.  P.  355. ISBN 9780080922508.^ Swartz, Charles S. (2005). Das digitale Kino verstehen: Ein professionelles Handbuch.  Taylor & Franz.  P.  147. ISBN 9780240806174.^ Cunningham, Stuart;  McGregor, Iain (2019). “Subjektive Bewertung von mit dem ACER-Codec komprimierter Musik im Vergleich zu AAC, MP3 und unkomprimiertem PCM”. Internationale Zeitschrift f\u00fcr digitalen Multimedia-Rundfunk. 2019: 1\u201316.  mach:10.1155\/2019\/8265301.^ Der digitale Sprachrekorder Olympus WS-120 kann laut Handbuch etwa 178 Stunden Audio in Sprachqualit\u00e4t im .WMA-Format in 500 MB Flash-Speicher speichern.^ Kohlen, Josh. “FLAC-Vergleich”.  Abgerufen 2020-08-23.^ “Format\u00fcbersicht”.  Abgerufen 2020-08-23.^ ein B Jaiswal, RC (2009). Audio-Video-Engineering.  Pune, Maharashtra: Nirali Prakashan.  P.  3.41.  ISBN 9788190639675.^ ein B C Faxin Yu;  Hao Luo;  Zheming Lu (2010). Dreidimensionale Modellanalyse und -verarbeitung.  Berlin: Springer.  P. 47.  ISBN 9783642126512.^ US-Patent 2605361, C. Chapin Cutler, “Differential Quantization of Communication Signals”, herausgegeben 1952-07-29 ^ Cummiskey, P.;  Jayant, NS;  Flanagan, JL (1973).  \u201eAdaptive Quantisierung in der differentiellen PCM-Codierung von Sprache\u201c. Bell System Fachzeitschrift. 52 (7): 1105\u20131118.  mach:10.1002\/j.1538-7305.1973.tb02007.x.^ Cummiskey, P.;  Jayant, Nikil S.;  Flanagan, JL (1973).  \u201eAdaptive Quantisierung in der differentiellen PCM-Codierung von Sprache\u201c. Die Bell System Fachzeitschrift. 52 (7): 1105\u20131118.  mach:10.1002\/j.1538-7305.1973.tb02007.x.  ISSN 0005-8580.^ ein B C Schr\u00f6der, Manfred R. (2014). “Glockenlabore”. Akustik, Information und Kommunikation: Gedenkband zu Ehren von Manfred R. Schroeder.  Springer.  P.  388. ISBN 9783319056609.^ Grau, Robert M. (2010). “Eine Geschichte der digitalen Echtzeitsprache in Paketnetzwerken: Teil II der linearen Vorhersagecodierung und des Internetprotokolls” (PDF). Gefunden.  Trends Signalprozess. 3 (4): 203\u2013303.  mach:10.1561\/2000000036.  ISSN 1932-8346.^ Guckert, John (Fr\u00fchjahr 2012). “Die Verwendung von FFT und MDCT bei der MP3-Audiokomprimierung” (PDF). Universit\u00e4t von Utah.  Abgerufen 14. Juli 2019.^ Luo, Fa-Long (2008). Mobile Multimedia Broadcasting Standards: Technologie und Praxis.  Springer Wissenschaft & Wirtschaftsmedien.  P.  590. ISBN 9780387782638.^ Britanak, V. (2011).  “\u00dcber Eigenschaften, Beziehungen und vereinfachte Implementierung von Filterb\u00e4nken in den Dolby Digital (Plus) AC-3 Audio Coding Standards”. IEEE-Transaktionen zur Audio-, Sprach- und Sprachverarbeitung. 19 (5): 1231\u20131241.  mach:10.1109\/TASL.2010.2087755.  S2CID 897622.^ Brandenburg, Karlheinz (1999). “MP3 und AAC erkl\u00e4rt” (PDF). Archiviert (PDF) vom Original vom 13.02.2017.^ Princen, J.;  Johnson, A.;  Bradley, A. (1987).  “Teilband-\/Transformationscodierung unter Verwendung von Filterbankdesigns basierend auf Zeitbereichs-Aliasing-Aufhebung”. ICASSP ’87.  Internationale IEEE-Konferenz f\u00fcr Akustik, Sprache und Signalverarbeitung. 12.  S. 2161\u20132164.  mach:10.1109\/ICASSP.1987.1169405.  S2CID 58446992.^ Princen, J.;  Bradley, A. (1986).  \u201eAnalyse\/Synthese-Filterbankdesign basierend auf Zeitbereichs-Aliasing-Aufhebung\u201c. IEEE-Transaktionen zu Akustik, Sprache und Signalverarbeitung. 34 (5): 1153-1161.  mach:10.1109\/TASSP.1986.1164954.^ \u201eZusammenfassung einiger Beitr\u00e4ge von Solidyne zur Rundfunktechnik\u201c. Kurze Geschichte von Solidyne.  Buenos Aires: Solidyne.  Archiviert von das Original am 8. M\u00e4rz 2013.  Abgerufen 6. M\u00e4rz 2013.[self-published source?]^ Zwicker, Eberhard;  et al.  (1967). Das Ohr als Kommunikationsempf\u00e4nger.  Melville, NY: Akustische Gesellschaft von Amerika.  Archiviert von das Original am 2000-09-14.  Abgerufen 2011-11-11.^ “M\u00f6glichkeiten der Dateikomprimierung”. Eine kurze Anleitung zum Komprimieren einer Datei auf 4 verschiedene Arten.^ “Videocodierung”. CSIP-Website.  Zentrum f\u00fcr Signal- und Informationsverarbeitung, Georgia Institute of Technology.  Archiviert von das Original am 23. Mai 2013.  Abgerufen 6. M\u00e4rz 2013.^ Dmitriy Watolin;  et al.  (Graphics & Media Lab Video Group) (M\u00e4rz 2007). Verlustfreier Videocodec-Vergleich ‘2007 (PDF) (Pr\u00fcfbericht).  Moskauer Staatsuniversit\u00e4t.^ Chen, Jie;  Koc, Ut-Va;  Liu, KJ Ray (2001). Design digitaler Videocodiersysteme: Ein vollst\u00e4ndiger Ansatz f\u00fcr komprimierte Dom\u00e4nen.  CRC-Presse.  P.  71. ISBN 9780203904183.^ Li, Jian Ping (2006). Proceedings of the International Computer Conference 2006 on Wavelet Active Media Technology and Information Processing: Chongqing, China, 29.-31. August 2006.  Weltwissenschaft.  P.  847. ISBN 9789812709998.^ Robinson, AH;  Cherry, C. (1967).  \u201eErgebnisse eines Prototyp-Fernsehbandbreiten-Kompressionsschemas\u201c. Verfahren des IEEE.  IEEE. 55 (3): 356\u2013364.  mach:10.1109\/PROC.1967.5493.^ ein B Ghanbari, Mohammed (2003). Standard-Codecs: Bildkomprimierung zu erweiterter Videocodierung.  Institut f\u00fcr Technik und Technologie.  S. 1\u20132.  ISBN 9780852967102.^ Leser, Cliff (2016-08-31). “Patentlandschaft f\u00fcr lizenzfreie Videocodierung”.  In Tescher, Andrew G (Hrsg.). Anwendungen der digitalen Bildverarbeitung XXXIX. 9971.  San Diego, Kalifornien: Gesellschaft f\u00fcr Ingenieure von photooptischen Instrumenten.  S. 99711B.  Bibcode:2016SPIE.9971E..1BR.  mach:10.1117\/12.2239493.  Vorlesungsaufzeichnung, ab 3:05:10.^ ein B C D “Infografik zur Geschichte der Videodateiformate \u2014 RealPlayer”.  22. April 2012.^ “Patenterkl\u00e4rungserkl\u00e4rung registriert als H261-07”. ITU.  Abgerufen 11. Juli 2019.^ “MPEG-2 Patentliste” (PDF). MPEG LA.  Abgerufen 7. Juli 2019.^ “MPEG-4 Visual – Patentliste” (PDF). MPEG LA.  Abgerufen 6. Juli 2019.^ “AVC\/H.264 \u2013 Patentliste” (PDF). MPEG LA.  Abgerufen 6. Juli 2019.^ Chanda P, Bader JS, Elhaik E (27. Juli 2012). “HapZipper: Das Teilen von HapMap-Populationen ist jetzt noch einfacher”. Nukleins\u00e4ureforschung. 40 (20): e159.  mach:10.1093\/nar\/gks709.  PMC 3488212.  PMID 22844100.^ Christley S, Lu Y, Li C, Xie X (15. Januar 2009). “Menschliche Genome als E-Mail-Anh\u00e4nge”. Bioinformatik. 25 (2): 274\u20135.  mach:10.1093\/Bioinformatik\/btn582.  PMID 18996942.^ Pavlichin DS, Weissman T, Yona G (September 2013). “Das menschliche Genom zieht sich wieder zusammen”. Bioinformatik. 29 (17): 2199\u2013202.  mach:10.1093\/Bioinformatik\/btt362.  PMID 23793748.^ Hosseini, Morteza;  Pratas, Diogo;  Pinho, Armando (2016). “Eine Umfrage zu Datenkomprimierungsmethoden f\u00fcr biologische Sequenzen”. Information. 7 (4): 56. doi:10.3390\/info7040056.^ “Datenkomprimierung durch logische Synthese” (PDF).^ Hilbert, Martin;  L\u00f3pez, Priscila (1. April 2011).  \u201eDie technologische Kapazit\u00e4t der Welt zum Speichern, Kommunizieren und Berechnen von Informationen\u201c. Wissenschaft. 332 (6025): 60\u201365.  Bibcode:2011Sc…332…60H.  mach:10.1126\/science.1200970.  PMID 21310967.  S2CID 206531385.Externe Links[edit]     (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4"},{"@context":"http:\/\/schema.org\/","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"item":{"@id":"https:\/\/wiki.edu.vn\/wiki25\/#breadcrumbitem","name":"Enzyklop\u00e4die"}},{"@type":"ListItem","position":2,"item":{"@id":"https:\/\/wiki.edu.vn\/wiki25\/2021\/10\/31\/datenkomprimierung-wikipedia\/#breadcrumbitem","name":"Datenkomprimierung \u2013 Wikipedia"}}]}]